[논문 리뷰] End-to-end P300 BCI using Bayesian accumulation of Riemannian probabilities

Quentin Barthélemy, Sylvain Chevallier외 2명|arXiv (Cornell University)|2022. 03. 15.

EEG and Brain-Computer Interfaces참고 문헌 45인용 수 6

한 줄 요약

이 논문은 P300 BCI의 성능을 향상시키기 위해 확률적 리만 기반 MDM를 이용한 ERP 탐지와 베이지안 추론을 활용해 시도 간 신뢰도를 누적시키는 엔드 투 엔드의 ASAP(베이지안 리만 확률의 누적)을 제안한다. 이는 목표 및 비목표 플래시 모두를 업데이트하며, 공개 데이터셋에서 최신 기술 대비 더 적은 반복 횟수로 유의미하게 높은 정확도와 정보 전송 속도(ITR)를 달성한다.

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.

연구 동기 및 목표

• P300 BCI의 성능 저하 원인인 반복 플래시에 의존하는 ERP 탐지와의 분류 지연 문제를 해결하기 위함.

제안 방법

• EEG 에포크를 리만 기반 공간에서 강건한 ERP 특징 추출을 위해 프로토타입 기반 공분산 행렬을 적용한다.

실험 결과

연구 질문

• RQ1 표준 ERP 탐지 파이프라인을 초월해, 리만 확률의 베이지안 누적 방식이 P300 BCI 성능 향상에 기여할 수 있는가?

주요 결과

• ASAP은 모든 테스트 데이터셋에서 MDM+OM, xDAWN+OM, RegLDA+OM 대비 유의미하게 높은 정보 전송 속도(ITR)를 달성한다.