P300-BCI-Schreiber: Adaptive Lernmethode reduziert Kalibrierung drastisch

Ein neu entwickeltes P300-ERP-basiertes Brain‑Computer‑Interface (BCI) für die Textschreibung verspricht, die bisher notwendige Kalibrierung drastisch zu verkürzen. Durch die Kombination von wenigen gelabelten Kalibrierungsdaten mit einem adaptiven semi‑supervised EM‑GMM‑Algorithmus kann das System den binären Klassifikator kontinuierlich anpassen, ohne dass der Benutzer lange Trainingssitzungen absolvieren muss.

Die Evaluierung erfolgte anhand von Zeichen‑Genauigkeit, Informationsübertragungsrate (ITR) und BCI‑Nützlichkeit. Bei 15 Probanden erreichte 9 die Mindestgenauigkeit von 70 % und 7 dieser 9 Probanden erzielten mit der adaptiven Methode bessere Ergebnisse als mit dem Benchmark. Die Ergebnisse wurden auf Testdaten aus den Kalibrierungsdaten angewendet, was die Robustheit der Methode unter realen Bedingungen unterstreicht.

Diese semi‑supervised Lernplattform bietet eine praktikable und effiziente Alternative, um die Schreibgeschwindigkeit und Zuverlässigkeit von Echtzeit‑BCI‑Schreibern zu erhöhen – besonders in Szenarien, in denen nur begrenzte gelabelte Daten verfügbar sind. Die Forschung zeigt, dass weniger Kalibrierungsaufwand nicht nur die Nutzerfreundlichkeit verbessert, sondern auch die Gesamtleistung des Systems steigert.