Este estudio evalúa si alguna única canalización de decodificación domina entre sujetos en interfaces cerebro-computadora de imaginación motora mediante la prueba de 1,056 configuraciones en tres conjuntos de datos públicos utilizando benchmarks estadísticos rigurosos.
- Se evaluaron >340,000 ajustes de modelo a nivel de sujeto en los conjuntos de datos PhysionetMI, Cho2017 y Zhou2016 dentro del marco MOABB.
- Se aplicaron pruebas omnibus de Friedman, análisis de diferencia crítica de Nemenyi y pruebas de rango firmado de Wilcoxon para comparar extractores de características, escaladores y clasificadores.
- La proyección en el espacio tangente de covarianza (cov-tgsp) y los Patrones Espaciales Comunes (CSP) fueron las familias más fuertes pero mostraron un ordenamiento dependiente del conjunto de datos.
- En la cohorte PhysionetMI, las mejores canalizaciones fueron estadísticamente indistinguibles (Nemenyi p = 0.27; W de Kendall = 0.11).
- La única mejor canalización fue óptima solo para el 35% de los participantes, mientras que los descriptores no lineales fueron los mejores para aproximadamente un tercio.
- Adaptar la canalización al participante mejoró la precisión en aproximadamente siete puntos sobre la mejor opción fija.
Los hallazgos indican que no existe un decodificador universal incluso bajo condiciones favorables, proporcionando un caso cuantitativo para la selección de modelos consciente del participante en lugar de depender de promedios de clasificaciones.