[論文レビュー] End-to-end P300 BCI using Bayesian accumulation of Riemannian probabilities

Quentin Barthélemy, Sylvain Chevallier+2 more|arXiv (Cornell University)|Mar 15, 2022

EEG and Brain-Computer Interfaces参考文献 45被引用数 6

ひとこと要約

本稿では、ERP検出に確率的リーマン多様体MDMを用い、ベイジアン推論により試行間で信頼度を蓄積することで、文字分類を向上させるエンドツーエンドのP300 BCI、ASAP（Bayesian Accumulation of Riemannian Probabilities）を提案する。公開データセット上で、最先端の手法と比較して繰り返し回数を減らしても顕著に高い正確性と情報伝送速度（ITR）を達成する。

ABSTRACT

In brain-computer interfaces (BCI), most of the approaches based on event-related potential (ERP) focus on the detection of P300, aiming for single trial classification for a speller task. While this is an important objective, existing P300 BCI still require several repetitions to achieve a correct classification accuracy. Signal processing and machine learning advances in P300 BCI mostly revolve around the P300 detection part, leaving the character classification out of the scope. To reduce the number of repetitions while maintaining a good character classification, it is critical to embrace the full classification problem. We introduce an end-to-end pipeline, starting from feature extraction, and is composed of an ERP-level classification using probabilistic Riemannian MDM which feeds a character-level classification using Bayesian accumulation of confidence across trials. Whereas existing approaches only increase the confidence of a character when it is flashed, our new pipeline, called Bayesian accumulation of Riemannian probabilities (ASAP), update the confidence of each character after each flash. We provide the proper derivation and theoretical reformulation of this Bayesian approach for a seamless processing of information from signal to BCI characters. We demonstrate that our approach performs significantly better than standard methods on public P300 datasets.

研究の動機と目的

• P300 BCIにおけるボトル neck を解消するため、文字分類がERP検出に追いつかないという問題に、繰り返しフラッシュに依存する点を改善すること。

提案手法

• EEGエポックをリーマン多様体空間に表現するためのプロトタイプベースの共分散行列を適用し、頑健なERP特徴抽出を実現する。

実験結果

リサーチクエスチョン

• RQ1 ベイジアンによるリーマン確率の蓄積は、標準的なERP検出パイプラインをはるかに超えるP300 BCIのパフォーマンス向上を実現できるか？

主な発見

• ASAPは、すべてのテストデータセットでMDM+OM、xDAWN+OM、RegLDA+OMと比較して顕著に高い情報伝送速度（ITR）を達成する。