Brain–computer interfaces (BCIs) can provide a means of communication to individuals with severe motor disorders, such as those presenting as locked-in. Many BCI paradigms rely on motor neural pathways, which are often impaired in these individuals. However, recent findings suggest that visuospatial function may remain intact. This study aimed to determine whether visuospatial imagery, a previously unexplored task, could be used to signify intent in an online electroencephalography (EEG)-based BCI. Eighteen typically developed participants imagined checkerboard arrow stimuli in four quadrants of the visual field in 5-s trials, while signals were collected using 16 dry electrodes over the visual cortex. In online blocks, participants received graded visual feedback based on their performance. An initial BCI pipeline (visuospatial imagery classifier I) attained a mean accuracy of [Formula: see text]% classifying rest against visuospatial imagery in online trials. This BCI pipeline was further improved using restriction to alpha band features (visuospatial imagery classifier II), resulting in a mean pseudo-online accuracy of [Formula: see text]%. Accuracies exceeded the threshold for practical BCIs in 12 participants. This study supports the use of visuospatial imagery as a real-time, binary EEG-BCI control paradigm.

中文翻译：

---

非特异性视觉空间图像作为基于 EEG 的在线 BCI 控制的新心理任务

脑机接口 (BCI) 可以为患有严重运动障碍的个体提供一种交流方式，例如那些表现为闭锁的个体。许多 BCI 范例依赖于运动神经通路，这些通路在这些个体中经常受损。然而，最近的研究结果表明，视觉空间功能可能保持完整。本研究旨在确定视觉空间图像（以前未开发的任务）是否可用于在基于在线脑电图 (EEG) 的 BCI 中表示意图。在 5 秒的试验中，18 名典型发育的参与者在视野的四个象限中想象棋盘箭头刺激，同时使用视觉皮层上的 16 个干电极收集信号。在在线块中，参与者根据他们的表现收到分级的视觉反馈。初始 BCI 管道（视觉空间图像分类器 I）在在线试验中针对视觉空间图像进行分类的平均准确率为 [公式：见文本]%。使用对 alpha 波段特征的限制（视觉空间图像分类器 II）进一步改进了 BCI 管道，导致平均伪在线准确度为 [公式：见文本]%。12 名参与者的准确度超过了实际 BCI 的阈值。本研究支持使用视觉空间图像作为实时、二进制 EEG-BCI 控制范式。12 名参与者的准确度超过了实际 BCI 的阈值。本研究支持使用视觉空间图像作为实时、二进制 EEG-BCI 控制范式。12 名参与者的准确度超过了实际 BCI 的阈值。本研究支持使用视觉空间图像作为实时、二进制 EEG-BCI 控制范式。