arXiv eess.SP（Signal Processing）·2026-11-04 13:00· 3 小时前AI 评分42

SpellerSSL：用自监督学习与 P300 聚合改进 P300 拼写器脑机接口

SpellerSSL: Self-Supervised Learning with P300 Aggregation for Speller BCIs

AI 导读

研究团队提出 SpellerSSL 框架，将自监督学习与 P300 聚合结合，用于基于 EEG 的 P300 拼写器脑机接口，以应对低信噪比、泛化差和校准耗时的问题。

AI 要点

团队

Jiazhen Hong 为第一作者、Soheila Ghane 为末位作者，共 3 位作者。

主要结果

在公开 II-B 数据集上，域内 SSL 仅用 7 次重复即达 94% 字符识别率，ITR 最高 21.86 bits/min；结合 P300 聚合使校准量减少 60%。

解决什么问题

针对 P300 拼写器 BCI 的信噪比低、泛化差和校准耗时三大问题。

方法

用聚合策略提升信噪比，以定制 1D U-Net 在跨域与域内 EEG 上预训练，再用轻量 ERP-Head 分类器微调做 P300 检测。

局限

从研究设计看，结果基于公开数据集评测，未涉及在线使用或更大规模受试者验证。

AI 依据原文整理，未经人工核对。