ईईजी-आधारित बीसीआई के लिए व्यक्तिगत वर्गीकरणकर्त्ता चयन

इलेक्ट्रोएन्सेफालोग्राम (ईईजी) मस्तिष्क- कंप्यूटर इंटरफेस (बीसीआई) का सबसे महत्वपूर्ण घटक इसका वर्गीकरणकर्त्ता है, जो ईईजी संकेतों का वास्तविक समय में अर्थपूर्ण आदेशों में अनुवाद करता है। वर्गीकरणकर्त्ता की सटीकता और गति बीसीआई की उपयोगिता को निर्धारित करती है। हालांकि, ईईजी डेटा में महत्वपूर्ण अंतः विषयन और अंतर्विषयन विविधता होती है, जो विभिन्न व्यक्तियों के लिए सबसे अच्छे वर्गीकरणकर्त्ता के चयन को जटिल बनाती है। व्यक्तिगत के वर्तमान आवश्यकताओं के अनुकूल एक स्वचालित व्यक्तिगत वर्गीकरणकर्त्ता चुनने के लिए एक महान आवश्यकता है। इस उद्देश्य के लिए, हमने व्यक्तिगत वर्गीकरणकर्त्ता चयन के लिए एक व्यवस्थित पद्धति विकसित की है, जिसमें एक ईईजी डेटासेट की संरचनात्मक विशेषताओं का उपयोग करते हुए एक ऐसा वर्गीकरणकर्त्ता भविष्यवाणी करना शामिल है जो उच्च सटीकता के साथ प्रदर्शन करेगा। इस विधि का मूल्यांकन फिजियोनेट से मोटर इमेजरी ईईजी डेटा का उपयोग करके किया गया। हमने पुष्टि की कि हमारी विधि लगातार एक वर्गीकरणकर्त्ता की भविष्यवाणी कर सकती है जिसका प्रदर्शन प्रतिभागियों के बीच सबसे अच्छे प्रदर्शन करने वाले वर्गीकरणकर्त्ता के समान था। इसके अतिरिक्त, संदर्भ वितरण और संकेत की तीव्रता और वर्ग लेबल वितरण के बीच कुलबैक-लैबलेर विविधताएँ वर्गीकरणकर्त्ता भविष्यवाणी के लिए सबसे महत्वपूर्ण विशेषताएँ के रूप में उभरीं, यह सुझाव देते हुए कि वर्गीकरणकर्त्ता का चयन संकेत तीव्रता घनत्वों के रूप और एक ईईजी डेटासेट में वर्ग असंतुलन की डिग्री पर काफी हद तक निर्भर करता है।