Error detection and new stimulus mechanisms in brain-computer interface

Abstract

Beyin Bilgisayar Arayüzleri (BBAlar), engelli bireylerin, çevreleri ile insan vücudunun normal kas mekanizması tarafından değil de doğrudan beyinlerindeki elektrik faaliyeti ile iletişim kurmalarına yardım etme motivasyonuna sahip bir araştırma alanıdır. İstilacı olmayan BBA?lar beyin sinyallerini hastanın kafa derisine yerleştirilen tıbbi elektrotlarla ölçmek ve sonrasında hastanın ne istemeye/söylemeye çalıştığını toplanan sinyalleri analiz ederek otomatik olarak anlamaya çalışmak üzerine kuruludur. Diğer bir deyişle, BBA beyinden gelen sinyalleri taşımak için kullanılan hasarlı iç sinirlerin yerini bilgisayara bağlı harici kablolar ile doldurmak için bir yol olarak düşünülebilir.BBA alanında kapsamlı araştırmalar yapılmasına rağmen, BBA hala sadece laboratuvarlar içinde çalışıyor. Bunun sebebi elde edilen beyin sinyallerinin zayıflığıdır. Sinyallerin anlamını her zaman hatasız olarak anlamak mümkün değildir. Bu gibi hataların sistemlerdeki mevcudiyeti, engelli bireylerin yaşamlarını tamemen bunlara bağlı kılmamızın mümkün olmadığını gösterir.Iyi bilinen BBA türlerinden biri, P300 paradigmasıdır. Bu paradigma, bireye kendi belirlediği herhangi bir hedefi yanıp sönerken o hedefe odaklanıp seçmesi için bir yöntem sağlamaktadır. Ekrandaki hedefin yanması beynin bir uyaranı olarak değerlendirilir ve beynin bu uyarana yanıtı P300 sinyali olarak bilinir ve beyinden elde edilen sinyallerde tespit edilebilir. P300 tabanlı BBA, BBA alanında en tanınmış paradigmalardan biridir.Genel olarak herhangi bir BBA sistemindeki ve özellikle P300 paradigmalarındaki hata sayısını azaltmak için hata ile ilgili potansiyelleri (ErrP) kullanmak bir yol olabilir. ErrP sinyalleri birey sistemde bir hata tespit ederse oluşur. Bu nedenle, bu sinyaller BBA sisteminin son yanıtını doğrulamak için bir geri besleme olarak kullanılabilir. BBA sistemi, örneğin, yanlış bir çıktı üretirse, bireyin beyninde oluşan ErrP kullanılarak, yanlış bir çıktı elde edildiğine dair bir mesaj üretilebilir. P300 paradigmaları bağlamında, hata sayısını azaltmak için bir başka yol da hedef olmayan komşu öğeleri, hedef öğe ile aynı işleve sahip yapmak olabilir. Bu fikri kullanarak, birey hedef olmayan bu öğelere dikkat versin veya vermesin, çıktı bireyin beklediği gibi olacaktır.Bu araştırmada, ErrP sinyalleri üretmek için deneysel olarak iki farklı senaryoyu inceledik. İki farklı senaryodan elde edilen ErrP sinyallerine sahip olmak, ErrP sinyallerinin farklı senaryolar altında aynı özelliklere sahip olup olmadığını görebilmemizi mümkün kılar. Buna ek olarak, komşu öğeleri hedef öğe ile aynı işleve sahip olan ve motivasyonu BBA tabanlı robotik kontrol uygulaması olan yeni bir P300 paradigması geliştirdik. Bu yeni uygulamada, sınıf sayısındaki değişikliği telafi eden bir analiz ile daha iyi bir sınıflandırma başarımı elde ettik.

Brain Computer Interfaces (BCIs) constitute a research field whose motivation is to help disabled individuals to communicate with the environment around them directly through the electrical activity of their brain rather than by the usual muscular output mechanism of the human body. The idea of non-invasive BCI is based on collecting brain signals using medical electrodes placed on the scalp of the patient and then trying to understand what the patient is trying to do/say by automatically analysing the collected signals. In other words, BCI can be imagined as a way to compensate the damaged internal nerves that used to carry signals from the brain, by using external cables connected with the computer.Although extensive research continues to be carried out in the field of BCI, still BCI is working only inside laboratories. This is due to the weakness of the brain signals that are acquired. It is impossible to understand always the meaning of the signals without error. The existence of errors in such systems means that it is impossible to depend totally on them to control the life of disabled individuals.One of the well-known BCI types is called the P300 paradigm. It provides individuals with a method to choose any target only by concentrating on this target while it is flashing. The flash on the screen is considered as a stimulus for the brain, and the brain's response to this stimulus is known as the P300 signal and can be detected in the acquired signals from the brain. P300-BCI is one of the most well-known paradigms in the BCI field.One way to reduce the number of errors in any BCI system in general, and in P300 paradigms in particular, may be by using Error-related Potentials (ErrP). These ErrP signals are generated when the subject detects an error in the system. Therefore, these signals could be used as a feedback for the BCI system to verify its last response. If the BCI system, for example, generates a wrong output, then an ErrP will be generated from the subject's brain which could be exploited to generate a message that the last output generated is not correct. Another way to reduce the number of errors, in the context of P300 paradigms, may be by making the neighbour non-target items have the same job of the target item. By using this idea, whether the subject gives attention to these non-target items or not, the output will be as the subject expects.In this research, we have experimentally examined two different scenarios for generating ErrP signals. Having ErrP signals from two different scenarios makes it possible for us to see if the ErrP signals have the same characteristics under different scenarios. In addition, we have implemented a new P300 paradigm motivated by a BCI-based robotic control application, in which the target's neighbour items have the same job of the target itself. In this new implementation, we get better classification performance through an analysis that compensates for the change in the number of classes.