Exploring sex-related Biases in Deep Learning Models for Motor Imagery Brain-Computer Interfaces
Bien que les modèles d'apprentissage profond pour les interfaces cerveau-ordinateur basées sur l'imagerie motrice semblent initialement présenter des biais de performance en faveur des femmes, une analyse approfondie révèle que ces disparités sont principalement dues à la variabilité intrinsèque des signaux EEG plutôt qu'aux modèles eux-mêmes, qui améliorent en réalité les performances globales et aident particulièrement les sujets aux motifs EEG moins discriminables.