КЛАССИФИКАЦИЯ ПАТТЕРНОВ �ЭЛЕКТРИЧЕСКОЙ АКТИВНОСТИ МОЗГА
В КОНТУРЕ НЕЗАВИСИМОГО ОТ ВЗГЛЯДА ПОЛЬЗОВАТЕЛЯ
ИНТЕРФЕЙСА МОЗГ-КОМПЬЮТЕР НА ВОЛНЕ P300
Пономарев Тимофей Дмитриевич, Пронина Анна Сергеевна
Руководители: Антон Александрович Ганичев,
Александр Яковлевич Каплан
Москва, 2023
Курс «Нейронные сети и их применение в научных исследованиях»
Интерфейс �мозг-компьютер (ИМК)
Технология для управления компьютеризированной системой напрямую на основании сигналов мозга
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
doi: 10.1111/psyp.13569
Пример визуальной среды �зависимого (слева) и независимого (справа) �от взгляда пользователя ИМК-P300
Новый вариант матрицы
Классическая матрица 6x6
ИМК на волне P300
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Цель
Разработка классификатора для �независимого от движения глаз пользователя �интерфейса мозг-компьютер на волне P300
Задачи
Тестирование ML моделей (SVM, LDA, RF, GB)
Тестирование сверточной нейронной сети
Подбор оптимальной конфигурации данных
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Варианты потенциала P300 в различных условиях
P300 при различной направленности внимания
Усреднение схожих реакций
Реакция на 1 стимул
Волна P300
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Задача классификации в ИМК-P300
Есть паттерн
Нет паттерна
Бинарная классификация
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Данные текущего эксперимента
35 участников
44 отведения
400 целевых стимулов
3200 нецелевых стимулов
1 испытуемый
13960
111624
Всего
(~3600, 44, 301)
35 X
(~3600, 1)
Данные
Классы
12 Гб
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Предобработка данных
Пересчет относительно А1-А2
Передискретизация до 500 Гц
Фильтрация 0.1-35 Гц (ФВЧ, ФНЧ)
Коррекция окуломоторных артефактов (ICA)
Разделение на эпохи �(-100-600 мс)
Коррекция базовой линии �(-100-0 мс)
Исключение зашумленных эпох
Сохранение фрагментов �0-600 мс
ЭЭГ
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Разбиение на выборки
400 целевых стимулов
3200 нецелевых стимулов
Дисбаланс классов
75% - train
1 испытуемый /
общая выборка
1 испытуемый �в 1 выборку
25% - test
WeightedRandomSampler
Batch
3200
3200
Oversampling
Imblearn
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Метрики
N – количество доступных команд, P – точность распознавания команд, T – время, необходимое для распознавания команд.
ITR
Acc
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Существующие решения
SWLDA
SVM
Acc: 0.9; ITR: 12 бит/мин
Acc: ~0.8; ITR: ~50 бит/мин
https://doi.org/10.1016/
0013-4694(88)90149-6
Meinicke, 2002
CNN
doi: 10.1109/ACCESS.2021.3089998
Acc: 0.9 на 2-3 эпохах
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Классические методы ML
RF
SVM
LDA
XGBoost
LightGBM
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
CNN
CNN | |
n_eeg_channels × 16 × 10 | Conv1d + ReLU |
16 × 8 × 10 | Conv1d + ReLU |
1 | AdaptiveMaxPool1d |
1 | Linear + Sigmoid |
AdamW, Learning rate = 1e-3, 50-100 epochs
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Дисбаланс и частота дискретизации
Влияние борьбы с дисбалансом классов и частоты дискретизации на качество классификации
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Частота дискретизации
Влияние частоты дискретизации на качество классификации
Hz
Hz
Hz
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Сравнение моделей
Сравнение классификации с применением различных моделей
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Конфигурация электродов
Схема расположения групп каналов
1
4
8
16
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Конфигурация электродов
Влияние конфигурации электродов на �показатели классификации
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Устойчивость моделей
Тестирование моделей на 10 испытуемых.
32 Гц, 8 каналов, 8 эпох.
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Показатели ИМК
Классификатор | SVM | CNN |
ITR, бит/мин | 12.8 | 15.8 |
Точность классификации команд | 0.8 | 0.6 |
Число каналов ЭЭГ | 8 | 8 |
Число усреднений эпох ЭЭГ | 8 | 4 |
Частота дискретизации, Гц | 120 | 60 |
18 триад
9 групп
9 групп
Целевая триада 1
Целевая триада 2
A
B
C
D
E
Целевая буква: А
classifier
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Сравнение с аналогами
Текущее исследование
Linear SVM
RF
CNN
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Заключение
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300
Тимофей Дмитриевич Пономарев
Лаборатория нейрофизиологии и нейрокомпьютерных интерфейсов
Email: timofeyponomaryov@gmail.com
Тел.: +7-913-901-92-64
Классификация паттернов электрической активности мозга в контуре независимого от взгляда пользователя интерфейса мозг-компьютер на волне P300