基于内源性EEG范式的个性化脑机接口应用

在本文中，我们提出了一个个性化脑机接口（BCI）应用的概念框架，该框架基于包括运动想象（MI）、言语想象（SI）和视觉想象在内的内源性脑电图（EEG）范式，通过根据个人偏好和需求定制服务，可以提供增强的用户体验。该框架包含两个基本组件：用户识别和意图分类，它们通过EEG信号识别个体用户并识别其意图动作，从而实现个性化服务。我们使用从八名受试者收集的私有EEG数据集，并采用ShallowConvNet架构解码EEG特征，验证了该框架的可行性。实验结果表明，用户识别达到了0.995的平均分类准确率，而意图分类在所有范式上达到了0.47的准确率，其中MI表现最佳。这些发现表明，EEG信号可以有效支持个性化BCI应用，提供鲁棒的识别和可靠的意图解码，尤其对于MI和SI。