Potencjały wywołane (ERP, event-related potentials) odzwierciedlają zmiany potencjałów elektrycznych w określonych obszarach kory mózgowej w odpowiedzi na konkretne zdarzenia lub bodźce towarzyszące procesom poznawczym. Speller P300 stanowi jedno z kluczowych zastosowań interfejsów mózg–komputer opartych na ERP i może wspierać osoby z ciężkimi dysfunkcjami ruchowymi poprzez dekodowanie sygnałów elektroencefalograficznych (EEG, electroencephalography) w celu umożliwienia im komunikacji. 

W niniejszym badaniu wprowadzono nowy paradygmat spellera, wykorzystujący dynamicznie rosnącą wizualizację typu „bubble” (GB, Growing Bubble) jako bodziec, zamiast tradycyjnego bodźca typu flash (TF, traditional flash). Dodatkowo zaproponowano metodę „Lock a Target by Two Flashes” (LT2F), która zapewnia bardziej elastyczne reguły prezentacji bodźców wizyjnych, uzupełniając klasyczne tryby wiersz–kolumna (row–column) oraz pojedynczy znak (single-character mode). Zastosowano również tryb wielookienkowy „Sub and Global” w sieci EEGNet, oznaczony jako mwEEGNet (multi-window EEGNet), aby poprawić skuteczność klasyfikacji, oraz przeanalizowano wydajność ośmiu innych reprezentatywnych algorytmów.^[1]

W eksperymencie wzięło udział 20 zdrowych ochotników. Analiza wykazała, że zaproponowany wzorzec bodźca GB wywoływał bardziej wyraźne ujemne piki w rejonach ciemieniowych i potylicznych mózgu w przedziale 200–230 ms po prezentacji bodźca, w porównaniu z klasycznym bodźcem TF. W porównaniu z TF wzorzec GB zwiększył dokładność rozpoznawania znaków online o 2,00% oraz poprawił szybkość transferu informacji (ITR, information transfer rate) o 5,39 bit/min przy użyciu mwEEGNet. Ponadto mwEEGNet uzyskał lepsze wyniki klasyfikacji niż pozostałe testowane metody. Wyniki podkreślają znaczenie proponowanego paradygmatu w rozwoju interfejsów BCI opartych na ERP i wskazują na jego potencjał w poprawie skuteczności systemów komunikacji mózg–komputer.