51五湖四取四海之财

我院脑机团队蔡洪华等的研究成果被IEEE Transactions on Instrumentation and Measurement录用

51五湖四取四海之财/新闻通知2023-03-20 12:50:41来源:5123五湖之利取四海开评论:0点击:收藏本文

近日,脑机团队成员蔡洪华在潘家辉教授指导下的研究成果“Multiple Scale Convolutional Few Shot Learning Networks for Online P300-based Brain-Computer Interface and Its Application to Patients with Disorder of Consciousness”被SCI期刊IEEE Transactions on Instrumentation and Measurement(影响因子: 5.332, 中科院二区top)录用。本论文于2022年11月14日投稿,2023年3月19日录用。

基于P300事件相关电位 (P300 event-related potential)的脑机接口在意识障碍患者残余意识检测方面有着广阔的前景。 P300事件相关电位是是一种内源性的、和认知功能相关的特殊诱发电位,可以作为认知能力测量。P300是在事件(如听觉、视觉刺激)发生后大约300ms出现的一个正向波,只有在受试者积极参与目标识别任务过程中才会出现。传统的P300脑机接口需要多次重复刺激,以提高信号的信噪比和算法识别效果。然而由于意识障碍患者存在容易陷入昏睡、注意力不集中等问题,导致有效的样本数据量较少。

针对样本数据不足这个问题,本文提出了基于多尺度卷积原型网络的小样本单被试P300识别算法,并且应用到意识障碍患者参与检测任务上。总的来说,该论文主要有以下4点贡献:

1) 首次将小样本技术应用到P300识别领域

2) 设计了一个多尺度卷积神经网络,从不同的尺度提取脑电特征。

3) 通过余弦相似度度量正样本原型与待分类样本之间的距离,完成小样本分类。

4) 成功应用到意识障碍患者照片识别任务上,从12名病人中发现3名有残余意识的病人。

该算法主要包含两部分:多尺度卷积神经网络特征提取器以及基于原型度量的小样本分类器,如下图所示。为了验证本文提出的算法有效性,我们首先在经典的P300字符拼写器范式上对10位健康被试的P300字符拼写脑电数据进行验证。在这10位被试的数据集上,取得了SOTA效果。进一步,我们将这算法应用到意识障碍患者数据集上,对12位意识障碍患者的照片识别范式数据进行判断,成功发现其中3位患者的识别准确率高于随机显著水平 (对比的方法测不出),并且在他们的脑电图中发现了明显的P300成分。3个月的随访结果显示这3名患者的意识水平有明显好转,证明了本文方法的可靠性。

image.png 


撰稿:蔡洪华

审稿:潘家辉


标签: