高灵敏度多通道fNIRS系统的BCI应用：“肯定/否定”二分类意图识别

本文探讨了高灵敏度多通道fNIRS系统用于解码“肯定/否定”二分类意图的脑机接口应用。实验过程中采用全并行激励下的锁相光子计数模式进行测量，采集了10名被试思考针对其个人情况的相关问题时前额叶脑区的fNIRS信号，从中提取血红蛋白浓度变化数据的均值、方差、偏度、峰度、激活水平这五种特征，根据各特征对不同被试的分类效果和Fisher-score方法分别进行特征与通道选择，并最终构建支持向量机（SVM）模型。采用10次十折交叉方案进行验证，以更好地评估模型的分类准确性。为了对比，本文也研究了以原始光强数据建立的SVM模型的分类效果。实验结果表明：使用血红蛋白浓度变化数据构建的SVM模型的平均平衡准确率为73.1%±1.7%,以原始光强数据构建的SVM模型的平均平衡准确率为70.6%±3.7%,前者较后者提高了3.5%,且二者的平均平衡准确率均达到了70%以上。本研究不但展示了高灵敏度多通道fNIRS系统识别人脑直接意图的能力，也为fNIRS-BCI的应用提供了有益思路。