ブレイン・コンピュータ・インターフェース（BCI）向けの合成データ生成：概要、ベンチマーク、今後の方向性

要旨: 深層学習は、多様な領域で変革的な性能を達成しており、主に大規模で高品質な訓練データによって推進されています。対照的に、ブレイン-コンピュータ・インターフェース（BCIs）の開発は、限られた、異種性が高く、プライバシーに敏感な神経記録によって根本的に制約されています。生理学的に妥当な合成脳信号を生成することは、データ不足を緩和しモデル容量を高めるための、魅力的な方法として浮上しています。本調査は、BCIs のための脳信号生成について、方法論的分類、ベンチマーク実験、評価指標、主要な応用を網羅的に総括します。我々は既存の生成アルゴリズムを、知識ベース、特徴ベース、モデルベース、変換ベースの4タイプに体系的に分類します。さらに、4つの代表的なBCIパラダイムにまたがる既存の脳信号生成アプローチをベンチマークして、客観的な性能比較を提供します。最後に、現行の生成アプローチの可能性と課題を論じ、正確でデータ効率が高く、プライバシーに配慮したBCIシステムの将来研究を展望します。ベンチマークのコードベースは https://github.com/wzwvv/DG4BCI に公開されています。