隨著腦機(jī)接口(BCI)技術(shù)近幾年的快速發(fā)展，科研人員也將腦機(jī)接口(BCI)技術(shù)融入在娛樂(lè)游戲種經(jīng)行深入研究，因此除臨床應(yīng)用外，腦機(jī)接口(BCI)技術(shù)也可以成為一種的娛樂(lè)方式。目前，大多數(shù)BCI游戲由于控制性能差或容易引起疲勞而無(wú)法廣泛推廣。BCI技術(shù)在游戲交互中的應(yīng)用越來(lái)越流行，在過(guò)去幾年已經(jīng)進(jìn)行了大量的研究。在先前研究中的BCI游戲中，P300電位、穩(wěn)態(tài)視覺(jué)誘發(fā)電位(SSVEPs)和運(yùn)動(dòng)意象(MI)是使用EEG(EEG)信號(hào)的最常見(jiàn)游戲。因?yàn)镻300的穩(wěn)定性，不易引起疲勞，并且用戶不需要經(jīng)過(guò)特殊培訓(xùn)。因此微美全息(NASDAQ:WIMI)采用P300腦機(jī)接口設(shè)計(jì)游戲模型，以探索在實(shí)際環(huán)境中使用腦電圖(EEG)信號(hào)進(jìn)行可行且自然的游戲執(zhí)行體驗(yàn)。

WIMI微美全息這項(xiàng)研究的新穎性體現(xiàn)在設(shè)計(jì)BCI游戲和范式，其整合了游戲規(guī)則和BCI系統(tǒng)的特點(diǎn)。此外，引入卷積神經(jīng)網(wǎng)絡(luò)(CNN)算法，在訓(xùn)練樣本上實(shí)現(xiàn)高精度。這種BCI系統(tǒng)不僅為用戶提供了一種娛樂(lè)形式，而且還為游戲提供了更多操控的可能性。

(資料圖片)

在過(guò)去的十年，深度學(xué)習(xí)在許多領(lǐng)域得到了快速發(fā)展，例如計(jì)算機(jī)視覺(jué)，自然語(yǔ)言處理和語(yǔ)音處理。研究人員提出了一些新穎的深度架構(gòu)，它們?cè)趫D像分類方面實(shí)現(xiàn)了高精度。近年來(lái)，卷積神經(jīng)網(wǎng)絡(luò)(CNN)已被用于P300檢測(cè)，使用CNN對(duì)P300腦電信號(hào)進(jìn)行識(shí)別和分類，可以得到良好的效果。為提高模型的泛化，并實(shí)現(xiàn)了最先進(jìn)的P300信號(hào)分類和字符識(shí)別。需要CNN一個(gè)大型數(shù)據(jù)集來(lái)訓(xùn)練非線性數(shù)據(jù)，因此在小型數(shù)據(jù)集上會(huì)發(fā)生過(guò)擬合。但是，在實(shí)際應(yīng)用中收集大量的訓(xùn)練數(shù)據(jù)是非常困難的。因此，我們提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的新架構(gòu)，以在小型訓(xùn)練數(shù)據(jù)集上實(shí)現(xiàn)最先進(jìn)的P300信號(hào)分類和字符識(shí)別。

微美全息(NASDAQ:WIMI)設(shè)計(jì)了一個(gè)基于CNN的P300 BCI游戲模型，并提出了一種基于貝葉斯深度學(xué)習(xí)的算法，解決了在小數(shù)據(jù)集上訓(xùn)練時(shí)的過(guò)擬合問(wèn)題。讓基于P300的BCI游戲模型的成功應(yīng)用，而且證明了可以應(yīng)用于在線BCI系統(tǒng)的深度學(xué)習(xí)算法。

WIMI微美全息基于CNN BCI游戲模型系統(tǒng)框架包含三個(gè)子系統(tǒng)，即數(shù)據(jù)采集部分、數(shù)據(jù)處理部分以及視覺(jué)和游戲終端。在數(shù)據(jù)采集部分，使用電極帽和放大器記錄多通道頭皮腦電信號(hào)。信號(hào)經(jīng)過(guò)預(yù)處理后，數(shù)據(jù)處理部分可分為離線訓(xùn)練和在線分類測(cè)試兩步。最后，將分類結(jié)果轉(zhuǎn)換為操作命令，并發(fā)送到視覺(jué)和游戲終端。視覺(jué)和游戲終端包括兩個(gè)子步驟：(1)在刺激策略更新后向用戶提供視覺(jué)刺激和(2)為用戶提供視覺(jué)反饋(輸出坐標(biāo))。

腦電數(shù)據(jù)采集和預(yù)處理

WIMI微美全息基于CNN BCI游戲模型使用32通道電容和放大器，通過(guò)非侵入性記錄EEG數(shù)據(jù)，以1000 Hz數(shù)字化并使用50 Hz陷波濾波器過(guò)濾。收集所有電極數(shù)據(jù)。為了減少濾波邊緣效應(yīng)的影響，首先過(guò)濾記錄的數(shù)據(jù)。帶通濾波用于來(lái)自每個(gè)通道的EEG信號(hào)，捕獲刺激后 P300 信號(hào)的必要信息。然后，對(duì)數(shù)據(jù)進(jìn)行下采樣。對(duì)相同字符的數(shù)據(jù)矩陣進(jìn)行疊加和平均，以降低信噪比。

CNN 架構(gòu)

WIMI微美全息基于CNN BCI游戲模型的BCI信號(hào)經(jīng)過(guò)預(yù)處理后，數(shù)據(jù)處理部分可分為離線訓(xùn)練和在線分類兩步。通過(guò)CNN基于貝葉斯反向傳播，這是一種變分推理方法，用于學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)權(quán)重的后驗(yàn)分布，可以從中對(duì)反向傳播中的權(quán)重進(jìn)行采樣。例如，如果使用高斯分布來(lái)表示每個(gè)權(quán)重參數(shù)，則原始權(quán)重值可以表示為高斯分布的參數(shù)，即平均值和標(biāo)準(zhǔn)差。然后通過(guò)變分推理計(jì)算后驗(yàn)。

CNN的卷積層需要使用具有權(quán)重值的卷積核進(jìn)行卷積運(yùn)算。卷積核中的每個(gè)權(quán)重參數(shù)都以高斯分布的形式表示。為了獲得一定的權(quán)重值，必須使用高斯分布進(jìn)行采樣。因此，在采樣過(guò)程中，采用重參數(shù)化技術(shù)將采樣過(guò)程放在前面，使網(wǎng)絡(luò)的前向傳播成為導(dǎo)數(shù)，并在反向傳播過(guò)程中更新權(quán)重。從卷積核的權(quán)重分布中抽取一定的權(quán)重值，將通過(guò)這種方式得到的權(quán)重值形成卷積核，在接收?qǐng)錾线M(jìn)行卷積運(yùn)算。

腦機(jī)接口(BCI)是一種非常規(guī)的通信方法，可在人與外圍之間建立通信路徑，最初BCI技術(shù)應(yīng)用于臨床領(lǐng)域，通過(guò)直接從大腦向計(jì)算機(jī)發(fā)送命令，幫助患者恢復(fù)與外界互動(dòng)的能力。現(xiàn)在除臨床應(yīng)用外，BCI技術(shù)也已在娛樂(lè)游戲中進(jìn)行了實(shí)驗(yàn)和應(yīng)用，BCI技術(shù)通常用于為游戲提供輸入，從而擺脫對(duì)中間設(shè)備(鼠標(biāo)，鍵盤(pán)，游戲手柄和游戲控制器)的依賴。WIMI微美全息基于CNN BCI游戲模型，構(gòu)成了一個(gè)可以同時(shí)滿足健康用戶和殘疾用戶興趣的平臺(tái)。對(duì)于健康的用戶來(lái)說(shuō)，BCI游戲神秘而有技術(shù)感，增加了游戲的魅力，非常有利于游戲的推廣。對(duì)于殘障用戶來(lái)說(shuō)，BCI游戲?yàn)樗麄兲峁┝艘粋€(gè)公平的游戲平臺(tái)，不僅可以讓他們以同樣的方式與健康用戶玩游戲，還可以作為功能性康復(fù)系統(tǒng)，幫助患者進(jìn)行康復(fù)訓(xùn)練。將BCI技術(shù)應(yīng)用于娛樂(lè)游戲是推動(dòng)BCI技術(shù)從科研階段推向?qū)嶋H應(yīng)用市場(chǎng)階段的重要環(huán)節(jié)。

關(guān)鍵詞：