Journal of Neural Engineering· Merlijn Quincent Mulder, Matias Valdenegro-Toro, Andreea Ioana Sburlea and Ivo Pascal de Jong·· 16 天前AI 评分41
运动想象脑机接口中的分布外检测难题：Journal of Neural Engineering 基准研究
The challenge of out-of-distribution detection in motor imagery BCIs
AI 导读
一项发表于 Journal of Neural Engineering 的研究首次在运动想象脑机接口中建立 Leave-One-Class-Out 分布外（OOD）检测基准，测试了七种 OOD 检测方法及一种据称可提升检测质量的方法。
AI 要点
团队
Merlijn Quincent Mulder、Matias Valdenegro-Toro、Andreea Ioana Sburlea、Ivo Pascal de Jong
主要结果
许多分布外检测方法在BCI中无效；Deep Ensemble与Monte Carlo-Dropout模型任务内AUROC达0.9，分布外检测能力最高0.7，且检测性能与任务表现相关。
解决什么问题
让BCI在遇到训练中未见过的运动想象类别时检测并拒绝这些分布外样本，而非盲目分类，以提升对陌生认知状态的鲁棒性。
方法
在部分类别上训练模型，用留一类法观察陌生运动类别能否通过不确定性升高被检出；测试七种分布外检测方法及一种据称可提升检测质量的方法。
局限
从研究设计看，EEG固有高变异性使部分用户熟悉类的不确定性仍高于分布外类，导致多种在其他机器学习领域表现良好的方法失效。
AI 依据原文整理，未经人工核对。
来源：Journal of Neural Engineering · iopscience.iop.org