Key points are not available for this paper at this time.
De nombreux systèmes d'interface cerveau-ordinateur (BCI) basés sur l'EEG en cours de développement se concentrent sur de nouveaux algorithmes d'extraction de caractéristiques, des méthodes de classification et la combinaison d'approches existantes pour créer des BCI hybrides. Plusieurs études récentes ont montré divers avantages des systèmes BCI hybrides en termes de meilleure précision ou de nombre de commandes disponibles pour l'utilisateur. Cependant, les systèmes BCI sont encore loin de la réalisation pour un usage quotidien. Avoir de hautes performances avec un nombre réduit de canaux est l'un des problèmes difficiles qui persistent, en particulier avec les systèmes BCI hybrides, où plusieurs canaux sont nécessaires pour enregistrer des informations de deux composants ou plus du signal EEG. Par conséquent, ce travail propose un système BCI hybride à canal unique (C3 ou C4) qui combine l'imagerie motrice (IM) et les approches du potentiel évoqué visuel en état stable (SSVEP). Cette étude démontre qu'en plus des caractéristiques IM, des caractéristiques SSVEP peuvent également être capturées depuis le canal C3 ou C4. Les résultats montrent qu'en raison de la richesse des informations de caractéristiques (IM et SSVEP) à ces canaux, le système BCI hybride proposé surpasse à la fois les systèmes basés sur l'IM et ceux basés sur le SSVEP avec une précision moyenne de classification de 85,6 ± 7,7% dans une tâche à deux classes.
Ko et al. (Sun,) ont étudié cette question.