一种用于脑机接口的模式识别方法

基于脑电的脑机接口(BCI)是在人脑和计算机或其他电子设备之间建立的全新对外信息交流和控制技术,是一种不依赖于常规大脑信息输出通路(外围神经和肌肉组织)的脑机通讯系统.及时有效地提取和识别与运动想象有关的脑电模式可以帮助运动功能受损的病人建立一种与外界沟通的新途径.论文基于传统的特征提取方法--时频特征组合法,经过滑动窗优化,获取最佳时间段的时域均值和最佳频率段的频域功率谱均值,以此作为特征向量.基于该特征向量,用径向基概率神经网络对脑电信号进行分类.实验结果表明,该方法能够有效地提高脑电识别率,具有应用价值.     

脑机接口关键技术研究

脑机接口(brain-computer interface,BCI)利用脑电信号实现人脑与计算机或其他电子设备的通讯和控制,是一种新的人机接口方式.它在康复医学和控制工程等领域有应用前景.本文介绍了BCIs系统的工作原理,从系统设计、数据获取及处理方法两方面论述了BCIs系统设计中的关键技术,最后指出了BCIs存在的主要问题和发展趋势.这些探讨为BCIs的设计与研究提供了指导.     

基于想象左右手运动脑机接口实验研究及分析

探索一种实用的基于想象运动思维脑电的脑．机接口（Brain．computerinterface，BCI）方式，通过寻找合适的信号处理方法，来提取最能反映不同思维的脑电特征，以提BCI系统通讯识别正确率，为最终实现BCI应用奠定理论和实验基础。对6名健康受试者进行3种不同时段（箭头出现2s、1s和0s后提示按键）情况下想象左右手运动思维作业的信号采集实验，利用小波分析、前向反馈神经网络（BP神经网络）对离线实验数据进行处理和分析。对所有受试者三种情况下的延缓时间△t2、△t1和At0分析发现：At0与△t1和△t2之间都有显著性差异（P〈0．05），而△t1与△t2之间没有显著性差异（P〉0．05）；三种情况下，平均分类正确率分别达到65．00％、86．67％和72．00％，实际按键前0．5～1s左右，想象左右手运动的思维脑电特征信号都发生明显改变，且这些特征存在明显不同。在箭头出现1s左右后提示随机按键情况下，可以获得更高的识别正确率，说明该方案提取的特征作为BCI系统外部装置控制信号是可行的，通过合理的实验设计获取的信号有助于识别正确率的提高，为BCI系统中思维任务的特征提取与识别分类提供新思路和方法。     

基于脑电的脑-机接口系统

背景：脑-机接口是在人脑与计算机或其它电子设备之间建立的直接交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,以提高患者的生活质量。 目的：总结近年来国内外有关脑-机接口系统的研究进展及存在的问题,探讨该领域进一步发展的方向。 方法：应用计算机检索PubMed数据库中1990-01/2009-12脑-机接口方面的文献,检索词“brain-computer interface, Rehabilitatian”,并限定语言为English;同时检索CNKI-KNS 1990-01/2009-12脑-机接口方面的文献,检索词为“脑-机接口,信号处理,脑电”,并限定语言为中文。 结果与结论：脑-机接口系统的研究正处于发展阶段。现有的脑-机接口系统还存在通讯速度低、效果不稳定等技术障碍,特别是信号处理算法的选择与改进等方面有待进一步研究。     

浅谈脑-机接口的发展现状与挑战

脑—机接口是在大脑与外部设备之间建立的直接的交流通道。文中简单叙述了脑—机接口的发展现状,并探讨了未来发展中面临的挑战。     

结合稳态视觉诱发电位的多模态脑机接口研究进展

脑机接口(BCI)能够在大脑与外部环境之间建立一种不依赖于外周神经或肌肉的交流与控制通道,有助于恢复运动障碍者的生活自理能力,是当前神经工程领域最活跃的研究方向之一。其中,稳态视觉诱发电位(SSVEP)脑机接口因信息传输率(ITR)高、所需训练少而备受关注。现有的无创高通讯速率脑机接口系统主要是来自于或基于SSVEP。近年来,为进一步提高脑机接口性能,整合SSVEP与其他类型输入信号的多模态脑机接口逐渐成为脑机接口研究的新趋势。从输入信号类型、实验范式和信号融合等方面,综述结合SSVEP 的多模态脑机接口研究进展,帮助相关研究者理解该领域研究动态,以启发高通讯速率脑机接口系统的设计与实现。同时探讨目前结合SSVEP的多模态脑机接口存在的问题和未来可能的发展趋势,以期推动结合SSVEP的多模态脑机接口技术的发展。     

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...     

“脑—机接口”的研究进展

脑-机接口(brain computer interface，BCI)是一种全新的通讯和控制技术。本文分析和讨论了一些现有的脑一机接口系统及其控制信号，并指出了其中一些有待于进一步解决的问题和今后的研究发展方向。     

一种运动想象脑机接口训练系统的设计

目的 为提高运动想象的脑机接口训练速度和效率,本文设计了一种训练系统.系统功能主要包括参数设置、EEG采集、特征提取、分类及其结果反馈、分类器模型建立.方法 在训练系统设计中,首先使用VC＋＋编写的脑电信号采集软件获取脑电信号,而后通过TCP/IP实现与MATLAB之间的数据传输,在MATLAB中实现特征提取与分类识别,并将识别结果实时反馈给受试者,使受试者能够及时调整自身状态,并选择合适的反馈方式,从而在较短时间内生成有效的分类器模型.结果 该系统具有接口方便、功能强大、界面友好的特点,通过建立的在线系统对训练系统进行了初步检验.结论 该系统可使使用者进行方便有效的训练,进而缩短训练时间并提高脑机接口系统的识别正确率,为脑机接口应用系统的实现奠定了基础.     

面向脑机接口的脑电采集设备硬件系统综述

脑机接口技术(BCI)可为人脑和外界建立一种全新的直接的交互方式,具有非常广阔的应用前景。脑电采集设备作为脑机接口采集信号的重要手段和途径,是其技术的关键和基础,已得到广泛关注。近年脑机接口研究呈爆炸式增长,各种脑电采集技术与应用不断涌现。未来,脑电采集设备在科学、医疗、军事、生活等领域具有巨大的应用潜力。为理清目前脑电采集设备硬件系统的发展现状和发展方向,从基本组成结构、性能优化电路以及现有产品等方面进行剖析。归纳脑电采集设备的4个主要组成部分,进一步分类并讨论脑电采集设备性能优化方法;对比现有的主流产品的关键指标,探讨它们的功能特性;分析现有脑电采集设备的不足之处,并对其发展趋势进行展望。     

Hangman BCI: an unsupervised adaptive self-paced Brain-Computer Interface for playing games

This paper presents a novel user interface suitable for adaptive Brain Computer Interface (BCI) system. A customized self-paced BCI architecture is introduced where the system combines onset detection system along with an adaptive classifier working in parallel. An unsupervised adaptive method based on sequential expectation maximization for Gaussian mixture model is employed with new timing scheme and an additional averaging step to avoid over-fitting. Sigmoid function based post-processing approach is proposed to enhance the classifiers' output. The adaptive system is compared to a non-adaptive one and tested on five subjects who used the BCI to play the hangman game. The results show significant improvement of the True-False difference for all the classes and a reduction in the number of steps required to solve the problem.     

A Study of BCI Signal Pattern Recognition by Using Quasi-Newton-SVM Method

The recognition of electroencephalogram (EEG) signals is the key of brain computer interface (BCI).Aimed at the problem that the recognition rate of EEG by using support vector machine (SVM) is low in BCI,based on the assumption that a well-defined physiological signal which also has a smooth form“hides“ inside the noisy EEG signal,a Quasi-Newton-SVM recognition method based on Quasi-Newton method and SVM algorithm was presented.Firstly,the EEG signals were preprocessed by Quasi-Newton method and got the signals which were fit for SVM.Secondly,the preprocessed signals were classified by SVM method.The present simulation results indicated the Quasi-Newton-SVM approach improved the recognition rate compared with using SVM method; we also discussed the relationship between the artificial smooth signals and the classification errors.     

数字信号处理器在脑-机接口系统中的应用

本文研究数字信号处理器(DSP)在基于稳态视觉诱发电位的脑-机接口系统中的应用,同时详细介绍了系统的构成及各部分的设计与实现方法,并展示了初步的实验结果.本系统主要由刺激器、模拟放大电路、DSP核心电路和控制外设的红外发射电路组成.所选用的都是低功耗、高速的芯片,以满足实用性和实时性的要求.软件部分采用汇编语言编程,主要包括控制信号采集、50Hz陷波和带通滤波、快速傅立叶变换、特征提取和识别.经过测试,该系统不仅可以将输入的正弦波正确地检测出来,而且对于接入的实际脑电中的诱发响应也能很好地检测和识别.因此使用DSP使脑-机接口系统的小型化、实用化是可行的.     

独立式脑-计算机接口信号处理和识别方法研究

目的为独立式脑-计算机接口(brain-computerinterface,BCI)选择合适的数据预处理、特征提取和模式识别算法,提高系统的识别率.方法分别使用不同的空间滤波算法、特征提取方法和模式识别算法,对同一组BCI数据进行处理,并对结果加以比较分析.结果使用空间滤波器small-laplacian提高信噪比,AR谱估计提取C3和C4导联特定波段能量作为特征,Bayesian判决进行分类,可以取得较好的识别率.结论高信噪比以及合适的特征是提高识别率的关键因素.     

Pattern Recognition at the Maternal-Fetal Interface

Intrauterine infections represent a significant threat to fetal well-being and pregnancy outcome. Recent studies suggest that non-immune cells of the maternal-fetal interface can actively recognize and respond to microbes through pattern recognition receptors, in order to control pathogens that may compromise the pregnancy. However, these same innate immune responses may inadvertently lead to excessive inflammation or apoptosis at the maternal-fetal interface. Thus, pattern recognition receptors may play a key role in infection-related pregnancy complications. This review discusses what is currently known about the role of Toll-like receptors and NOD-like receptors in controlling infections at the maternal-fetal interface, and what impact their function may have on pregnancy.     

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。     

基于脑-机接口技术的虚拟现实康复训练平台

对神经损伤的瘫痪病人进行功能恢复训练时应强调患者的主动参与。开发了一套基于脑-机接口技术的虚拟现实康复训练平台。该平台采用患者在想象运动时的脑电信号作为虚拟人运动的控制信号,从而把想象运动与运动功能恢复训练结合在一起。由于虚拟现实系统的实时性与沉浸感能给受试者提供较好的训练反馈信息,因此,使用本平台有望改善患者的训练效果。详细介绍了快速在线脑-机接口算法以及虚拟现实的实时交互技术,并提供了三名受试者的实测结果。初步实验证明了该平台设计的可行性。     

连续预测脑机接口的信息积累方法

设计有效的学习算法快速准确地对脑电信号进行连续预测是脑机接口研究的关键之一.本研究给出了一种基于变分贝叶斯算法的理论框架通过区分度权值进行信息积累,从而对脑电信号分类.此方法将对区分度权值和分类器参数的估计融为一体,使得这两部分在学习的过程中可以互相协调.在两个运动想象数据集上的实验结果表明本方法能够提高BCI系统的性能,具有较好的实用性.     

听觉脑-机接口技术实验范式的研究进展

目前基于视觉范式的脑-机接口技术研究已经取得了较大的突破,并在实际中得到了广泛应用.然而很多视力受损的闭锁综合症患者,无法使用基于视觉范式的脑-机接口系统,因此研究这一技术是非常必要的,可为听觉正常的闭锁综合症患者提供了一种新的与外界交流的渠道.本研究回顾了基于听觉范式的脑-机接口技术研究现状,从听觉P300、稳态听觉诱发电位、选择注意以及空间定位等4个方面总结归纳了听觉脑-机接口技术的实验范式并进行分析对比.最后提出了听觉脑-机接口技术在实际应用中存在的问题,并探讨了进一步的研究方向及思路.