MOABB：面向脑机接口的可信算法基准测试
人机交互
2018-09-11 v1
摘要
脑机接口(BCI)算法开发长期受两大问题困扰：小样本集与缺乏可复现性。我们通过一套软件套件同时解决这两个问题，该套件以可靠方式简化数据查找与预处理问题，并为机器学习方法提供一致接口。基于 MNE 工具包中近期信号分析软件进展，以及 scikit-learn 项目所提供的统一机器学习框架，我们提供了一个可改进 BCI 算法开发的系统。该系统完全开源，采用 BSD 许可，可从 https://github.com/NeuroTechX/moabb 获取。为验证我们的工作，我们跨 12 个开放获取数据集（含超过 250 名受试者）分析了一组最先进的解码算法。我们的分析证实，不同数据集对相同处理流水线可产生极为不同的结果，凸显了 BCI 领域对可信算法基准测试的需求；并进一步发现许多先前经验证的方法在跨数据集应用时并不成立，这对实用型 BCI 具有广泛影响。
引用
@article{arxiv.1805.06427,
title = {MOABB: Trustworthy algorithm benchmarking for BCIs},
author = {Vinay Jayaram and Alexandre Barachant},
journal= {arXiv preprint arXiv:1805.06427},
year = {2018}
}