基于空间分布分析(SDA)的稳态视觉诱发电位脑机接口分类算法优化研究

为解决传统FBMSI算法在MEG-SSVEF脑机接口中因同步指数(S index)差异过小导致的误分类问题，研究人员开发了结合空间分布分析(SDA)的新型分类算法。该研究利用S指数分布重心(COG-S)的空间特征，在20名受试者的头盔式SQUID-MEG实验中实现了最高5.76%的准确率提升和4.87 bits/min的信息传输率(ITR)增长，为高精度无标定BCI系统开发提供了新思路。

　　

在脑机接口技术快速发展的今天，传统基于脑电图(EEG)的稳态视觉诱发电位(SSVEP)系统面临信号衰减严重、空间分辨率低的瓶颈。虽然脑磁图(MEG)能提供更精确的神经信号，但现有算法如滤波器组驱动多变量同步指数(FBMSI)在同步指数差异较小时容易误判，且未能充分利用MEG全头覆盖的优势。

韩国标准科学研究院(KRISS)的研究团队创新性地提出了空间分布分析(SDA)算法。该算法通过计算同步指数在MEG通道空间中的分布重心(COG-S)，在20名受试者的头盔式超导量子干涉仪(SQUID)MEG实验中，将分类准确率最高提升5.76%，信息传输率增加4.87 bits/min。相关成果发表在《NeuroImage》期刊，为高精度无标定脑机接口开辟了新途径。

研究采用三大关键技术：1)基于头盔式SQUID-MEG系统采集141通道数据；2)开发FBMSI-SDA融合算法，通过0.007阈值区分明确/模糊案例；3)使用光学泵磁强计(OPM)-MEG系统验证算法普适性。实验设置9个6.0-8.4Hz的视觉刺激，通过UnityTM控制刺激呈现，数据分析采用MATLAB平台。

【性能对比】FBMSI-SDA组合在所有时间窗口(2-5s)均显著优于单独FBMSI，最大提升出现在2.5s窗口。OPM-MEG验证显示算法在低空间分辨率系统仍有效。

【神经机制】S指数地形图证实目标频率响应集中于枕叶区，非目标频率呈全头均匀分布。正确分类时COG-S_target位置显著靠后(p<0.001)。

【抗干扰性】SDA使相邻刺激误判率降低最高22%，在密集刺激布局中表现优异。计算延迟仅0.0907s，满足实时性需求。

该研究首次利用MEG空间特性开发专用算法，突破传统SSVEP-BCI的局限。FBMSI-SDA组合不仅提升性能，其无标定特性更具实用价值。虽然当前SQUID-MEG系统体积限制临床应用，但OPM-MEG的验证结果为便携式系统开发奠定基础。未来可进一步优化通道选择策略，并在更多模态数据中验证算法普适性，推动高精度脑机接口从实验室走向实际应用。