近日，团队成员万银星、李卓蓉在王斐老师和李景聪老师的共同指导下，在SCI期刊Frontiers in Neuroscience（影响因子: 4.1）发表研究论文《A cross-subject decoding algorithm for patients with disorder of consciousness based on P300 brain computer interface》。该论文已于2023年2月16日投稿，并于7月20日在线发表。

论文链接：https://www.frontiersin.org/articles/10.3389/fnins.2023.1167125/full

脑机接口（BCI）技术可以直接连接大脑与外部设备，这可能为一些意识障碍（DOC）患者提供一种新的沟通方式。然而，DOC患者的脑电与正常人的脑电有着明显差异，且难以采集，目前的解码算法仅能依靠患者自身 的少量数据进行训练，且效果不佳。在本研究中，我们提出一种基于域自适应的WD-ADSTCN解码算法，用于提高DOC患者的P300信号检测准确率。如图1所示， 我们使用 Wasserstein 距离筛选部分健康被试数据用于增加训练数据量。此外，我们采用对抗域适应的方法减小健康被试数据与患者数据之间的差异。结果显示，在DOC患者P300检测的跨被试实验中，11名患者中有7名的平均准确率超过70%。这7名患者在经过3个月的治疗之后，他们的临床诊断发生了变化，CRS-R评分有所改善。这些结果表明我们提出的方法可用于面向DOC患者的P300 BCI系统，这对DOC患者的临床诊断和预后具有重要意义。

图1 本文提出的Adversarial Discriminative Spatio-Temporal Convolution Network (ADSTCN)框架