研究在基于近紅外光譜的具有實(shí)時(shí)反饋的腦機(jī)接口中建模時(shí)間依賴性的必要性

1.研究背景

近紅外 (NIR) 光譜是一種新興的非侵入性腦機(jī)接口 (BCI) 模式，可測(cè)量神經(jīng)皮質(zhì)組織中血紅蛋白濃度的變化。NIR 光譜研究用在線分類的實(shí)時(shí)反饋時(shí)，以讓用戶即時(shí)改變他們的心理策略。但尚不清楚在線分類中是否應(yīng)該考慮血液動(dòng)力學(xué)變化的時(shí)間依賴性。本研究對(duì)比了使用 NIR 光譜對(duì)前額葉血流動(dòng)力學(xué)的在線分類，這些方法使用兩種方法處理：人工神經(jīng)網(wǎng)絡(luò) (ANN) 考慮氧合和脫氧血紅蛋白濃度的瞬時(shí)樣本（即忽略時(shí)間依賴性）和基于隱馬爾可夫模型 (HMM) 的分類器，它對(duì)濃度的時(shí)間序列進(jìn)行建模（即體現(xiàn)的時(shí)間依賴性）。

2.研究方法

2.1 被試

共10名有效被試被招募，其中男性4名，女性6名，平均年齡26.4歲。

2.2 實(shí)驗(yàn)設(shè)定

實(shí)驗(yàn)包含了視覺(jué)和聽(tīng)覺(jué)任務(wù)線索。屏幕上的圖像提示參與者執(zhí)行每項(xiàng)任務(wù)，音頻文件在任務(wù)開(kāi)始時(shí)用英語(yǔ)闡明了說(shuō)明。

2.3 實(shí)驗(yàn)過(guò)程

每個(gè)參與者完成了本研究的兩個(gè)環(huán)節(jié)。一個(gè)環(huán)節(jié)使用人工神經(jīng)網(wǎng)絡(luò) (ANN) 分類器，另一個(gè)使用基于隱馬爾可夫模型 (HMM) 的最大似然分類器。環(huán)節(jié)的順序是隨機(jī)的。參與者被指示使用“默唱”作為激活任務(wù)，并將專注于呼吸作為休息任務(wù)。如果他們發(fā)現(xiàn)默認(rèn)策略無(wú)效，并被鼓勵(lì)使用他們認(rèn)為最有效的任何策略，則允許他們改變他們的激活或休息策略。

每個(gè)環(huán)節(jié)都以校準(zhǔn)期開(kāi)始。在此期間，在線訓(xùn)練分類器的 ON（激活）和 OFF（靜止）狀態(tài)。在視覺(jué)和聽(tīng)覺(jué)上指導(dǎo)參與者在體驗(yàn)后立即開(kāi)始心理任務(wù)。校準(zhǔn)期在被試可以根據(jù)實(shí)驗(yàn)者的要求升高和降低視覺(jué)反饋欄后結(jié)束（圖1）?？刂扑接蓪?shí)驗(yàn)者主觀評(píng)估。校準(zhǔn)之后是測(cè)試期。參與者根據(jù)提示生成 ON 和 OFF 狀態(tài)。試驗(yàn)包括六個(gè)連續(xù)的休息/激活間隔（2 分鐘）。每個(gè)參與者在測(cè)試期間完成了 20 次試驗(yàn)，并且可以根據(jù)需要選擇在試驗(yàn)之間休息。

圖1. 實(shí)驗(yàn)所用視覺(jué)交互界面。

2.4 數(shù)據(jù)采集和處理

本研究使用頻域 NIR 光譜設(shè)備（ISS Imagent功能近紅外成像系統(tǒng)），由一系列用于插入光源的開(kāi)口和探測(cè)器被放置在前額葉皮層上（圖2）。頭帶上有八個(gè)源和兩個(gè)探測(cè)器。每個(gè)光源同時(shí)發(fā)射 690nm 和 830nm NIR，以串行方式點(diǎn)亮。ISS Imagent 共有 16 個(gè)源，每個(gè)光源以一種波長(zhǎng)發(fā)光 2 毫秒，有效采樣周期為 32 毫秒。

圖2. 頭帶光源和探測(cè)器配置

本實(shí)驗(yàn)在計(jì)算 Hb 和 HbO 之前，對(duì)直流信號(hào)使用了截止頻率為 0.5 Hz 的五階巴特沃斯低通濾波器，去除了由于血脈率 (0.8–1.4 Hz)和其他因素引起的噪聲。

3.研究結(jié)果

3.1 線上分類

只有總體 ANN 在線分類率 (63.0 ± 18.9%) 明顯優(yōu)于機(jī)會(huì)概率。整體 HMM 率徘徊在機(jī)會(huì)水平 (55.7 ± 11.8%)

3.2 根據(jù)呼吸脈搏離線分類

只有五個(gè)與 NIR 信號(hào)分類為高于偶然性的會(huì)話重合。

3.3 用戶行為

除了一名參與者外，所有參與者都報(bào)告說(shuō)根據(jù)反饋改變了他們的激活策略。一些替代策略與前額葉區(qū)的功能一致，即決策和思考的闡述。參與者 1 的分類率在兩個(gè)會(huì)話中都超過(guò)了機(jī)會(huì)，專注于嘗試移動(dòng)反饋條。參與者 2 的分類率在兩個(gè)會(huì)話中都超過(guò)了機(jī)會(huì)，使用了各種替代策略，包括控制情緒狀態(tài)。情緒誘導(dǎo)任務(wù)已被證明可以使用 NIR 光譜引起前額葉皮層的反應(yīng)。一位熟悉 NIR-BCI 的參與者選擇進(jìn)行心算，這是一種經(jīng)過(guò)驗(yàn)證的激活策略。這位參與者 (10) 的總體分類率也最高。

4.實(shí)驗(yàn)結(jié)論

這項(xiàng)研究的結(jié)果表明，使用在分類器和用戶同時(shí)學(xué)習(xí)的環(huán)境中訓(xùn)練的機(jī)器學(xué)習(xí)分類器，可以在在線 NIR-BCI 中實(shí)現(xiàn)二元分類。此外，參與者主觀上認(rèn)為使用實(shí)時(shí)反饋欄是有幫助的。最重要的是，ANN 和 HMM 之間的比較表明，可能沒(méi)有必要對(duì)血紅蛋白濃度變化的時(shí)間動(dòng)態(tài)進(jìn)行建模。ANN 分類器總體上比 HMM 分類器表現(xiàn)更好，并為參與者提供了更多有用的反饋。

5.參考文獻(xiàn)及DOI號(hào)Chan, J., Power, S. and Chau, T., 2012. Investigating the need for modelling temporal dependencies in a brain-computer interface with real-time feedback based on near infrared spectra. Journal of Near Infrared Spectroscopy, 20(1), pp.107-116.

DOI：10.1255/jnirs.971