2023-05-15 10:48:43 作者：宋均益
随着脑机接口(BCI)技术近几年的快速发展，科研人员也将脑机接口(BCI)技术融入在娱乐游戏种经行深入研究，因此除临床应用外，脑机接口(BCI)技术也可以成为一种的娱乐方式。当前，BCI游戏大部分因控制性能不佳或易导致疲劳等问题而无法广泛普及。在过去几年中，已进行了大量研究，证明了BCI技术在游戏交互中的应用越来越流行。在先前研究中的BCI游戏中，P300电位、稳态视觉诱发电位(SSVEPs)和运动意象(MI)是使用EEG(EEG)信号的最常见游戏。P300的稳定性使得它不易导致疲劳，而且用户无需接受特殊训练。因此微美全息(NASDAQ:WIMI)采用P300脑机接口设计游戏模型，以探索在实际环境中使用脑电图(EEG)信号进行可行且自然的游戏执行体验。
WIMI微美全息的研究创新之处在于将BCI游戏和范式设计融合起来，融合了游戏规则和BCI系统的特点。引入卷积神经网络(CNN)算法能够使训练样本实现高精度。该BCI系统不仅是一种娱乐形式，而且也增加了游戏操作的多样性。
在过去的十年中，深度学习在计算机视觉、自然语言处理和语音处理等诸多领域得到了快速发展。在图像分类方面，研究人员提出了一些新颖的深度架构，这些架构实现了高精度。近年来，卷积神经网络(CNN)已被用于P300检测，使用CNN对P300脑电信号进行识别和分类，可以得到良好的效果。为了提高模型的泛化能力，实现了最先进的P300信号分类和字符识别。在小型数据集上，过拟合现象会发生，因此需要使用大型数据集来训练非线性数据，这时使用CNN是很合适的。但是，在实际应用中收集大量的训练数据是非常困难的。因此，我们提出了一种基于卷积神经网络(CNN)的新架构，以在小型训练数据集上实现最先进的P300信号分类和字符识别。
微美全息(NASDAQ:WIMI)设计了一个基于CNN的P300 BCI游戏模型，并提出了一种基于贝叶斯深度学习的算法，解决了在小数据集上训练时的过拟合问题。通过成功应用基于P300的BCI游戏模型并证明其可用于在线BCI系统的深度学习算法，得出结论。
WIMI微美全息基于CNN BCI游戏模型系统框架包含三个子系统，即数据采集部分、数据处理部分以及视觉和游戏终端。在数据采集部分，使用电极帽和放大器记录多通道头皮脑电信号。在信号经过预处理后，数据处理过程可以分为离线训练和在线分类测试两个步骤。最后，将分类结果转换为操作命令，并发送到视觉和游戏终端。视觉和游戏终端包括两个子步骤：(1)在刺激策略更新后向用户提供视觉刺激和(2)为用户提供视觉反馈(输出坐标)。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
脑电数据采集和预处理
WIMI微美全息基于CNN BCI游戏模型使用32通道电容和放大器，通过非侵入性记录EEG数据，以1000 Hz数字化并使用50 Hz陷波滤波器过滤。收集所有电极数据。为了减少滤波边缘效应的影响，首先过滤记录的数据。带通滤波器可用于对每个通道的脑电图信号进行处理，以提取刺激触发后P300信号的关键信息。然后，对数据进行下采样。对相同字符的数据矩阵进行叠加和平均，以降低信噪比。
CNN 架构
WIMI微美全息基于CNN BCI游戏模型的BCI信号经过预处理后，数据处理部分可分为离线训练和在线分类两步。通过CNN基于贝叶斯反向传播，这是一种变分推理方法，用于学习神经网络权重的后验分布，可以从中对反向传播中的权重进行采样。举例来说，如果我们采用高斯分布对每个权重参数进行建模，那么原始权重值就可以被表示为该高斯分布的平均值和标准差。然后通过变分推理计算后验。
CNN的卷积层需要使用具有权重值的卷积核进行卷积运算。卷积核中的每个权重参数都以高斯分布的形式表示。为了获得一定的权重值，必须使用高斯分布进行采样。因此，在采样过程中，采用重参数化技术将采样过程放在前面，使网络的前向传播成为导数，并在反向传播过程中更新权重。通过从卷积核权重分布中提取特定的权重值来生成卷积核，然后在接受场上执行卷积运算。
脑机接口(BCI)是一种非常规的通信方法，可在人与外围之间建立通信路径，最初BCI技术应用于临床领域，通过直接从大脑向计算机发送命令，帮助患者恢复与外界互动的能力。现在除临床应用外，BCI技术也已在娱乐游戏中进行了实验和应用，BCI技术通常用于为游戏提供输入，从而摆脱对中间设备(鼠标，键盘，游戏手柄和游戏控制器)的依赖。WIMI微美全息基于CNN BCI游戏模型，构成了一个可以同时满足健康用户和残疾用户兴趣的平台。对健康用户而言，BCI游戏充满技术感和神秘感，这增加了游戏的吸引力并有助于游戏的推广。对于残障用户来说，BCI游戏为他们提供了一个公平的游戏平台，不仅可以让他们以同样的方式与健康用户玩游戏，还可以作为功能性康复系统，帮助患者进行康复训练。BCI技术在娱乐游戏中的应用是将其从科研阶段推向实际应用市场阶段的关键一步。
