脑-机接口系统工作原理综述

分析了脑-机接口系统的研究现状，简述了系统的基本结构及其基本工作原理，归纳了系统信号采集、特征提取、选择分类3个部分的主要的技术处理方法，详细介绍了特征提取和选择分类的最新分析方法及存在缺陷，分析了脑-机接口系统存在的问题。指出了小波变换及小波包分解在特征提取上的巨大优势，神经网络分析在选择分类中广阔的应用前景。     

一种基于瞬态视觉诱发电位的实时脑机接口系统的研制

目的：研制一种基于瞬态视觉诱发电位的实时脑机接口系统,该系统可用于残障人士的自我康复。方法：利用穿戴式技术与无线网络技术设计相结合,穿戴式脑电采集头带将脑电信号和刺激同步信标信号利用紫蜂技术（Z追Bee）无线发送到计算机,计算机根据同步信标信号产生刺激图案,并实现脑电中诱发电位信号的实时检测、特征提取和识别分类．输出相应控制命令。结果：10名受试者的实验结果显示,该系统对4个图案目标的识别的正确率可达92％。结论：该系统结构紧凑、使用方便、准确率高,该系统的研制对脑机接口走向实用化做了有意义的探索。     

脑-机接口的研究进展及展望

介绍了脑-机接口的实验研究方法及关键技术的研究进展，并对未来实用型脑-机接口的研究进行展望。     

基于小波变换和BP神经网络的视觉诱发电位识别

结合小波变换和BP神经网络对视觉诱发脑电信号（VEP）进行分类而产生脑机接口控制信号。利用一维离散小波变换提取强噪声背景下的低频微弱脑电信号，获取特征向量输入BP神经网络进行事件相关电位模式识别。实验表明，小波变换特征向量提取方法能有效地实现信号的去噪、降维和特征提取，BP神经网络能比较准确地从VEP中识别出事件相关电位，进行10次测试的平均识别正确率为99．375％，有利于产生脑机接口控制信号。     

脑-机接口驱动神经义肢手系统的研究

本文针对现代医疗手段还无法使上臂再生的问题,深入分析了人手动作脑电信号的特点,研究了面向义肢手控制的手动作脑电小波特征提取和BP神经网络模式识别方法,开发研制了一个基于BCI（Brain-Computer Interface,简称BCI）驱动的神经义肢手驱动控制系统,并用该系统完成了义肢手四种动作（手臂自由状态、手臂移动、手抓取、手张开）的驱动。经过多次在线及离线实验,结果表明：基于脑-机接口驱动的神经义肢手系统是合理可行的,所采用的脑电信号小波特征提取方法和BP神经网络模式识别方法是有效的。     

脑-机接口技术研究

脑-机接口（BCI）是在人脑和计算机或其他电子设备之间建立的一种直接的信息交流和控制通道，是一种不依赖于常规大脑信息输出通路（外周神经和肌肉组织）的全新信息交流系统。介绍了BCI的组成及工作原理，讨论了基于脑电波（EEG）的BCI研究方法，指出了BCI存在的问题及研究对策。     

脑-机接口技术进展与挑战

近几年来,脑-机接口的研究逐渐形成了热点,引起了世界科学家的广泛关注.非侵入式脑-机接口正向临床实用化方向发展.植入式脑-机接口目前的研究多以动物做实验,实现了对光标、游戏杆、机械臂、运动小车等的控制.它们的发展有赖于神经科学、工程学、心理学、计算机和康复学等各交叉学科专家间的密切合作.这种全新的通信技术可望为那些不能使用常规通信手段的残疾患者提供与外界进行交流的途径.     

脑机接口在康复医学中的应用进展

随着社会的进步、科学的发展,脑机接口技术也得到了快速发展。脑机接口是一种建立在人与机器之间的用于信息交换的连接通路,即一项能让人用意念控制机器的人机交互技术。脑机接口是目前人工智能、神经康复和生物工程等领域最活跃的研究方向之一,对促进康复医学的发展具有重要意义。该研究基于已有研究,概述脑机接口的工作原理,梳理其在康复医学中的应用,并指出目前面临的挑战,为日后技术突破提供参考依据。     

基于脑电Alpha波的脑-机接口控制系统研究

设计了1种基于脑电α波的脑-机接口（Brain-Computer Interface,BCI）系统,利用睁闭眼对于α波幅值的影响,实现了对计算机屏幕4个方向目标的选择控制,并通过5名受试者实验考察了系统的速度、准确率,说明系统具有无须繁复学习与生物反馈训练的易操作性,为进一步研究开发能实时操作使用的BCI控制面板、实现系统集成和便携化提供了技术基础,具有潜在应用价值,值得进一步研究.     

基于能量法的脑机接口运动想象分类研究

针对脑机接口运动想象脑电信号的分类识别问题,提出了一种基于小波包分解的C3、C4二通道能量特征提取方法。该方法首先采用6阶的巴特沃斯带通滤波对二通道脑电信号进行降噪;然后采用Daubechies类小波函数对其进行5层分解,选择第四层CD4、第五层CD5的小波系数进行重构并抽取其能量特征;最后采用线性距离判别进行分类和使用Kappa系数进行分类衡量。利用BCI2008竞赛的标准数据BCICIV_2b_gdf进行验证,结果表明利用该方法可以较好地反映事件相关同步和事件相关去同步的特征,为BCI研究中事件相关电位的分类识别提供了有效的手段。     

探讨通道对视觉诱发电位单次提取精度的影响

采用“模拟自然阅读”诱发电位作为脑-机接口通信载体,结合小波变换和误差逆传播（ErrorBackPropagation,HIJBP）神经网络对视觉诱发脑电信号（VEP）进行分类以产生脑机接口控制信号。将被试者4个通道记录到的脑电信号分别作为特征,信号时程都为300ms,时段分别取100ms~400ms、200ms-500ms和300ms~600ms。试验结果表明四个单通道都达到较好的分类效果,有利于产生脑机接口控制信号。     

基于灰度共生矩阵的腹部图像分类与检索

目的:旨在准确率更高地对腹部医学图像进行分类和检索。方法:提出一种基于灰度共生矩阵的图像分类和图像检索新方法。利用灰度共生矩阵计算2类关键特征:对比度和熵,实现对腹部医学图像的分类与检索。利用Matlab构造分类检索界面,可分别进行2种处理,其中分类处理是将图像库中的图像根据疾病类型进行分类,可显示疾病种类及相应图像数量;检索处理为将已知疾病图像输入系统后,系统将与之相似疾病图像检索显示出来。结果:能够准确率很高地分类检索肝癌、肝血管瘤、肝囊肿等3类疾病,界面便于医生操作。结论:对临床影像数据进行实验测试,结果表明分类和检索准确率较高,满足临床的需要。     

Data selection in EEG signals classification

The alcoholism can be detected by analyzing electroencephalogram (EEG) signals. However, analyzing multi-channel EEG signals is a challenging task, which often requires complicated calculations and long execution time. This paper proposes three data selection methods to extract representative data from the EEG signals of alcoholics. The methods are the principal component analysis based on graph entropy (PCA-GE), the channel selection based on graph entropy (GE) difference, and the mathematic combinations channel selection, respectively. For comparison purposes, the selected data from the three methods are then classified by three classifiers: the J48 decision tree, the K-nearest neighbor and the Kstar, separately. The experimental results show that the proposed methods are successful in selecting data without compromising the classification accuracy in discriminating the EEG signals from alcoholics and non-alcoholics. Among them, the proposed PCA-GE method uses only 29.69 % of the whole data and 29.5 % of the computation time but achieves a 94.5 % classification accuracy. The channel selection method based on the GE difference also gains a 91.67 % classification accuracy by using only 29.69 % of the full size of the original data. Using as little data as possible without sacrificing the final classification accuracy is useful for online EEG analysis and classification application design.     

Diagnosis of multiple sclerosis from EEG signals using nonlinear methods

EEG signals have essential and important information about the brain and neural diseases. The main purpose of this study is classifying two groups of healthy volunteers and Multiple Sclerosis (MS) patients using nonlinear features of EEG signals while performing cognitive tasks. EEG signals were recorded when users were doing two different attentional tasks. One of the tasks was based on detecting a desired change in color luminance and the other task was based on detecting a desired change in direction of motion. EEG signals were analyzed in two ways: EEG signals analysis without rhythms decomposition and EEG sub-bands analysis. After recording and preprocessing, time delay embedding method was used for state space reconstruction; embedding parameters were determined for original signals and their sub-bands. Afterwards nonlinear methods were used in feature extraction phase. To reduce the feature dimension, scalar feature selections were done by using T-test and Bhattacharyya criteria. Then, the data were classified using linear support vector machines (SVM) and k-nearest neighbor (KNN) method. The best combination of the criteria and classifiers was determined for each task by comparing performances. For both tasks, the best results were achieved by using T-test criterion and SVM classifier. For the direction-based and the color-luminance-based tasks, maximum classification performances were 93.08 and 79.79% respectively which were reached by using optimal set of features. Our results show that the nonlinear dynamic features of EEG signals seem to be useful and effective in MS diseases diagnosis.     

抗环瓜氨酸肽抗体与类风湿因子诊断类风湿性关节炎Meta分析

目的 采用诊断试验Meta分析方法综合评价抗环瓜氨酸肽抗体（抗CCP）和类风湿因子（RF）筛查类风湿性关节炎（RA）的效果,得到各种筛查方法的综合灵敏度.方法 通过检索万方、维普、CNKI等数据库,获得同时有抗CCP和RA诊断筛查RA的文献23篇,直接或间接提取真阳性数（TP）、假阳性数（NP）、假阴性数（FN）、真阴性数数据（TN）;采用DPS 6.5进行诊断试验Meta分析,采用加权法、非加权法以及稳健法三种方法分别拟合两种筛查方法的受试者工作特征曲线（SROC曲线）,比较两种筛查方法诊断RA效果的差别.结果 稳健法结果较为稳定,其结果显示抗CCP筛查RA的综合准确度为0.831,诊断优势比为24.154;RF的综合准确度为0.765,诊断优势比为10.540;抗CCP筛查RA的诊断准确度明显高于RF（P〈0.01）.结论 抗CCP筛查诊断RA能获得较好的准确度,明显高于RF筛查诊断RA所获得的准确度;文献结果显示抗CCP能获得较好的特异度,而RF能获得较好的灵敏度,若能联合抗CCP和RF筛查结果,对RA具有较高的诊断价值.