تحسين الفلاتر المكانية لتحليل تخطيط الدماغ وحيد التجربة بشكل قوي

نظرًا لأن تسجيلات تخطيط الدماغ المتعددة القنوات تعطي صورة مشوشة بعض الشيء عن نشاط الدماغ، فإن الفلاتر المكانية تكون مفيدة للغاية في تحليل التجارب الفردية من أجل تحسين نسبة الإشارة إلى الضوضاء. هناك طرق قوية من تعلم الآلة ومعالجة الإشارات تسمح بتحسين الفلاتر الزمنية المكانية لكل موضوع بطريقة تعتمد على البيانات، تتجاوز الفلاتر الثابتة المعتمدة على هندسة المستشعر، مثل لابلاسيان. هنا نوضح الخلفية النظرية لخوارزمية النموذج المكاني الشائع (CSP)، وهي طريقة شائعة في أبحاث واجهة الدماغ والحاسوب (BCD). بجانب مراجعة عدة متغيرات من الخوارزمية الأساسية، نكشف عن حيل لتحقيق أداء قوي لـ CSP، ونتناول بإيجاز الجوانب النظرية لـ CSP، ونظهر تطبيق معالجة مسبقة من نوع CSP في دراساتنا لمشروع برلين BCI (BBCI).