面向基于SSVEP的脑机接口的无源域自适应方法
机器学习
2025-10-23 v3 信号处理
摘要
目的：基于稳态视觉诱发电位（SSVEP）的脑机接口（BCI）拼写器通过让用户以高速率进行通信，从而帮助存在言语障碍的个体。然而，大多数主流方法要实现高信息传输率（ITR）需要在使用系统前进行漫长的校准，给新用户带来不适。我们通过提出一种新方法解决该问题：利用仅在目标域（新用户）上的无标签数据，将一个在源域数据（以往用户或先前实验参与者数据）上预训练的强大深度神经网络（DNN）适配到新用户。方法：我们的方法通过最小化所提出的由自适配项和局部正则项组成的自定义损失函数，将预训练DNN适配到新用户。自适配项采用伪标签策略，而新颖的局部正则项利用数据结构并迫使DNN为相邻样本分配相似标签。主要结果：我们的方法在基准数据集和BETA数据集上分别取得了201.15 bits/min和145.02 bits/min的优异ITR，并优于当前最优（SOTA）替代方法。我们的代码见 https://github.com/osmanberke/SFDA-SSVEP-BCI。意义：所提方法在保持优异字符识别准确率和ITR的同时，通过消除校准负担优先考虑了用户舒适度。鉴于这些特性，我们的方法可显著加速BCI系统融入日常生活。
引用
@article{arxiv.2305.17403,
title = {Source-Free Domain Adaptation for SSVEP-based Brain-Computer Interfaces},
author = {Osman Berke Guney and Deniz Kucukahmetler and Huseyin Ozkan},
journal= {arXiv preprint arXiv:2305.17403},
year = {2025}
}
备注
31 pages (including a 7-page appendix); 6 figures (2 in the appendix)