基于脑电信号的注意力水平评价研究进展EI北大核心

注意力水平评价是指通过观察或实验测试的手段对人的注意力水平进行评价,其研究成果在教育教学、智能驾驶、医疗健康等领域有很大的应用价值。脑电信号凭借其客观可靠性和安全性成为分析和表达注意力水平的最重要技术手段之一。目前,鲜有综述文献对脑电信号在注意力水平评价领域的应用进行全面的梳理总结。为此,本文首先概述了注意力水平评价的研究进展;然后重点剖析了脑电信号注意力水平评价的重要方法,包括数据预处理、特征提取与选择、注意力水平评价方法等;最后讨论了脑电信号注意力水平评价领域当前发展的不足,并对未来发展趋势进行展望,为相关领域的研究工作者提供参考。     

传递熵算法研究进展及其应用EI北大核心CSCD

近年来,从神经网络层面探索脑功能整合的相关生理病理机制已经成为神经科学领域研究关注的焦点之一。由于神经信号具有非平稳和非线性的特性,其线性特征不足以充分解释复杂脑功能执行过程中潜在的神经生理活动机制。为克服线性算法无法有效分析信号非线性特征的局限性,研究人员提出了传递熵(TE)算法。近年来,随着脑功能网络概念的引入,TE作为非线性时间序列多元分析的有力工具被不断优化。本文先介绍了TE算法的原理以及相关改进算法的研究进展,探讨比较了它们各自的特点,然后总结了TE算法在电生理信号分析领域的应用。最后,结合近几年的研究进展,探讨了TE目前存在的问题,并展望了其未来的发展方向。     

基于独立成分分析的非侵入式脑-机接口眼电伪迹自动去除算法EI北大核心CSCD

非侵入式脑-机接口已经逐步成为当前研究的热点,在精神障碍检测、生理监测等多方面都有所应用。但是非侵入式脑-机接口所需的脑电信号容易受到眼电伪迹污染,会严重影响对脑电信号的解码分析。对此,本文提出了一种结合频率滤波器的改进型独立成分分析算法,以相关系数和峰度双重阈值为依据自动识别伪迹组件;利用眼电与脑电频率的差异,通过频率滤波器去除伪迹组件中的眼电信息,从而保留更多脑电信息。在公开数据集和本实验室数据上的实验结果表明,本文算法可以有效提升眼电伪迹去除效果,同时改善脑电信息损失,这有助于非侵入式脑-机接口的推广。     

基于EEG信号分析处理的癫痫预报及研究进展

癫痫是一种常见的脑部疾病，对癫痫发作进行预报具有重要的临床意义。本文回顾了基于EEG信号分析处理的癫痫预报的历史，并综述了时域、频域、非线性动力学和智能分析技术在发作预报上的应用。     

微嵌合状态与移植免疫耐受的研究进展

微嵌合体及其与移植免疫耐受之间的关系已成为目前器官移植研究领域的主要方向之一.微嵌合体的形成与维持机制尚不完全清楚,其产生与移植免疫耐受有密切联系,但其真正作用目前却存在争议.了解以上几个方面对微嵌合体的最新研究进展很有意义.     

33例清醒与催眠状态脑电图对比分析

作者对３３例患者进行催眠治疗时，记录每例患者清醒与催眠状态时脑电图，并做了自身前后对照比较。客观指标为ａ波的频率、振幅、指数以及持续的时间和θ、δ波、β波的变化，其结果经电子计算机进行统计学处理，两者差值分析，ｐ值分别为＜０．０１或＜０．０５，说明催眠状态脑电图既不同于清醒时的脑电图，又不同于睡眠脑电图，而是独具特点的脑电图。     

33例清西与催眠状态脑电图对比分析

作者对３３例患者进行催眠治疗时，记录每例患者清醒与催眠状态时脑电图，并做了自身前后对照比较。客观指标为ａ波的频率、振幅、指数以及持续的时间和θ、δ波、β波的变化，其结果经电子计算机进行统计学处理，两者差值分析，ｐ值分别为＜０．０１或＜０．０５，说明催眠状态脑电图既不同于清醒时的脑电图，又不同于睡眠脑电图，而是独具特点的脑电图。     

基于回声状态网络的脑电信号特征提取

在脑电(EEG)信号自动检测和分类的研究中,EEG信号的特征提取至关重要。本文分析了目前主要EEG信号特征提取方法的优缺点,并提出了一种基于回声状态网络(ESN)的EEG信号特征提取方法。该方法可以实现EEG信号的非线性特征提取,并且其特征提取过程是近似可逆的,因而在特征提取过程中损失的信息较少。该方法在EEG信号特征提取过程中,主要计算量是求解状态矩阵的伪逆,计算简单高效。在对波恩大学癫痫研究所的EEG数据库进行多类别分类的实验中,本文所提出的EEG信号特征提取方法展现出了良好的性能。     

户外鸽子生物机器人的设计及初步应用EI北大核心CSCD

视距外控制对具有大范围运动能力的生物机器人意义重大。鸽子生物机器人以在体预编程的方式实现了视距外控制,但尚未形成控制闭环。本研究在鸽子生物机器人控制系统的神经刺激功能之上增设运动监测功能,对鸽子飞行状态实时解算,结合逻辑判据实现户外飞行过程中转向及盘旋的闭环调控。调控刺激位点位于鸽子中脑网状结构(FRM)的两侧,分别用于左向和右向控制;刺激信号具有生物神经细胞膜电位的波形特征并间歇激活;控制系统总重11.8 g。结果表明,该鸽子生物机器人的闭环调控成功率达到90%;辅以在体摄像装置,可方便获取飞行机动时的翼面形态;结合鸽群等级特征,能够实现个体调控对集群演化的干预。这些为发掘鸽子生物机器人在科学研究领域的应用奠定了基础。     

非侵入式脑机接口控制策略的研究进展EI北大核心CSCD

脑机接口是指不依赖于外周神经和肌肉,在人脑与外部设备之间建立起一条直接的信息交流通路。相较于侵入式脑机接口,非侵入式脑机接口具有低成本、低风险、易操作等优势。近年来,利用非侵入式脑机接口技术对外设进行控制逐渐成为一种新型人机交互方式,而脑机接口控制策略是该方式的重要组成部分。本文首先介绍了脑控策略的分类和发展,其次详细描述了直接和共享两种控制策略的基本特点,再次对比分析这两种脑控策略的优缺点,最后对非侵入式脑控策略发展方向和应用前景进行了分析与展望。     

基于脑电图与功能近红外成像的工作记忆神经血管耦合分析EI北大核心CSCD

工作记忆是高级认知功能的重要基础。本文结合脑电图(EEG)和功能近红外成像(fNIRS)的时空优势研究工作记忆的神经血管耦合机制。在数据分析中,提取EEG数据中不同试次的时间序列与血氧动力学响应函数(HRF)卷积后的矩阵和fNIRS的血氧变化矩阵作为耦合的特征。然后,使用典型相关分析(CCA)计算两种模态特征间的交叉关联。结果表明,CCA算法能够提取出相关成分试次间相近的变化趋势,并发现额极区和背外侧前额叶的fNIRS激活与EEG数据的delta、theta和alpha节律相关。本研究揭示了工作记忆下的神经血管耦合机制,为EEG数据和f NIRS数据融合提供了新方法。     

快速制动条件下颈部肌肉主动力特性研究EI北大核心

本文研究了快速制动条件下颈部肌肉的主动力特性,可为减少舰载机拦阻着舰时飞行员颈部损伤提供理论支撑。通过开展模拟快速制动条件下的静态加载和实车制动实验,采集受试者头颈部运动状态和颈部肌肉肌电信号,分析颈部肌肉主动力响应特点。结果发现颈部肌肉预紧时头颈部前屈时间推迟、幅度减小;颈部在极限位置持续时间减少,向座椅方向恢复更快;斜方肌比胸锁乳突肌肌电信号更高,可能发挥了更大作用。上述结果提示飞行员在实际制动飞行中可通过预紧颈部肌肉以降低颈部损伤,可以考虑设计颈部肌肉预紧相关装具。     

人体骨骼肌数字孪生体技术研究进展EI北大核心

人体骨骼肌通过收缩带动骨骼运动,将其功能性信息嵌入人体形态框架,构建骨骼肌数字孪生体进行骨骼肌物理及生理功能模拟,对“虚拟生理人”研究具有重要意义。本文结合国内外的相关文献,首先归纳总结了骨骼肌数字孪生体构建技术构架,然后分别从骨骼肌数字孪生体建模技术、数据采集技术、仿真分析技术、仿真平台、人体医学图像数据库五个方面进行综述。在此基础上,本文指出还需要在骨骼肌模型泛化、精度提升、模型耦合等方面进行深入研究。本文通过综述骨骼肌数字孪生体构建方法和手段,期望能够为该领域的研究人员提供参考,而本文所指出的发展方向也可作为今后值得关注的课题内容。     

基于静息态脑电微状态对成人注意缺陷多动障碍的判别

目的:探究注意缺陷多动障碍(ADHD)患者的静息态脑电微状态特征及其对成人ADHD的判别能力。方法:收集36例符合DSM-IV标准的成人ADHD患者和46例正常对照的静息态脑电数据,比较两组脑电微状态的时间覆盖率和优势切换方向。运用Fisher线性判别,探讨脑电微状态对ADHD的判别能力。结果:两组均呈现5种脑电微状态(A~E),ADHD组微状态C时间覆盖率低于对照组[(16.6±4.3)%vs.(23.6±6.6)%,P<0.001],微状态D时间覆盖率高于对照组[(21.6±4.1)%vs.(15.1±5.9)%,P<0.001]。微状态AB、AD、BC、BE、CD、DE之间的优势切换方向的组间差异有统计学意义(均P<0.05)。用时间覆盖率参数作判别准确率84.2%,优势切换方向参数作判别准确率91.5%。结论:用脑电微状态参数对ADHD相对于正常对照作判别有较高的正确率,值得进一步探讨临床应用前景。     

基于条件概率的短时睡眠状态实时估计

目的根据脑电信号的特征,提出基于条件概率的睡眠状态实时估计方法,为睡眠监测提供反映睡眠状态连续变化的客观评价依据。方法在白天短时睡眠过程中,同步采集了4导与睡眠相关的脑电信号(C3-A2,C4-A1,O1-A2,O2-A1),对每5秒记录数据进行傅里叶变换,分别计算了8~13 Hz和2~7 Hz的脑电节律能量占空比特征参数。主要方法包含了学习和测试两个阶段:在学习阶段,根据训练数据获得脑电特征参数的概率密度分布;在测试阶段,根据当前特征,得到各睡眠分期的条件概率,并计算获得睡眠状态的估计值。结果分析和测试了12名受试者的短时睡眠数据。通过与睡眠分期的人工判读结果相比较,睡眠状态估计值呈现了睡眠深度的连续变化。觉醒期的显著性差异为2.94,睡眠一期和二期分别为1.78和1.62,分析结果符合实际规律。结论本文所定义的睡眠状态估计值蕴含了睡眠分期的特征,较好地反映了睡眠阶段在持续和过渡期间的连续变化过程,能够为白天短时睡眠状态分析提供实时监测和分析的客观评价依据。     

基于神经电生理技术和脑成像技术探讨太极拳对老年人认知功能影响的研究进展EI北大核心CSCD

随着人口老龄化问题的日益凸现,老年人认知功能衰退逐渐成为临床研究热点。太极拳作为一项传统康复运动,已被证明对改善老年人认知功能、延缓认知衰退具有积极作用,但其相关脑功能机制尚不明确。本文通过收集利用磁共振成像(MRI)、脑电图(EEG)、功能性近红外光谱(fNIRS)观察太极拳对老年人认知功能相关脑区变化影响的研究,以大脑结构和功能改变为切入点进行梳理,结果表明太极拳可能通过重塑记忆、注意、执行等认知相关脑区的结构和功能来改善老年人的认知功能,延缓认知衰退。此外,太极拳改善认知功能可能与其正性调节老年人的心血管功能、情绪和冥想水平有关,且认知功能的改善可进一步提升老年人的平衡能力。同时发现练习时间、练习频率和练习强度可能是影响太极拳改善老年人认知功能和脑功能的因素。     

去趋势波动分析在不同状态脑电信号中的应用

目的:验证去趋势波动分析法应用于脑电信号分析时的有效性。方法:使用去趋势波动分析算法分析不同状态下的脑电信号,把得到的标度指数值进行比较。结果:从心算状态、睁眼状态到闭目安静状态的标度指数越来越大,这表明从心算状态、睁眼状态到闭目安静状态下脑的动力学活性越来越低,并且在时间上具有长程相关性。结论:去趋势波动分析方法在探索不同脑功能状态下EEG的标度指数是否具有显著性差异有一定的价值。     

基于神经网络的阿尔茨海默病脑电诊断应用现状EI北大核心CSCD

脑电信号是脑神经电生理活动的总体反映,具有安全、高效、实时、动态等优点。随着机器学习相关研究的开展与推进,基于神经网络的阿尔茨海默病自动诊断正成为脑电分析研究热点。本文从前馈神经网络入手,比较分析了循环神经网络、卷积神经网络和深度信念网络等神经网络模型的结构特性及其在阿尔茨海默病诊断中的性能表现,并探讨了该研究在未来可能面临的挑战和研究趋势,期望为神经网络在阿尔茨海默病脑电诊断的临床应用提供有价值的参考。     

一种脑电效应计算机分析系统的设计及其应用

建立了一种新的用于记录和分析脑电信号计算机软硬件技术。首先通过模数转换技术将脑电的膜拟信号转换为数字信号，数字中直接存放于计算机硬盘，只要计算机硬盘允许可以长时间记录脑电信号，记录在计算机上的脑电信号可再进一步用于脑电效应分析，通过对用药后每秒脑电波数和脑电压的变化分析，采用１２－３０Ｈｚ之间每秒脑电波数或脑电压的变化可有效地反映受试者用药后的脑电效应变化情况，从而为进一步进行中枢神经系统药物的药     

基于脑磁图的智能脑机交互关键技术EI北大核心CSCD

脑机交互(BCI)是一种变革性的人机交互,旨在绕过外周神经和肌肉系统直接把脑神经的感知觉、表象或思维活动转化为动作,以进一步改善或提高人类的生活质量。脑磁图(MEG)测量神经元电活动产生的磁场,具有非接触式测量、时空分辨率高和准备方便等独特优势,是一种新的BCI驱动信号,基于脑磁图的脑机交互(MEG-BCI)研究具有重要脑科学意义和潜在应用价值。迄今为止,少有文献阐述MEG-BCI涉及的关键技术问题,为此本文聚焦MEG-BCI关键技术,详述了实用MEG-BCI系统中涉及的信号采集技术、MEG-BCI实验范式设计、MEG信号分析和解码关键技术、MEG-BCI神经反馈技术及其智能化方法。最后,本文还讨论了MEGBCI存在的问题和未来发展趋势,期望本文为MEG-BCI创新研究提供更多有益思路。