[論文レビュー] A Plug&Play P300 BCI Using Information Geometry

Alexandre Barachant, Marco Congedo|arXiv (Cornell University)|Aug 30, 2014

EEG and Brain-Computer Interfaces参考文献 21被引用数 99

ひとこと要約

本稿では、情報幾何を用いて、時間的構造を組み込んだ新規な共分散行列推定法により、従来SMRベースのBCIに限定されていたリーマン幾何フレームワークをERPsデータに応用可能な、プラグアンドプレイなP300 BCIを提案する。この手法は、一般化パラメータで初期化し、リアルタイムで適応的に最適化することで、キャリブレーションを要せず、少量のデータで高い精度を達成し、被験者間およびセッション間で堅牢な性能を示す。

ABSTRACT

This paper presents a new classification methods for Event Related Potentials (ERP) based on an Information geometry framework. Through a new estimation of covariance matrices, this work extend the use of Riemannian geometry, which was previously limited to SMR-based BCI, to the problem of classification of ERPs. As compared to the state-of-the-art, this new method increases performance, reduces the number of data needed for the calibration and features good generalisation across sessions and subjects. This method is illustrated on data recorded with the P300-based game brain invaders. Finally, an online and adaptive implementation is described, where the BCI is initialized with generic parameters derived from a database and continuously adapt to the individual, allowing the user to play the game without any calibration while keeping a high accuracy.

研究の動機と目的

• ユーザー固有のキャリブレーションセッションを必要とせず、高い性能を維持するキャリブレーションフリーなBCIの開発。
• 共分散推定における時間的信号構造の取り扱いを解決することで、従来SMRおよびSSVEP BCIに限定されていたリーマン幾何の応用をERPベースのBCIに拡張すること。
• 被験者間およびセッション間での良好な一般化性能と、オンライン適応における高速収束を両立すること。
• SMR、ERP、SSVEPの複数のBCIパラダイムに適用可能な最小限のコード変更で済むユニバーサルな信号処理チェーンを用いたリアルタイムで適応可能なBCI運用の実現。

提案手法

• 時間ロックされたエポックを平均化し、スライディングウインドウを用いて時間的構造を組み込んだERP信号の共分散行列推定のための新規手法を提案。
• 推定された共分散行列にアフィン不変リーマン計量（AIRM）を適用し、リーマン多様体上での距離を計算することで、分類の堅牢性を向上。
• クラス固有の平均行列との距離に基づき、類似度に基づいてラベルを割り当てる最小距離平均（MDM）分類器をリーマン多様体上に適用。
• 事前収集されたセッションデータベースから得られる一般化パラメータで分類器を初期化し、各セッションの開始時にプラグアンドプレイ運用を可能に。
• 流入するデータを用いて分類器パラメータをオンラインで適応的に更新することで、高速な収束と時間経過に伴う性能向上を実現。
• 共分散行列表現と情報幾何を活用することで、SMR、ERP、SSVEP BCIに共通するユニバーサルな信号処理パイプラインを構築。

実験結果

リサーチクエスチョン

• RQ1 時間的信号構造のモデリングを要するERPベースのBCIに、リーマン幾何を効果的に拡張できるか？
• RQ2 キャリブレーションを完全に排除し、一般化初期化とオンライン適応のみで高い精度を達成できるプラグアンドプレイBCIを実現できるか？
• RQ3 提案手法は被験者間およびセッション間で良好な一般化性能を示し、オンライン運用時の高速収束を維持できるか？
• RQ4 同じ信号処理チェーンをSMR、ERP、SSVEPの異なるBCIパラダイムに最小限の修正で再利用可能か？

主な発見

• Brain Invadersゲームの開始時、ターゲットの宇宙船を破壊するのに平均2.5回の反復で達成され、終了時には1.5回に減少し、有意な改善が確認された（t(7) = -3.82, p = 0.007）。
• Brain Invadersゲームの全9段階で性能が著しく向上し、時間経過に伴いばらつきが減少し、適応の堅牢性が示された。
• 被験者間およびセッション間での一般化性能が強く、キャリブレーションなしに初期段階から最適でないが使用可能な精度を維持した。
• リーマン幾何を用いたMDM分類器は、精度、トリガー遅延へのロバストネス、データ効率の点で最先端手法を上回った。
• 同じコア処理チェーンを用いることで、SMR、ERP、SSVEP BCIに普遍的に適用可能であり、ソフトウェアの複雑さが低減された。
• 正則化共分散推定を適用することで、高いチャンネル数でも安定した性能を維持できるが、次元削減なしに64チャンネル以上になると性能が低下する可能性がある。