[论文解读] 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 99

一句话总结

该论文提出了一种即插即用的P300脑-机接口（BCI），利用信息几何方法通过一种新颖的协方差矩阵估计技术对事件相关电位（ERPs）进行分类，使原本仅限于SMR基BCI的黎曼几何框架能够应用于ERP数据。该方法通过使用通用参数初始化并实时自适应优化，无需校准即可实现高精度分类，在少量数据下表现出跨被试和跨会话的鲁棒性能。

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.

研究动机与目标

• 开发一种无需校准的BCI，能够在不依赖用户特定校准会话的情况下保持高性能。
• 通过在协方差估计中处理时间信号结构，将黎曼几何的应用从原先仅限于SMR和SSVEP BCI的范畴扩展至基于ERP的BCI。
• 在在线自适应过程中实现强健的跨被试和跨会话泛化能力，并实现快速收敛。
• 通过一种适用于多种BCI范式（SMR、ERP、SSVEP）的通用信号处理链，实现实时自适应BCI操作，且代码修改极少。

提出的方法

• 提出一种通过滑动窗口方法结合时间锁定段平均，将时间结构整合到ERP信号协方差矩阵估计中的新方法。
• 对估计的协方差矩阵应用仿射不变黎曼度量（AIRM），在黎曼流形上计算距离，从而实现鲁棒分类。
• 在黎曼流形上使用最小距离到均值（MDM）分类器，根据与各类别特定均值矩阵的接近程度分配类别标签。
• 通过从先前会话数据库中提取的通用参数初始化分类器，实现在每次会话开始时的即插即用操作。
• 利用实时输入数据在线调整分类器参数，实现快速收敛并随时间推移提升性能。
• 采用一种通用信号处理流水线，通过协方差矩阵表示和信息几何方法，兼容SMR、ERP和SSVEP BCI。

实验结果

研究问题

• RQ1 能否有效将黎曼几何扩展至需要建模时间信号结构的ERP基BCI？
• RQ2 能否仅通过通用初始化和在线自适应实现即插即用的BCI，并在无需校准的情况下保持高精度？
• RQ3 所提出的方法是否在跨被试和跨会话中均表现出良好泛化能力，同时在在线操作中保持快速收敛？
• RQ4 能否在仅做极少修改的情况下，将同一信号处理链复用于不同BCI范式（SMR、ERP、SSVEP）？

主要发现

• 在会话开始时，该方法在Brain Invaders游戏中平均仅需2.5次重复即可摧毁目标外星人，到会话结束时减少至1.5次，且差异具有统计学显著性（t(7) = -3.82, p = 0.007）。
• 在Brain Invaders游戏的全部九个难度等级中，性能均显著提升，且方差随时间减小，表明具有鲁棒的自适应能力。
• 该方法在被试间和会话间表现出强泛化能力，在未进行任何校准的情况下初始化即保持次优但可用的准确率。
• 结合黎曼几何的MDM分类器在准确率、对触发延迟的鲁棒性以及数据效率方面均优于当前最先进的方法。
• 该框架通过使用相同的底层处理链，实现了SMR、ERP和SSVEP BCI的通用实现，显著降低了软件复杂度。
• 当应用正则化协方差估计时，该方法在高通道数下仍保持稳定和高效，但若不进行降维处理，当通道数极大（>64）时性能可能下降。