Talk:Online P300 and ErrP recognition with BCI2000

From AIRWiki
Jump to: navigation, search

Plugin Galileo/Modulo sorgente BCI2000

  • Riferimento su Airbat del sorgente modulo Plugin: sgarlata/Plugin
  • Riferimento su Airbat del sorgente modulo sorgente BCI2000: sgarlata/GalileoSource

Il sistema attualmente è composto da un plugin che si occupa di inviare i dati tramite pipe ad un altro modulo che fa parte dell'intero sistema di BCI2000.

Per ottenere una corretta temporizzazione del sistema di BCI2000 abbiamo sfruttato il fatto che il plugin è più lento nell'invio dei dati rispetto all'intero sistema BCI2000. Infatti si è deciso di inviare tramite plugin una quantità di dati costante pari a 1/16 di secondo, tenendo conto del fatto che durante l'esecuzione di una registrazione online la quantità di dati ricevuti dal plugin risulta molto regolare e costante. In questo modo ogni invio di dati tramite pipe rappresenta il trascorrere di un tempo prefissato che risulta pari a 1/16 di secondo.

Sono stati effettuati diversi test (aggiunta di un buffer di accumulo, invio di blocchi di dimensione maggiore 0.1 secondi) per cercare di mantenere il più possibile costante l'intervallo che trascorre tra l'invio di un blocco dati e quello successivo, nonostante questi tentativi abbiamo riscontrato il fatto che l'intervallo tra due blocchi risulta in media molto regolare, questa regolarità viene persa però nei momenti in cui il sistema viene perturbato da fattori esterni dovuti all'intervento dell'utente, quali ad esempio: apertura nuova finestra, spostamento finestre, apertura cartelle ecc... Tutti questi fattori possono essere trascurati, in quanto durante l'esecuzione dell'intero sistema l'utente non deve interagire direttamente con il sistema, ma deve solamente essere sottoposto a delle stimolazioni, e se l'utente decide di interagire è perché sta effettuando modifiche ed in quel momento non necessita di un sistema sincrono e regolare.

Noi speriamo che non capiti durante il funzionamento normale o sia molto raro (BernardoDalSeno 20:21, 24 May 2008 (CEST))

Per tutte queste motivazioni si è deciso che il plugin non appena accumulato un blocco dati pari a 1/16 di secondo deve subito inviarlo tramite pipe, in modo da mantenere una regolarità tra l'invio consecutivo di due blocchi.

Nel sever Airbat sono presenti i sorgenti dei differenti plugin implementati con le differenti stategie di funzionamento:

  • Cartella sgarlata/old/PluginPipe: il plugin implementato consente un invio di dati in blocchi di 0.1secondi, consentendo al modulo sorgente di BCI2000 di occuparsi dell'invio di blocchi dati di dimensioni inferiori all'interno del sistema di BCI2000. Questa strategia è stata abbandonata perchè abbiamo notato che a 512Hz il plugin riceveva blocchi di 32 campioni per ogni chiamata, e doveva inviare blocchi di 51 campioni, questa differenza faceva si che l'invio di blocchi non era regolare in quanto ad esempio dopo due chiamate inviavo un blocco da 51 campioni e poi dovevo aspettare 3 chiamate per inviare un nuovo blocco dati.
  • Cartella sgarlata/old/PluginBuffer: il plugin implementato mantiene un buffer di N blocchi dati pari a 1/16 di secondo, ed inizia l'invio di un blocco dati nel momento in cui mezzo buffer è stato riempito, utilizzando come clock di invio l'orologio di invocazione del plugin, dato che in maniera molto regolare vi era un invocazione ogni 1/16 di secondo a 512Hz. La strategia dell'utilizzo del buffer è stata abbandonata in quanto, si introduceva ritardo con il buffer ed in oltre i problemi di perdita di regolarità si verificavano comunque perchè non erano dovuti a dei mancati invii di dati da parte del plugin,ma erano dovuti al fatto che il sistema veniva perturbato da un utente esterno ed il modulo sorgente di BCI2000 attendeva nella lettura di un nuovo blocco.
  • Cartella sgarlata/old/PluginTemporizzato: questo plugin utilizza un blocco dati pari a 1/16 di secondo, ma diversamente dal plugin finale manca della stampa di diversi valori di debug e della possibilità di connessione con il sistema di BCI2000 non sincrona.

Le diverse strategie di sviluppo del plugin sono state studiate ed implementate per poter utilizzare un applicativo di stimolazione che rimanesse sincrono con l'intero sistema e quindi che avesse la possibilità di essere implementato da un modulo applicativo di BCI2000. Uno stimolatore sincrono è un vantaggio in quanto consente di farlo evolvere durante l'acquisizione dei segnali e di effettuare diverse scelte sulla base di questi e dei risultati fin ora ottenuti.


Per quanto riguarda il modulo sorgente di BCI2000 questo si occupa di leggere dalla pipe: il numero di canali, il numero di campioni per canale e la frequenza di campionamento. Una volta letti questi valori controlla che l'utente abbia inserito tra i parametri gli stessi valori letti tramite pipe, se questo non avviene blocca l'intero sistema e comunica l'errore all'utente con i valori esatti da inserire. Questa procedura viene ripetuta finché l'utente non inserisce gli stessi parametri letti dal modulo source. Si è visto che invece non si riesce a passare i parametri dal modulo sorgente agli altri moduli di BCI2000 durante la fase di inizializzazione.

A run time il modulo source si occupa di leggere dalla pipe una blocco di dati e di inviarlo al modulo successivo (modulo filtro); ogni blocco viene inoltrato non appena è disponibile.

Da fare

  • (alta) Misurare il numero di campioni per chiamata a varie frequenze.
  • (fatto) Fare in modo che non vengano segnalati gli errori di pipe piena relativi a quando non si sta registrando. Suggerimento: far mandare dal modulo sorgente sulla pipe ogni cambiamento di stato (registro/non registro); il plugin quindi aggiornerà lo stato internamento e lo userà per segnalare solo gli errori rilevanti.
  • (fatto) Fare in modo che trigger.txt e triggerData.txt vengano scritti solo se sia definita una costante specifica per quello (non quella generica di debug); non definire la costante.
  • (fatto) Script per il confronto tra dati registrati da BCI2000 e da Galileo; si lancia passandogli il nome dei due file e una soglia, e restituisce un valore binario per dire se sono uguali (all'interno della soglia) oppure no; eventualmente disegna qualche grafico.

Fatto

  • Eliminare la finestra del plugin, e salvare eventuali tempi (istanti) di perdite di dati (pipe piena) su file e alla fine della registrazione avvisare l'utente se ci sono state perdite. Il file verrà cancellato se non contiene errori. Nessun file di log va sovrascritto.
Per come è fatto il sistema, è inevitabile che la pipe si riempia prima dell'inizio della registrazione vera e propria. Questo periodo non va segnalato né salvato su file (andrà ideato un opportuno sistema per identificarlo).

Modulo di elaborazione del segnale BCI2000

Attualmente la catena di filtri del modulo di BCI2000 è suddivisa nel seguente modo:

1)un filtro spaziale

2)un filtro di Trigger che si occupa di rilevare gli inizi delle stimolazioni tramite l'analisi del segnale proveniente dal fototransistor

3)un filtro che si occupa di accumulare più forme d'onda p300 relative alla stessa stimolazione e tra queste farne la media

4)un filtro di classificazione

5)un filtro di normalizzazione

Si vuole modificare sia la sequenza di filtri che il funzionamento di alcuni di questi nel seguente modo:

  1. filtro spaziale
  2. filtro di Trigger che determina in maniera automatica, tramite una fase iniziale dettata dal modulo applicativo, il valore di soglia per distinguere gli istanti di tempo in cui il riquadro è nero oppure bianco.
    • PARAMETRI DEFINITI:
      • WindowSize = definisce la dimensione della finestra mobile utilizzata per filtrare il segnale
      • TriggerChannel = definisce il numero del segnale sul quale identificare i trigger
    • STATI DEFINITI:
      • TriggerFound = posto a 1 se il filtro identifica nel blocco analizzato l'inizio di una stimolazione
      • TriggerIndex = se TriggerFound è posto a 1, questo stato contiene indice del campione nel blocco analizzato che ha determinato l'inizio dello stimolo.
      • Riferimento su Airbat del sorgente filtro Trigger: sgarlata/P3ErrPSignalProcessingGalileo/TriggerFilterAutoThreshold
  3. filtro butterworth passa banda con banda passante definibile tramite l'impostazione di appositi parametri (default banda passante 5Hz-10Hz, dato che i potenziali evocati hanno un andamento lento nel tempo). L'output di questo filtro è utilizzato in fase di riconoscimento dell'ErrP.
    • PARAMETRI DEFINITI:
      • ButterworthBPLowCorner = definisce il valore di banda passante minimo
      • ButterworthBPHighCorner = definisce il valore di banda passante massimo
      • Riferimento su Airbat del sorgente filtro ButterworthBP: sgarlata/P3ErrPSignalProcessingGalileo/ButterworthBP
  4. un filtro che si occupa solamente di accumulare le forme d'onda con un ring buffer che memorizza una porzione di segnale precedente.
    • PARAMETRI DEFINITI:
      • EpochLength = lunghezza in secondi dell'epoca da accumulare
      • LengthBeforeStimulus = lunghezza in secondi della porzione di segnale da accumulare prima dell'inizio di una stimolazione
      • VisualizeCollectorFiltering = se settato questo parametro consente di visualizzare l'intera epoca accumulata
    • STATI DEFINITI:
      • StimulusCodeDone = il codice dello stimolo la cui relativa epoca è stata interamente accumulata
      • StimulusTypeDone = il tipo relativo all'epoca appena accumulata
    • Riferimento su Airbat del sorgente filtro Collector: sgarlata/P3ErrPSignalProcessingGalileo/CollectorFilterGALILEO
  5. filtro di classificazione per P300 ed ErrP.

Per la classificazione P300 attualmente è implementato il classificatore lineare "Logistic", mentre per la classificazione ErrP è implementato un classificatore LDA.

    • PARAMETRI DEFINITI:
      • ClassifierFunction = identifica la funzione di classificazione P300 da utilizzare (attualmente è solamente implementato il classificatore Logistic)
      • P3WeightMatrix = matrice in cui ogni colonna indica un canale e il numero di righe è pari al numero di campioni dell'epoca in ingresso aumentato di 1 . La prima riga di ogni colonna indica il canale sul quale applicare i pesi definiti nelle righe successive.
      • P3Constant = costante utilizzata dal classificatore P300 Logistic
      • ErrPSamplesIndex = matrice in cui per ogni riga è indicato nella prima colonna il canale segiuto dall'indice dei campioni da prelevare dal segnale d'ingresso
      • ErrpClassifS, ErrpClassifMm, ErrpClassifMsT, ErrpClassifC = matrici utilizzate dal classificatore ErrP
    • STATI DEFINITI:
      • ErrPFound = questo stato è posto a 0 durante il calcolo dell'ErrP, terminato il calcolo se viene identificato un ErrP questo stato è posto a 1 altrimenti è posto a 2.
    • Riferimento su Airbat del sorgente filtro Collector: sgarlata/P3ErrPSignalProcessingGalileo/P3ErrPClassifier
  1. filtro che effettua la media dei valori in uscita dal filtro di classificazione
    • PARAMETRI DEFINITI:
      • EpochsToAverage = il numero di classificazioni da mediare
    • STATI DEFINITI:
      • StimulusCodeRes = il codice dello stimolo del quale è stata calcolata la media di "EpochsToAverage" stimolazioni
      • StimulusTypeRes = il tipo relativo allo StimulusCodeRes appena determinato
    • Riferimento su Airbat del sorgente filtro Media: sgarlata/P3ErrPSignalProcessingGalileo/MeanFilter
  2. un filtro di normalizzazione

Da Fare

  • (bassa) Fare un filtro FIR (c'è già una classe nel sorgente BCI2000) da usare in alternativa al filtro Butterworth. Il filtro prende come parametri il vettore di pesi. L'idea è che si genera il filtro durante l'addestramento in Matlab, e viene usato anche online. Il problema del Butterworth è che ha una fase non lineare e quindi deforma la forma d'onda.

Fatto

  • Filtro che rileva i trigger
  • Adattamento automatico della soglia per i trigger (Analisi switch riquadro: Bianco->Nero->Bianco per un tempo definito dall'utente)
  • Accumulare forme d'onda con parti che precedono il trigger
  • Script Matlab per verificare l'accuratezza della rilevazione dei fronti d'onda.
  • Elencare stati e parametri usati dai filtri, e documentare quelli nuovi.
  • Il classificatore per P300 usi questa formula:
 <math>L_{\rm P300} = \frac{1}{1 + exp( c + \sum_i w_i x_i )}</math>

dove <math>x_i</math> sono i campioni EEG di tutti i canali, mentre c e <math>w_i</math> sono dei pesi oppurtuni. I <math>w_i</math> saranno organizzati in una matrice bidimensionale, in cui ogni riga contiene: il numero del canale, seguito da tutti i pesi per quel canale. Poi con un ulteriore parametro si potrà selezionare una funzione alternativa alla logistica.

Modulo applicativo speller P300

  • Riferimento su Airbat del sorgente modulo Applicativo: sgarlata/P3Speller

Il modulo applicativo deve essere adattato al sistema di trigger.

Per quanto riguarda il modulo applicativo bisogna introdurre un riquadro posto nell'angolo superiore destro dello schermo e farlo variare (bianco/nero) ogni qual volta viene effettuata una stimolazione e, prima dell'inizio della sequenza di stimolazioni, introdurre una fase preliminare in cui si fa variare (bianco/nero) il riquadro per un tempo totale preimpostato in modo da poter far determinare in maniera automatica dal filtro di Trigger il valore di soglia che permette di distinguere se siamo in fase di stimolazione (riquadro nero) o in fase di non stimolazione (riquadro bianco). Terminata la fase di taratura del valore di soglia, lo speller può effettuare la sua sequenza di stimolazioni. Alla fine di ogni treno di stimolazioni lo speller P300 determina, in base alle classificazioni ricevute, qual'è la stimolazione con classificazione maggiore mostrandola a video. A questo punto inizia una nuova fase in cui viene controllata la presenza dell'ErrP, se è stato identificato una forma d'onda ErrP lo speller non effettua alcuna selezione (modalità "free mode") altrimenti seleziona la stimolazione mostrata a video precedentemente, riprendendo con una nuova sequenza di stimolazioni.

Per le modifiche da effettuare al modulo applicativo di BCI2000 quando questo deve comunicare tramite protocollo UDP con un altro applicativo che effettua le stimolazioni su una differente macchina Linux si è invitati a visionare la relativa discussione di Roberto Massimini.

Da fare

  • (alta - fatto v. tesi Dal Seno) Misurare lo sfasamento tra sync e stimolo
  • (media) Segnalare (e recuperare, se possibile) eventuali problemi con la sincronizzazione tra stimolazione e trigger. Alla fine di ogni treno di stimolazioni, verificare che il numero di trigger e di stimolazioni siano uguali. Gli stati devono fornire abbastanza informazioni perché si possa caricare da file una registrazione "rovinata" ignorando (tutto e solo) il treno di stimolazioni fuori sincronia.
Scrivere un codice di test opportuno per forzare/simulare errori nella rilevazione del trigger (non riconoscimento di un trigger o riconoscimento di un trigger spurio).
  • (bassa) Scrivere specifiche per comunicazione tra BCI2000 e un modulo applicativo P300 esterno che gira su una macchina Linux separata

Fatto

  • Modificare lo stato StimulusBegin anche per lo stimulo ErrP
  • Verifica del sistema per associare la stimolazione ai trigger rilevati dall'apposito filtro

Integrazione con ErrP

Il sistema basato su BCI2000 che usa P300 va espanso per poter usar anche i potenziali d'errore

Ciò che si vuole sviluppare è un sistema che si basi su una procedura di verifica automatica tramite l'integrazione del controllo anche sui potenziali d'errore. La verifica dell'Errp non è effettuato tramite media di più forme d'onda così come avviene con le rilevazioni della P300, ma sulla singola prova. Infatti, dopo l'analisi delle forme d'onda P300 e la determinazione del target voluto dall'utente, si introduce una ulteriore fase in cui si mostra all'utente la probabile selezione voluta e si valuta la presenza del potenziale d'errore. Se non viene riscontrata questa forma d'onda si seleziona il target precedentemente identificato, altrimenti si ripete una nuova sequenza di stimolazioni per identificare nuovamente il target voluto.

Schema del comportamento del classificatore LDA di Gianmaria:

c - ((x - media_tr) * scala_tr * medie_tr)

cioè

y = c1 + x * matrice

e la classe è l'indice del valore minimo del vettore y (che è lungo 2)

Da fare

Fatto

  • Introdurre una nova fase di controllo Errp nel modulo applicativo dello speller
  • Introdurre un nuovo filtro nella catena dei filtri che si occupa del'accumulo dei potenziali d'errore
  • Modificare opportunamente i filtri di: classificazione, media e normalizzazione per supportare il controllo dell'Errp
  • Fare uno script Matlab nuovo, derivato da quelli di Gianmaria, che faccia l'addestramento su dati salvati dallo speller BCI2000 in modalità "copy" e restituisca (su file) le tabelle per il classificatore pronte per essere caricate nel modulo di BCI2000.
Questo viene meglio diviso in diversi script: 1. Uno script che carica un file BCI2000 in una struttura eeg_p300_data; meglio se accetta gli stessi parametri di load_eeg_data_dei.m 2. Uno script che prende una struttura eeg_p300_data, calcola l'intervallo ottimo, addestra il classificatore e salva le matrici per l'uso online. 3. Uno script che usa i 2 precedenti: carica i dati da un po' di file, li concatena, e addestra il classificatore (BernardoDalSeno 17:39, 9 July 2008 (CEST))
  • Far funzionare lo speller in modalità "copy": il testo viene specificato all'utente e la lettera giusta viene scelta dall'applicazione con una probabilità dell'80% (parametro), in modo da avere dati per l'addestramento sia della P300 che dell'ErrP. Negli stati va salvata l'informazione su qual è la stimolazione che contiene una P300 (questo dovrebbe esserci già per la P300) e quale contiene un ErrP.
  • Assicurarsi che l'attuale classificatore ErrP faccia esattamente le stesse cose di quello usato da Gianmaria (LDA sui dati grezzi).
  • Nel filtro P3ErrPClassifier: ogni riga specifica più campioni per un solo canale; più righe possono riferirsi allo stesso canale.

Addestramento

Il sistema per il corretto funzionamento on line richiede l'addestramento dei classificatori per il riconoscimento del potenziale P300 e del potenziale d'errore (ErrP). L'intera sequenza di addestramento è divisa in 3 diverse 'sessioni'. Ogni 'sessione' corrisponde a una giornata, ed è suddivisa a sua volta in diversi 'run', dove per 'run' si intende un nuovo ciclo di esecuzione dell'applicativo(speller). Per ogni sessione deve essere creata una cartella con nome: 'Iniziale_nome_utenteCognomeNumero_sessione' (es. Andrea Sgarlata sessione 001: 'asgarlata001') contenente tutte le registrazioni (file .dat) effettuate nella stessa sessione. In oltre per ogni sessione deve essere compilato un file di log (log-sessione.txt da inserire nella stessa cartella della sessione, template già precompilato nella cartella sgarlata/TestParam), con i dati dell'utente e per ogni 'run' il modo di funzionamento le impedenze registrate per ogni canale ed eventuali note per esempio livello di stanchezza e concentrazione dell'utente ecc... Prima di iniziare l'addestramento bisogna spiegare all'utente cosa deve fare e come si deve comportare durante l'utilizzo del sistema.

Prima sessione

La prima sessione è necessaria per l'addestramento del classificatore per il potenziale P300 ed ErrP; questa sessione è svolta in modalità copy ed è suddivisa in 10 run, i diversi run si differenziano per la parola mostrata nella barra 'textToSpell'. Nella prima sessione, bisogna:

  • avviare il sistema (Galileo + BCI2000)
  • caricare il file Sgarlata/TestParam/P3ErrpSpeller-trainingSessione001.prm in BCI2000
  • modificare nella scheda 'Storage' di BCI2000 il campo 'SubjectName' indicando 'Iniziale_nome_utenteCognome'
  • Chiudere la schermata di configurazione e cliccare sul pulsante 'Set Config' di BCI2000, in modo da permettere al sistema di creare la cartella 'Iniziale_nome_utenteCognomeNumero_sessione' che conterrà tutte le registrazioni effettuate in questa sessione.
  • compilare il log di sessione.
  • Per ogni run (1-10):
    • Caricare la parola da scrivere
    • Aggiornare il log
  • Addestrare il classificatore P300 con l'algoritmo genetico

Impostato il sistema, tramite le operazioni appena elencate, non rimane che per ogni run caricare il file contenente la sola parola da inserire nella barra 'textToSpell' (file presenti nella cartella Sgarlata/TestParam/traning_words/Sessione001), quindi al primo run verrà caricato il file di parametri 'LearningRun01.prm', al secondo run il parametro 'LearningRun02.prm' e così via fin al completamento dei 10 run. Terminata la prima sessione con i dati raccolti si procede all'addestramento del classificatore P300 creando un file a partire dallo script template template_online.m aggiornando i dati relativi a directory e sessioni (è consigliabile utilizzare almeno 10 generazioni). Utilizzare per l'addestramento i dati relativi ai run 2-8, ed utilizzare gli ultimi 2 run (run 9, run 10) come dati di test. Annotare comunque nel file di log quale insieme di dati è stato utilizzato per l'addestramento e quale per il test.

Se non vi sono stati errori lo script genera un file di parametri che deve essere caricato nel sistema consentendo così l'addestramento del classificatore P300 ed il passaggio alla seconda sessione.

Ulteriori sessioni di addestramento

Nella seconda sessione si mantiene il sistema configurato come nella sessione precedente con la differenza che questa sessione è svolta in modalità copy ma con il classificatore P300 funzionante, di conseguenza il target visualizzato è quello selezionato dal classificatore P300. È un test del classificatore P300, e viene usato anche per raccogliere dati per addestrare il classificatore ErrP. :Bisognerebbe aggiustare il numero di ripetizioni per controllare gli errori, però (BernardoDalSeno 15:17, 11 September 2008 (CEST)) In queste sessioni si deve:

  • caricare il file Sgarlata/TestParam/P3ErrpSpeller-trainingSessione002.prm in BCI2000
  • caricare in BCI2000 il file di parametri generato dallo script GA
  • Chiudere la schermata di configurazione e cliccare sul pulsante 'Set Config' di BCI2000.
  • compilare il log di sessione.
  • Per ogni run (1-10):
    • Caricare la parola da scrivere
    • Aggiornare il log
  • Addestrare il classificatore ErrP usando come test gli ultimi due run
  • Se le prestazioni sono soddisfacenti, addestrare il classificatore su tutti i run e fare una mini-sessione 'free'

Effettuate queste modifiche si può ripartire nuovamente con il caricare in sequenza per ogni run solamente le ulteriori 10 parole (file: 'LearningRun#.prm') definite nella cartella 'Sgarlata/TestParam/traning_words/Sessione002', indicando, nel file di log, per ogni run il numero di lettere selezionate errate.

Terminata la seconda sessione si può procedere all'addestramento del classificatore per il riconoscimento dei potenziali d'errore (ErrP). A questo scopo si utilizza uno script matlab che richiama la funzione 'train_errp_visconti_bci2000( params )' generando il file .prm con i parametri necessari al classificatore ErrP. Per l'addestramento dell'ErrP è consigliabile utilizzare tutti i dati registrati nelle primi due sessioni (001 e 002), suddividendo i primi 18 (10 run 001 e 8 run 002) run come dati di addestramento, e gli ultimi 2 run (19, 20) come dati di test. Annotare comunque nel file di log quale insieme di dati è stato utilizzato per l'addestramento e quale per il test. Se lo script non raggiunge una soglia di almeno 70% di recall per ErrP e 80% per non-ErrP bisogna procedere alla registrazione di ulteriori run in altre sessioni (in altro giorno).

Se non vi sono stati errori lo script genera un file di parametri che può essere caricato per addestrare questa volta il classificatore ErrP. A questo punto è possibile passare alla sessione 'free'.

Sessioni 'free'

In queste sessioni si fanno run (un qualsiasi numero) in modalità free mode, in cui entrambi i classificatori funzionano. In questa sessione è necessario:

  • caricare il file Sgarlata/TestParam/P3ErrpSpeller-FreeModeSession003.prm in BCI2000
  • caricare in BCI2000 il file di parametri generato dallo script GA
  • caricare in BCI2000 il file di parametri generato dallo script train_errp_visconti_bci2000.m
  • Chiudere la schermata di configurazione e cliccare sul pulsante 'Set Config' di BCI2000 (crea directory di sessione)
  • compilare il log di sessione.
  • Per ogni run:
    • Segnare la parola che si voleva scrivere
    • Interrompere il run solo durante le pause dopo la stimolazione ErrP e prima che inizi una nuova stimolazione P300.

L'utente decide quale parola, lettera per lettera, vuole scrivere, e nel caso in cui il sistema scrive un carattere errato l'utente dovrà eliminarlo selezionando l'icona 'BS' che si occupa di cancellare l'ultima lettera inserita. La parola (o frase) che l'utente ha scelto va segnata sul file di log insieme a tutte le informazioni che si ritengono necessarie.

Da fare

  • (altissima) Scrivere una funzione definita tra in <math>[0,1]</math> parametrica che valga: 1 in 0 e 1; <math>1-\epsilon</math> in a e c, 0 in b. <math>\epsilon</math> è un parametro.
  • (alta) Fare N (con N oppurtuno) file di parametri che contengano le parole da scrivere; considerare lunghezza oppurtuna per singole registrazioni e sessioni. Il nome del file contenga già il numero di sessione e registrazione.
  • (media) Lo speller in modalità copy quando genera dei feedback sbagliati (per l'addestramento ErrP) deve selezionare effettivamente un simbolo sbagliato a caso tra tutti i simboli disponibili, e non usare il classificatore P300 per questo.
  • (bassa) Far funzionare lo speller in modalità "mista", cioè: la stringa da scrivere è assegnata; il classificatore P300 viene usato per selezionare le lettere; in caso di lettera sbagliata viene scritta la lettera selezionata, e il simbolo successivo da selezionare sarà BackSpace. Perché questa cosa funzioni, il tasso di errori deve essere contenuto entro un certo intervallo, definito da 3 valori (a,b,c) in un opportuno parametro (si potrebbe riutilizzare il parametro attualmente usato per il tasso di errori nella stimolazione ErrP); operativamente:
  1. Selezionare una lettere con il classificatore P300
  2. Calcolare la statistica s delle selezioni correte sulle ultime N selezioni
  3. Si ricava una probabilità p a partire dall'entità della deviazione dall'intervallo ammesso, usando un'opportuna funzione che dipende da a, b, c, s.
  4. Con probabilità p modificare la selezione in questo modo:
    • Se s < b, la selezione corrente viene corretta, se è sbagliata
    • Se s > b, la selezione corrente viene fatta diventare sbagliate, se è corretta
Il risultato dovrebbe essere che la statistica sia quasi sempre all'interno dell'intervallo a-c, e che i valori fuori dall'intervallo non si allontanino troppo dai limiti fissati.
Suggerimento: Per questa cosa, fare una classe (e usare un'istanza) in cui ci sia un metodo per aggiornare la statistica e uno per dire se bisogna fare correzioni all'ultima selezione.
  • (bassissima) Fare esperimenti con almeno un paio di soggetto in cui lo speller funziona nella modalità "mista" di cui sopra.
Per scegliere il numero di ripetizioni ottimo, bisogna valutare l'accuratezza del classificatore P300 con diversi numeri di ripetizioni (offline sui dati di test) e da questa, insieme all'accuratezza del classificatore ErrP, calcolare la velocità globale dell'interfaccia usando la formula che c'è nella tesi di Bernardo Dal Seno.

Varie

Le priorità indicate per le varie attività servono per fissare un'ordine. La tesi si conclude quando tutte le attività sono complete.