混合范式脑-机接口研究进展综述

传统脑-机接口(BCI)在实际应用中存在许多不足,例如指令集较小、适用人群范围小、难以实现多维度控制和异步控制等.混合范式脑-机接口(hBCI)的出现可有效解决这些问题.对基于脑电信号的hBCI、基于脑电信号和其他脑信号的hBCI以及基于多生理信号的hBCI进行综述,并分析近年来不同hBCI系统的刺激范式、控制策略、分...     

基于Hololens的增强现实脑-机接口研究

当前脑-机接口(BCI)发展迅速,但高性能无创BCI往往需要借助显示设备诱发特定脑电信号,其中最常用的为计算机屏幕,因其难以实现可穿戴而限制BCI的便携性。将增强现实技术(AR)与BCI相结合形成AR-BCI可以解决这一问题,提升BCI的实用性。然而已有AR-BCI研究仅有少量报道,且识别正确率与速度均有待提升。通过采用微软的可穿戴增强现实设备Hololens作为显示设备,实现一种基于稳态视觉诱发电位(SSVEP)的AR-BCI,通过Hololens设备产生视觉刺激诱发八种频率的SSVEP信号,分别开展在线与离线实验,并与基于计算机屏幕的刺激进行比较。参与实验的12名被试成功在增强现实环境中诱发出明显的SSVEP信号,利用1和2 s长的EEG信号分别实现平均88.67%和98.6%的在线识别正确率。该研究表明,AR-BCI有望在日常生活中实现可穿戴的便携化高性能控制型BCI系统。     

一种与N-Back诱发脑力疲劳相关的特异性脑电网络结构

探究脑力疲劳引起的静息态脑电网络结构的改变,以及体力疲劳的引入对脑力疲劳相关脑电网络的影响。分别以2-back实验和功率自行车诱发脑力、体力疲劳,采集10名被试脑力疲劳前后以及体脑疲劳前后4种状态下20个导联的静息脑电信号(EEG),进行偏定向相干因果性分析。对被试的脑电网络连接逐个进行威尔科克森符号秩检验,选择PDC值显著性大于阈值的连接赋为1,构建出二值化脑电网络。通过对疲劳前后脑电网络的比较与拆分计算,提取出一个N-back实验下与脑力疲劳相关的特异性脑电网络结构,该网络以额区的FP2导联为中枢节点,呈现出由全脑所有导联指向FP2的规律。在脑力疲劳和体脑疲劳两种疲劳状态下,该网络的连接形式基本保持一致,连接系数分别是4.060 3和4.142 1,没有发生显著改变,所以是一种相对独立、稳定并与脑力疲劳密切相关的功能网络。该方法和结果有望为研究脑力疲劳和探索体脑疲劳交互影响机制提供一个新的视角。     

经颅电刺激在卒中后运动康复领域的研究进展

由脑卒中造成的神经性损伤是目前导致运动功能障碍的主要病因之一,为社会和患者家庭带来了巨大的精神和经济负担。结合经颅电刺激的运动康复疗法为改善患者运动功能障碍、提高生活质量提供一种重要的治疗方式。经颅电刺激是一种无痛、非侵入式脑刺激方法,能够调节神经元胞内钙离子浓度、增强突触可塑性、调制神经放电频率、改变皮层兴奋性,从而实现对大脑神经活动的调控。回顾经颅电刺激的神经机制,在科研临床应用中的参数设置,以及安全性等问题,总结其在运动功能康复方面的成果以及目前亟待解决的问题。     

静息态脑电信号Lemple-Ziv复杂度与运动想象响应能力的相关性

目的　观察持续性加速度暴露对加法心算能力的影响,探讨建立飞行员抗荷耐力与认知能力的综合评估方法。方法 12名男性志愿者在载人离心机上进行了慢增长率模式（gradual-onset rate run, GOR）持续性加速度暴露,在暴露前及暴露过程中分别完成加法心算任务。对GOR1耐力、GOR2耐力,G暴露前及暴露时的心算答题量、正确率、反应时及加工效率等数据进行了分析。结果　志愿者GOR1耐力为（4.10±0.79）G,GOR2耐力为（5.82±0.70）G,与GOR1耐力相比差异有统计学意义（t=9.677,P=0.000）。G暴露时与暴露前相比,心算加工效率（P=0.632）无显著差异,但正确率（P=0.002）和反应时（P=0.041）显著降低,答题量降低至边缘显著水平（P=0.056）。有4名志愿者的GOR1耐力、GOR2耐力及G暴露时加法心算正确率满足假定的综合选拔标准。 结论　持续性+Gz加速度暴露会影响加法心算能力,表现为答题量及答题正确率降低。     

体表胃电的特征提取方法研究

目的提取表征性强、稳定性高且能够为临床应用提供诊断参考的体表胃电图(EGG)特征参数。方法采用经验模态分解方法对EGG信号进行预处理,提取EGG信号的时域、频域以及非线性多维特征参数,并通过统计学方法筛选出最优特征参数组成特征向量,对功能性消化不良(FD)患者的EGG信号进行识别。结果基于时-频-非多维特征向量的FD患者的EGG信号识别率显著优于基于传统标准所构建的特征向量,其识别率最高可达90%以上。结论所提出的多维特征提取方法能够有效识别FD等胃肠疾病患者的EGG特征,可以为胃电的相关研究提供一种可靠的分析工具。     

大脑精确计时增强顶-枕区alpha频段能量

目的探究单间隔精确计时的神经响应,为大脑计时系统异常快速检测寻找更多的神经标记。方法12名受试者训练合格后参与了包含2种任务、基于时间模板的精确按键实验。任务1要求受试者在提示结束后的任意时刻按键2次,并保证2次按键间隔为1000ms,1500ms或2000ms。任务2与任务1的计时要求相同,但只进行第1次按键。用多变量模式分析(MVPA)对特征进行筛选和分类。结果任务1中3种时长任务的平均误差时间均小于60ms,合格率均较高。以第1次按键时刻对齐的事件相关电位(ERP)显示,3种情况波动趋势相似,相邻峰值间依次相差约500ms,说明受试者按照任务要求进行了精确计时。时-频分析发现,与无精确计时(第1次按键前)相比,精确计时过程中,顶-枕区alpha频段能量显著上升,3种时长条件结果相似。利用朴素贝叶斯分类器对有/无精确计时情况下的alpha能量特征进行分类,任务1在3种时长条件下的平均准确率分别为67.40%,69.60%,63.67%,最高达91.59%;任务2准确率依次为67.71%,67.92%,66.75%,最高达92.01%。上述分类结果证实了alpha特征的稳健性。结论单间隔的精确计时可引起大脑顶-枕区alpha频段能量的增强。     

不同视觉注意状态调制稳态视觉诱发电位特征的可分性研究

注意将我们的心理资源集中到感兴趣事件的处理上,是一种重要的行为和认知过程。识别注意力状态对提高工作绩效、减少失误的发生具有重要意义。然而,至今还没有能够直接并客观检测注意力状态的方法。基于视觉注意对稳态视觉诱发电位(SSVEP)具有调节效应这一事实,本文设计了10 Hz稳态视觉刺激背景下的go/no-go实验范式,以探究不同视觉注意状态调制SSVEP特征的可分性。实验记录了15名在校研究生志愿者高、低视觉注意力状态下的脑电信号,高、低视觉注意力状态由行为学反应情况判定。研究分析了高、低视觉注意力状态下SSVEP信号的差异,并采用相关分类算法对这种差异进行了识别。结果表明,判别典型模式匹配(DCPM)算法相比线性判别分析(LDA)算法和典型相关分析(CCA)算法分类识别效果更佳,正确率可达76%。研究结果证明,不同视觉注意状态调制的SSVEP特征具有可分性,这为视觉注意力状态的监测提供了新方法。     

面向运动意图解码的共空间模式及其扩展算法研究综述

运动想象脑-机接口(MI-BCI)在人体运动功能康复、替代、增强等方面具有重要研究意义与应用价值。共空间模式(CSP)算法旨在增强MI诱导头皮脑电(EEG)特征的差异性,是当前使用最广泛的MI范式特征提取算法之一。但因其未考虑EEG的时、频域等信息,且对噪声和偏离值敏感,导致分类器识别性能有限、鲁棒性低。回顾CSP及其扩展算法的发展历程,从多模态信息优化、正则优化以及其他空间映射优化方法等三方面详细介绍相关扩展算法的基本原理和关键步骤,并探讨其实际面临的挑战和预测其未来发展趋势,以期促进相关BCI技术的深入研究与开发应用。     

脑电时间效应对情绪识别模型的影响及解决措施研究

近年来,越来越多的研究者投入到基于脑电的情绪识别研究中。然而在实际应用中,建立高精确度的情绪识别模型仍面临巨大的挑战,其中一个难点就是如何剔除或降低脑电信号的时间效应,进而提高情绪识别模型的时间鲁棒性。拟通过增加情绪模型中训练样本的天数,降低时间效应对识别模型的影响。利用视频诱发被试的正性、中性、负性3种情绪状态,共9名被试参与实验,每名被试需在1个月内进行5次数据采集,每次采集的时间间隔分别是1天、3天、1周和2周。采集被试60导联的脑电信号,并提取6个频段的功率谱特征。在模式识别阶段,分类器的训练样本分别来自N天的样本(N=1,2,3,4),剩余(5-N)天的数据则作为测试样本,得到不同训练天数下的分类正确率。结果表明:脑电时间效应的确会影响情绪识别的正确率,当训练集与测试集中的样本来源于不同的两天时,识别率显著下降(P<0.01);随着训练集样本天数的增加,正确率提高,正确率与训练样本的天数呈正相关;当训练集中样本来源于2~4天时,相比于1天的情况,平均正确率的提高率分别为6.45%(P=0.006)、10.48%(P=0.000)、14.40%(P=0.000),即增加训练集中样本的来源天数,能显著降低时间效应对分类效果的影响。结果证实,脑电时间效应能显著降低情绪识别模型的识别正确率,增加训练样本的天数可降低时间效应对识别模型的影响,并提高情绪识别模型的时间鲁棒性,从而为情绪模型从理论研究走向应用提供技术支持与研究思路。