postgraduate student at the Department of Biology, Lomonosov Moscow State University.
аспирант биологического факультета МГУ им. М.В.Ломоносова.
PhD, professor, Head of the Laboratory for Neurophysiology and Neuro-Computer Interfaces, Lomonosov Moscow State University.
доктор биологических наук, профессор, заведующий лабораторией нейрофизиологии и нейроинтерфейсов биологического факультета МГУ им. М.В.Ломоносова.
Background. A number of studies have been done on detection of human visual attention focus by means of P300 brain-computer interfaces (BCI). However, the performance of interfaces on P300 is still low, since this technique requires the repeated presentation of target and non-target stimuli. There are some indications that it is appropriate to use ensembles of classifiers to improve the accuracy of recognition of multidimensional objects. The goal of the present study was to verify the feasibility of application of ensembles of classifiers to speed up the work of the BCI P300. Methods. The study involved 22 subjects, whose task was to closely monitor the highlights of target objects on the computer screen, presented as 8 triangles located in a circle (angle of 7.7 degrees). Single classifiers and ensembles of classifiers based on linear discriminant of Fisher were used to detect the target responses in the EEG. Results. The use of the ensemble of classifiers provided almost the same accuracy of algorithmic choice of target reactions, EEG in 78-80%, as compared with the use of single classifiers, but with two times smaller number of repetitions of the test stimuli and, therefore, faster detection of the target reactions of the EEG. Conclusions. This work implies that the P300 BCI with the participation of the ensemble of classifiers can be used to build high-speed communication systems for both the stroke patients and healthy people in special circumstances for additional alarm at the inability to use speech.
Введение. К настоящему времени выполнено большое число исследований в области детектирования фокусов зрительного внимания человека посредством интерфейсов «мозг-компьютер» (ИМК) на основе волны Р300. Однако эти технологии все еще остаются медленными, поскольку для приемлемой точности детектирования волны Р300 требуют многократного предъявления целевых и нецелевых стимулов. В настоящей работе проверялась гипотеза о том, что ансамбль классификаторов, предварительно обученных каждый на своей выборке паттернов ЭЭГ, может детектировать реакции ЭЭГ на целевые стимулы быстрее, чем одинарный классификатор. Методы. 22 испытуемым добровольцам на экране монитора предъявлялись зрительные стимулы в виде кратковременно подсвечиваемых по отдельности 8 треугольников, расположенных по кругу (7,7 угл. град) вершинами к центру. Для детектирования реакций ЭЭГ использовались одиночные классификаторы и ансамбли классификаторов, построенных на основе алгоритма линейного дискриминанта Фишера. Результаты. Было показано, что для детектирования целевых реакций ЭЭГ применение ансамбля классификаторов обеспечивает в два раза большее быстродействие Р300 ИМК, чем посредством одинарных классификаторов. Обсуждение. Повышенное быстродействие Р300 ИМК на основе ансамблей классификаторов позволит создать практичные коммуникационные технологии для людей с тяжелыми нарушениями речи и движений.