Методы извлечения признаков и классификации для гибридных интерфейсов мозг—компьютер на основе fNIRS и ЭЭГ

В исследовании рассматривается архитектура интерфейса мозг—компьютер (BCI), основанного на гибридном применении функциональной спектроскопии в ближней инфракрасной области (fNIRS) и электроэнцефалографии (ЭЭГ), для пациентов с синдромом запертого человека (LIS). Рассмотрены задачи, выполняемые пациентами, методы выбора каналов, а также алгоритмы извлечения признаков и классификации, представленные в научной литературе. Сначала различные типы пациентов с когнитивными и двигательными нарушениями классифицируются для оценки пригодности BCI для каждой группы. Префронтальная кора идентифицируется как подходящая область мозга для визуализации. Затем рассматривается активность мозга, участвующая в формировании гемодинамических сигналов. Установлено, что задачи на мысленный счёт и формирование слов подходят для использования с пациентами с LIS. Далее, поскольку для BCI требуется конкретная целевая область мозга, рассматриваются методы определения области интереса. Сочетание конфигурации со связанными оптодами и порогово-интегрированного анализа векторной фазы оказывается перспективным решением. Кроме того, рассматриваются пригодные признаки fNIRS и ЭЭГ. Для гибридного BCI перспективным представляется сочетание пиковых и средних значений сигналов fNIRS с наибольшими мощностями полос EEG-сигналов. Для классификации наиболее широко использовался линейный дискриминантный анализ. Однако желательны дальнейшие исследования анализа векторной фазы как классификатора для нескольких команд. В целом точное определение области мозга и правильный выбор признаков могут повысить точность классификации. В заключение определены пять направлений будущих исследований и предложена новая схема BCI, включающая терапию мозга для пациентов с LIS и использующая архитектуру гибридного BCI на основе fNIRS и ЭЭГ.