基于脑电图的脑机接口迁移学习:2016年以来的进展综述

摘要

在基于eeg的BCI系统中建立一个对不同对象、不同会话、不同设备和任务最优的通用模式识别模型是非常困难的。通常需要一个校准会话来为一个新主题收集一些特定于主题的数据，这既耗时又不利于用户。迁移学习(TL)可以利用来自类似或相关主题/会话/设备/任务的数据或知识，以促进对新主题/会话/设备/任务的学习，经常用于缓解这种校准要求。本文综述了近年来基于脑电图的BCIs中TL方法的研究进展。自2016年以来,。六个范例和应用-运动表象(MI)，事件相关电位(ERP)，稳态视觉诱发电位(SSVEP)，情感BCIs (aBCI)，回归问题，和对抗性攻击-被考虑。对于每个范例/应用程序，我们将TL方法分组为跨主题/会话、跨设备和跨任务设置，并分别检查它们。在文章的最后进行了观察和总结，为今后的研究指明了方向。

主要内容

Introducition

BCIs最初主要用于残障人士，如有神经肌肉损伤的患者。后来的研究将其应用范围扩展到健全人，游戏，情绪识别，心理疲劳评估，警惕性评估等。BCIs一般有三种类型：
1)非侵入性BCIs，利用非侵入性脑信号，如脑电图(EEG)、脑磁图(MEG)、功能性近红外谱图等。
2)侵入性BCIs，需要手术将传感器阵列或电极植入头皮下的灰质中，用于测量和解码脑信号(通常为尖刺和局部场电位)。
3)部分侵入性(半侵入性)BCIs，即通过手术将传感器植入颅骨内，但植入脑外，而不是灰质内。
本文重点介绍非侵袭性BCIs，尤其是基于脑电图的BCIs，由于其低风险(不需要手术)、低成本、方便等特点，是目前最流行的BCIs类型。
1)信号采集：利用EEG设备采集头皮脑电图信号。早期的脑电图设备使用有线连接和凝胶来增加导电性。如今，无线连接和干电极越来越受欢迎。
2)信号处理：通常包括时间滤波和空间滤波。前者使用带通滤波器来减少干扰和噪声，如肌肉伪影、眨眼和直流漂移。后者结合不同的脑电图通道来提高信噪比。常用的空间滤波器包括常用空间模式(CSP)、独立分量分析(ICA)、盲源分离、xDAWN等。
3)特征提取，利用时域、频域、时频域、黎曼空间和功能脑连接特征。
4)模式识别。根据应用程序的不同，将使用分类器或回归模型。
5)控制器，它输出一个命令来控制外部设备，如轮椅或无人机，或改变环境的行为，如电子游戏的难度级别。在某些应用程序中可能不需要控制器，例如BCI spellers

基于脑电图的BCIs有三种经典的分类范式，本文将考虑这三种范式:
1)运动表象(MI)，它可以改变初级感觉运动区域的神经元活动，类似于真实执行的运动。不同的脑管理信息系统影响大脑的不同区域，如左(右)半球的右(左)手脑管理信息系统和中心的脚脑管理信息系统，脑机接口可以从脑电图信号中解码一个脑管理信息系统，并将其映射到一个特定的指令。
2)事件相关电位(ERP)是任何对视觉、听觉或触觉刺激的定型脑电图反应。最常用的ERP是P300，它发生在一个罕见的刺激后约300毫秒。
3)稳态视觉诱发电位(SSVEP)。脑电图以与视觉刺激相同(或数倍)频率的特定频率振荡，通常在3.5到75赫兹之间。这种模式在BCI spellers中经常使用，因为它可以实现非常高的信息传输率。
4)情感脑机接口（aBCI)

在两个方面讲述了三种范式的使用：
A：Cross-Subject/Session Transfer
B：Cross-Device Transfer