Eliciting Code-modulated Visual Evoked Potentials by Non-Recognizable Presentation of Code Sequences

Abstract

In den letzten Jahren haben sich Hirn-Computer-Schnittstellen (BCIs), die auf visuell evozierten Potenzialen (VEPs) basieren, als Werkzeug zur Verbesserung der Lebensqualität von Patient:innen mit motorischer Lähmung durch Anwendungen wie blickgesteuerte Tastaturen durchgesetzt. Wahrnehmbares Flimmern zu vermeiden, um Nebenwirkungen wie visuelle Ermüdung oder Krampfanfälle zu mildern, hat sich auf Computerbildschirmen jedoch als Herausforderung herausgestellt. Die vorliegende Arbeit stellt eine neuartige Klasse von Stimulationsmustern vor, die digitale Modulationstechniken verwenden, um wahrnehmbares Flimmern zu minimieren. Die durch diese Muster hervorgerufenen Potenziale, die als codemodulierte visuell evozierte Trägerpotenziale (CCVEPs) bezeichnet werden, sind in der Lage, Fehlerkorrekturcodes (ECCs) zu übertragen. In einem Pilotversuch mit 7 Proband:innen wurden zwei Inkarnationen dieses Paradigmas mittels eines einfachen maschinellen Lernmodells evaluiert, wobei als Modulationsverfahren An-Aus-Umtastung (OOK) bzw. binäre Phasenumtastung (BPSK) verwendet wurden. Eine mittlere Informationsübertragungsrate (ITR) von 69,9 bit/min wurde erreicht und wesentliches Verbesserungspotenzial durch Modifikationen am Modell wird postuliert. Darüber hinaus wird gezeigt, dass Maximalfolgen (MLS)-Kreuzkorrelation auf das CCVEP-Paradigma adaptiert werden kann. 15-klassige MLS-Versatz-Klassifizierung ergab eine mittlere ITR von 124,6 bit/min. Während die im Versuch präsentierten Stimuli den Benutzerkomfort im Vergleich zu herkömmlichen Ansätzen subjektiv erheblich verbessern, ist das Erreichen perfekter Nichterkennbarkeit mit dem CCVEP-Paradigma ein nichttriviales Optimierungsproblem, das weiter untersucht werden sollte.

Recently, brain-computer interfaces (BCIs) based on visual evoked potentials (VEPs) have gained traction as a tool to improve quality of life in motor paralysis patients through applications such as gaze-controlled keyboards. However, avoiding perceptible flickering to mitigate side effects such as visual fatigue or seizures has been challenging on computer screens. The present thesis proposes a novel class of stimulation patterns employing digital modulation techniques to minimize perceptible flickering. The potentials elicited by these patterns, termed code-modulated carrier visual evoked potentials (CCVEPs), are capable of transmitting error correction codes (ECCs). In a pilot experiment with 7 test subjects, two incarnations of this paradigm were evaluated by means of a basic machine learning model, utilizing on-off keying (OOK) and binary phase-shift keying (BPSK) as modulation schemes, respectively. A mean information transfer rate (ITR) of 69.9 bit/min was achieved, and substantial room for improvement from modifications to the model is postulated. In addition, it is demonstrated that maximum length sequence (MLS) cross-correlation can be adapted to the CCVEP paradigm. 15-target MLS shift classification yielded a mean ITR of 124.6 bit/min. While the stimuli presented in the experiment subjectively improve user comfort vastly compared to traditional approaches, achieving perfect non-recognizability with the CCVEP paradigm is a nontrivial optimization problem worthy of further study.