Key points are not available for this paper at this time.
In einer Art von Gehirn-Computer-Schnittstelle (BCI) modifizieren Benutzer die Gehirnaktivität selbst, wie sie durch Elektroenzephalographie (EEG) erkannt wird. Um die Benutzerabsicht abzuleiten, werden EEG-Signale von Algorithmen klassifiziert, die typischerweise nur eine der mehreren verfügbaren Informationsarten in diesen Signalen verwenden. Eine solche BCI nutzt Maßnahmen der langsamen kortikalen Potentiale (SCP), um einzelne Versuche zu klassifizieren. Wir ergänzten diese Maßnahmen mit Schätzungen der Hochfrequenzaktivität (Gamma-Band), die mit Aufmerksamkeits- und Intentionalzuständen in Verbindung gebracht wird. Mit einem einfachen linearen Klassifikator erzielten wir eine signifikant höhere Klassifikationsgenauigkeit, indem wir beide Informationsarten aus denselben Aufzeichnungsphasen verwendeten im Vergleich zur Verwendung von SCPs allein.
Mensh et al. (Tue,) haben diese Frage untersucht.