drwuHUST的个人博客分享 http://blog.sciencenet.cn/u/drwuHUST

博文

一种脑机接口中的数据对齐方法

已有 859 次阅读 2019-9-13 17:23 |个人分类:脑机接口|系统分类:科研笔记

在之前的博文中我们介绍了脑机接口(“脑机接口简介”博文链接:http://blog.sciencenet.cn/home.php?mod=space&uid=3418535&do=blog&id=1194767)。作为一种通过大脑信号直接控制外部设备的系统,脑机接口被认为是人机交互的终极手段,实现利用机械延伸、加强、突破人的本体机能的关键技术。也正因为那些充满想象力的应用前景,越来越多的科研工作者或者企业投入到了脑机接口的研究中来。

前文同样提到,脑机接口可以使用不同的大脑信号以及控制方法。其中,脑电波(EEG)作为非侵入式的代表,有着安全、方便、响应快的优点,是当前最受欢迎的控制信号之一。常见的EEG-BCI系统主要包括P300和运动想象,其中P300常被用来做图片识别或者文字输入,运动想象常被用来做外部设备(比如机械臂、轮椅、无人机等)的运动控制。本文的研究也会聚焦在这两种范式上。

本文针对的是当前脑机接口正面临的一道难题:为建立一个优秀的模型,脑机接口通常需要用户在每次使用前都进行校准以采集足量的带标注数据,而这个校准过程通常费时费力。因此,如何减少甚至消除校准过程,实现即插即用是脑机接口从实验室走向现实生活的一个关键挑战。迁移学习被认为是有望解决这个问题的关键技术,即使用其他辅助用户的标注数据来帮助新用户模型的建立。但是,由于用户间的个体差异,即不同用户对同一事件的神经反应不同,这些辅助数据并不能够直接用于新用户模型的建立,而是需要先进行数据的分布适配。

因此,本文提出一种无监督的分布适配方法来进行不同用户间的数据对齐(该方法用EA表示)。EA把每个用户的EEG信号各自映射到一个新空间,使得映射后的用户在“平均协方差矩阵”这个二阶统计量上差异最小化,从而隐式地减少原分布的差异。EA对每个用户(辅助用户以及新用户)都实施上述映射,由于不同用户在映射后有着相同的平均协方差矩阵,所以它们在数据分布上更趋于一致。这也就意味着在辅助用户上训练的模型可以更好地应用于新用户。

下面我们分别在两个运动想象数据上验证EA的效果。

首先是对数据进行可视化,以图1为例,图中红色圆点表示新用户样本,蓝色圆点表示辅助用户样本。左侧图表示原样本的分布,右侧图表示EA对齐后的样本分布。

EA1.png

图1:可视化样例:红色圆点表示新用户样本,蓝色圆点表示辅助用户样本。


可以看到,辅助用户(蓝色圆点)与新用户(红色圆点)原本有着较大的分布差异,但是这种分布差异在EA对齐后变小了。

然后是在离线情形下进行一个分类正确率的比较,在运动想象数据上我们比较了以下四种方法:

1)       MDRMMinimum Distance to Riemannian Mean,一种黎曼空间中的常用分类模型。

2)       RA-MDRM:一种文献中的迁移学习方法,先在黎曼空间对齐协方差矩阵,再用MDRM

3)       CSP-LDA:欧式空间中常用的分类方法,先用共同空域模式(CSP)进行空域滤波,在用LDA分类。

4)       EA-CSP-LDA:先用本文提出的EA对齐,再用常规的CSP-LDA

 在两个数据集上的比较结果如下:


EA2.png


可以观察到:

1)   经过EA对齐后的方法(EA-CSP-LDA)的分类效果大大好于没有经过对齐的方法(CSP-LDA)。

2)   相较于文献中的对齐方法(RA-MDRM),本文的方法同样在两个数据集上都获得了更好的效果。

此外,我们还在一个P300数据集上验证了EA的效果,以及在模拟在线情形下验证了EA的效果,更多实验结果与内容请参照文章:


[1] He, He, and Dongrui Wu. "Transfer learning for brain-computer interfaces: A Euclidean space data alignment approach." IEEE Transactions on Biomedical Engineering (2019).

或arXiv版本:https://arxiv.org/pdf/1808.05464.pdf

以及matlab版本代码:https://github.com/hehe91/EA

 

备注1:本工作由华中科技大学人工智能与自动化学院博士生何赫和伍冬睿教授共同完成。

备注2:本工作已应用于实际在线系统,在“2019世界机器人大赛—BCI脑控机器人大赛暨第三届中国脑机接口比赛”中获得“P300无监督训练”单项第一名,该比赛由华中科技大学脑机接口与机器学习实验室研究生张潇、何赫、郭陈凤、彭睿旻完成。




http://blog.sciencenet.cn/blog-3418535-1197835.html

上一篇:54A (5G、4K、AI) 时代的深刻变化
下一篇:多任务遗传算法

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-16 08:04

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部