脑机接口的功能连接和协方差的黎曼几何结合软件影响

( )���（���）.���（）软件影响12（2022）100254原始软件出版物脑机接口中函数连通性度量和协方差的黎曼几何结合Sylvain Chevalliera，Marie-Constance Corsib， Florian Ygerc，Fabrizio De Vico FallanibaLISV - UVSQ - Université Paris-Saclay，Franceb法国巴黎脑科学研究所Inria-Paris，Aramis项目小组cLAMSADE、法国国家科学研究中心、巴黎-多芬大学、PSL研究大学，法国自动清洁装置保留字：函数连通性黎曼几何A B标准脑机接口允许基于脑电图检测到的大脑活动进行交互。尽管在过去的十年中取得了重要的进步，但一些科目仍然在没有任何确定原因的情况下表现不佳。一方面，用于在线解码的最先进的方法基于被视为黎曼流形的元素的协方差矩阵。另一方面，功能连接是表征大脑活动的有力方法。所提出的软件在黎曼框架内结合了功能连接和协方差，以增加脑机接口的鲁棒性代码元数据当前代码版本v1.0（预印本）用于此代码版本的代码/存储库的永久链接https://github.com/SoftwareImpacts/SIMPAC-2021-189Reproducible Capsule N.A的永久链接Legal Code License BSD 3-clauses使用git的代码版本控制系统使用Python的软件代码语言、工具和服务编译要求、操作环境依赖性参见https://github.com/mccorsi/FUCONE/blob/main/requirements.txt如果可用，链接到开发人员文档/手册https://github.com/mccorsi/FUCONE/blob/main/README.md如有疑问，请发送支持电子邮件sylvain. uvsq.fr1. 介绍脑机接口允许在不需要任何肌肉能力的情况下进行通信，因此被广泛研究以帮助运动缺陷的人。脑电图（EEG）作为一种低成本、轻重量的技术，是记录大脑活动产生的电位的一种非常常见的选择[1]。尽管脑机接口有广泛的临床应用，但在实验室以外的应用中失败了。要克服的主要挑战之一是受试者间的高变异性，在文献中称为“BCI低效”现象，与即使在几次培训课程之后也不能控制BCI设备的用户的不可忽略的解决这个问题的有希望的方法之一是改进神经解码器[2]。为此目的，研究已经引出了依赖于协方差矩阵的新特征，例如对于EEG信号样本的EEG信号，���������������和adjace n���c-y1矩阵。这些邻接矩阵是*通讯作者。电子邮件地址：marie.constance. gmail.com（M.- C. Corsi）。https://doi.org/10.1016/j.simpa.2022.100254基于特定的功能连接估计，特别是虚相干性和瞬时相干性。它们是由针对给定频率仓定义的相干性产生的���������������，，其中，交叉谱密度 为自动������������光谱密度虚相干性（ImCoh）对应于相干性的虚部[3]。瞬时相干性（瞬时）对应于相干性的实部[4]。 下文描述的软件提出了利用互补特征来提高解码器性能的原始解决方案。2. 黎曼主义对脑机接口基于黎曼几何的方法现在是基于运动图像的BCI的黄金标准 [5]。它们已被应用于协方差接收日期：2021年12月17日;接收日期：2022年1月31日;接受日期：2022年2月9日2665-9638/©2022作者。由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表软件影响杂志 首页：www.journals.elsevier.com/software-impactsS. Chevallier，M.C. Corsi，F.Yger等人软件影响12（2022）1002542Fig. 1. （A）拟议办法概览。Cov代表协方差，Instantaneous代表瞬时相干性，ImCoh代表虚相干性，EN代表虚相干性。代表弹性网络。（B）可复制性评估和与最先进管道的比较使用2类数据集进行分析LHRH代表左手对右手。对称正定矩阵（SPD），从EEG信号中获得。在这里，为了考虑用户我们的解决方案通过组合多个特征空间来提取鲁棒的表示来解决受试者间的差异性（见图1）。 1-A）。我们遵循公平原则，以确保您的工作的可重复性，在我们的软件生产中建立开放科学。我们开发了一个Python代码，在GitHub上托管和版本化，遵循scikit-learn API [7]来设计机器学习管道。我们的方法建立在现有的开源库上，例如用于黎曼几何工具的PyRie-mann1，用于处理EEG文件的MNE [8]和用于进行基准测试的MOABB2在这个软件中，我们介绍了三个新的发展：（i）新的功能连接估计，（ii）新的投影方法在黎曼流形和（iii）新的评估基准。对于（i），MNE已经提出了连接估计，但它们适合离线分析，而不是在线解码。我们适应这些现有的估计处理基于试验的估计。由这些估计量产生的连接矩阵是半正定的，这意味着它们不一定是满秩的，因此可能不是SPD。我们计算瞬时相干性（Instantaneous）和虚相干性（ImCoh）的SPD矩阵在流形上的投影，以确保我们的处理步骤的一致性。（2）我们发展投影方法的SPD矩阵的流形上，以确保我们可以应用黎曼方法对这些矩阵。最后，我们在（iii）中开发了一种新的基于MOABB类的基准方法，以便于选择模型参数（见图3）。 1-B）。3. 影响概述所开发的软件已在多项研究中使用。在[9]中，基于连通性的分类器的多样性和1 https://pyriemann.readthedocs.io2 https://neurotechx.github.io/moabb/协方差被突出显示，表明它是集成学习的良好候选者。这种方法赢得了临床BCI数据的竞争[10]，其对另一个数据集的应用见[11]。对[11]中开发的连接性估计器，预处理步骤和集成学习方法进行了全面分析，并对多个数据集和不同实验条件进行了全面评估。有几个研究问题可以作为我们的软件的结果来追求。首先，我们介绍了BCI中的新功能，通过演示，它是可能的，适用于功能连接矩阵的黎曼分类。有几个估计，如非线性或鲁棒的，可以评估。接下来，我们依靠集成方法来组合多个分类器，以提高我们解码的鲁棒性。它是可能的，以改善这种集成方法，结合特定领域的知识。最后，降维方法可用于投影低维流形上的连通性和协方差。值得注意的是，我们的软件开发是一项正在进行的工作。我们希望通过为帮助构建我们软件的库做出贡献来提高我们方法的可复制性。我们将为pyRiemann3和MOABB4做出贡献，以整合我们工作中的发展。脑机接口是一个多学科的主题，需要先进的信号处理技术，最先进的机器学习分类器和良好的神经科学知识。这需要共同努力，以确保高质量的软件和开放的贡献，使可复制的研究。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作3 https://pyriemann.readthedocs.io/4 https://neurotechx.github.io/moabb/S. Chevallier，M.C. Corsi，F.Yger等人软件影响12（2022）1002543致谢FDVF和MCC感谢欧洲研究委员会（ERC）在欧盟FY感谢法国ANR作为“未来投资”计划的一部分提供的支持引用[1]Wolpaw等人，脑机接口的通信和控制，临床神经生理学。113（6）（2002）767-http://dx.doi.org/10.1016/S1388-[2] Lotte等人，基于EEG的脑机接口分类算法综述：10年更新，J. Neural Eng.（2018）http://dx.doi.org/10.1088/1741-2552/aab 2f 2。[3] Nolte等人，使用相干性的虚部从EEG数据中识别真实的大脑相互作用，临床神经生理学。115（10）（2004）2292-2307，http：//dx.doi.org/10.1016/j.clinph.2004.04.029网站。[4] Pascual-Marqui，多变量时间序列组之间线性和非线性相关的瞬时和滞后测量：频率分解，2007年，http://arxiv.org/abs/0711.1455。[5] Yger等人，脑机接口的黎曼方法：综述，IEEE Trans.神经系统。Eng. 25（10）（2017）1753http://dx.doi.org/[6] De Vico Fallani等人，脑功能网络的图形分析：实用翻 译 神 经 科 学 中 的 问 题 ， Philos.Trans.R. B 369 （ 2014 ） 1653 ，http://dx.doi.org/10.1098/rstb.2013.0521。[7] Buitinck等人，机器学习软件的API设计：来自scikit-learn项目的经验，见：ECMLPKDD研讨会：数据挖掘和机器学习语言，2013年，pp. 108-122.[8] Gramfort等人，MEG和EEG数据分析与MNE-Python，Front.Neurosci.7（267）（2013）1http://dx.doi.org/10.3389/fnins.2013.00267[9] Chevallier等人，将黎曼脑机接口扩展到功能连接估计器，在：IROS将几何方法引入机器人学习，优化和控制研讨会，2020年，https://hal.archives-ouvertes。fr/hal-03015390。[10] Corsi等人， 临床BCI连通性的黎曼几何，ICASSP2021 - 2021 IEEE声学，语音和信号处理国际会议，ICASSP，2021，pp. 980http://dx.doi.org/10.1109/ICASSP39728。2021.9414790。[11]Corsi 等人，增 强BCI 性能的功能 连接集成方法（FUCONE）， 2021 ，arXiv ：2111.03122 [Cs，q-Bio]http://arxiv.org/abs/2111.03122。