Naukowcy z dziedziny neuroengineerii opracowali Bio-MF, nową metodę sztucznej inteligencji, która generuje sygnały fNIRS (funkcjonalnej spektroskopii w bliskiej podczerwieni) bezpośrednio z danych EEG w jednym kroku obliczeniowym. To podejście pozwala na prace hybrydowych interfejsów mózg-komputer bazujących na wyobraźni ruchowej w czasie rzeczywistym, bez konieczności równoczesnego pomiaru obu typów sygnałów mózgowych.
Tradicyjne metody generowania fNIRS z EEG wymagały wielokrotnych iteracji obliczeń, co powodowało opóźnienia niemożliwe do zaakceptowania w aplikacjach real-time. Bio-MF rozwiązuje ten problem za pomocą bezpośredniej predykcji w przestrzeni sygnału, konwertując wynik do formatu MeanFlow i wykonując obliczenia jedną siecią neuronową. Framework dodatkowo integruje techniki kodowania przestrzenno-czasowego, guidance niezależnego od klasyfikatora i regularyzację FFT, aby zachować strukturę hemodynamiczną istotną dla zadania.
Wyniki na danych testowych wykazują znaczną poprawę: dokładność wzrosła o 3,37 punktu procentowego dla HbR (deoksyhemoglobiny) i 4,15 dla HbO (oksyhemoglobiny) w stosunku do systemów używających tylko EEG. Zyski te utrzymują się na poziomie 2,98 i 2,50 punktu procentowego na drugiej zbiorce danych. To ulepszenie wydajności jest istotne, ponieważ interfejsy mózg-komputer bazujące na hybrydowym podejściu mogą umożliwić bardziej niezawodne systemy sterowania dla osób z niepełnosprawnościami motorycznymi, a jednocześnie znacznie ograniczają wymagania sprzętowe podczas pracy.