浙江
研究介绍
过去的研究中，提升脑机接口（BCI）性能的努力主要集中在优化解码脑信号的算法上。然而，利用大脑可塑性进行优化的潜力尚未得到充分探索。本研究通过色彩显著性的认知训练消除了注意瞬脱（AB），从而提高了人脑在区分视觉刺激方面的时间分辨率，并确认这一机制是基于注意力的改善。我们采用基于快速序列视觉呈现（RSVP）的BCI系统，在高目标比例（存在AB）和低目标比例（无AB）的监控任务中，分别评估了受试者在认知训练前后的行为表现和脑电图（EEG）解码性能。结果显示，经过训练的受试者均表现出显著的性能提升。进一步分析表明，这种提升归因于认知训练使大脑产生了更具区分度的EEG信号，强调了认知训练作为一种脑增强手段来提升BCI性能的可行性。
脑机接口（BCI）技术已经历了近50年的发展，BCI旨在将脑信号转换为计算机控制的信号，以实现通信、分类或控制外部设备等功能。因此，要实现高性能的BCI系统，既需要高质量的脑信号，也需要设计精良的脑信号解码器。在过去的十年里，随着深度学习技术在自然语言处理和计算机视觉领域的巨大成功，人们越来越关注通过优化脑电图（EEG）解码器来提高BCI性能的问题，并提出了许多以EEGNet为代表的先进解码算法。然而，通过优化脑信号来提升BCI性能的研究却很少，而大脑可塑性为实现这一潜力提供了可能。
研究过程
该研究招募了西安电子科技大学 34 名健康研究生（20 名男性和 14 名女性，年龄：24.82 ± 2.92 岁），随机分为实验组（A 组）和对照组（B 组）。所有受试者均为右利手，视力正常或矫正至正常，无精神或神经系统疾病史。
实验包括前测、训练课和后测。在前测和后测期间，受试者配备了脑电图系统。他们被要求执行三项任务：注意瞬脱 (AB) 任务、高目标百分比监视 (HTPS) 任务和低目标百分比监视 (LTPS) 任务。每个受试者面对的任务顺序都是不同的，以确保没有顺序效应影响实验结果，但对于每个受试者来说，在两个测试环节中，他们所执行的任务顺序是保持一致的。受试者在正式测试之前为每个任务练习了 15 个序列。实验组受试者需在两次测试之间完成为期三天的训练，期间每天完成一次约40分钟的颜色显著性训练任务。
注意瞬脱（AB）任务中使用的刺激集由 8 个单个数字（2~9）和 22 个大写字母（不包括 B、I、O 和 Q）组成。每个序列由 16 个项目组成，具体为2个数字（目标数字）和 14 个字母（干扰数字），随机选择且不重复。每个序列以 250 毫秒注视十字开始，然后以10 Hz 的速率呈现刺激。
AB任务由6个集合组成，每个集合包含60个序列，共计360个序列。第一个数字目标（T1）随机出现在序列中的第3或第4个位置，第二个数字目标（T2）随机出现在T1之后（滞后1~6）的第1~6个位置。被试观看完每个序列后，需要按顺序报告所看到的两个数字，方法是按下标准键盘上的相应键。
研究意义
本研究使用了两种典型的 EEG 数据分析技术：ERP 分析和单次试验 EEG 解码分析。对于 AB 任务，研究小组使用了认知神经科学中的经典 ERP 分析技术，他们在相同条件下对单个EEG试验取平均值，并分析了不同条件之间的差异。对于 HTPS 和 LTPS 任务，研究小组通过EEG解码进行了特征提取和分类。
本研究通过认知训练增强了脑信号，从而优化了BCI性能。研究小组不仅成功复制了先前关于颜色突出训练消除AB的研究结果，还深入探索了AB消除的潜在神经机制。ERP结果表明，颜色突出训练通过优化注意力资源的有效利用，减少了对T1的注意力分配，从而增强了T2的检测能力。这一发现为理解AB消除机制提供了电生理学视角，并为通过优化脑信号来提升BCI性能提供了新的思路。
新闻来源：Sciencedirect
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
