机构名称：
¥ 2.0
做出决定时，人类可以评估他们正确的可能性。如果可以从大脑活动中可靠地解码这种主观信心，则可以建立一个脑部计算机界面（BCI），该界面通过根据他们的信心自动向用户提供更多信息来改善决策绩效。，但这种可能性取决于是否可以在刺激呈现后和响应之前立即解码置信度，以便可以及时采取纠正措施。尽管先前的工作表明在大脑信号中表示决策置信度，但尚不清楚表示表示是否是刺激性锁定的或响应锁定的，以及是否足够准确地精确地启用了这种BCI。我们通过在感知决策任务中以现实的刺激收集高密度的脑电图来研究信心的神经相关性。重要的是，我们设计任务以包括刺激后差距，以防止通过响应锁定的活动刺激刺激性锁定活性，反之亦然，然后与没有此间隙的任务进行比较。我们执行与事件相关的电位（ERP）和源 - 平局分析。我们的分析表明，置信度的神经相关性是刺激锁定的，并且缺乏刺激后间隙可能会导致这些相关性错误地显示为响应锁定。通过防止与响应相关的活性混淆刺激性锁定活性，我们表明，单独使用单次试验刺激锁定的前响应前脑电图可以可靠地解码置信度。我们还通过比较一系列算法来确定高性能分类算法。最后，我们设计了一个模拟的BCI框架，以表明脑电图分类足够准确，可以构建BCI，并且可以使用解码的信心来提高决策绩效，尤其是在任务难度和错误成本很高时。我们的结果显示了非侵入性脑电图的BCI可行性，可以改善人类决策。
刺激后编码EEG中的决策信心
主要关键词
相关文件推荐
