运动想象脑-机接口新进展与发展趋势

基于运动想象(MI)的脑-机接口(BCI)作为一项新的运动损伤康复手段,在帮助改善和恢复丧失的身体功能方面具有重要的作用。然而,目前MI-BCI走向实用化仍面临着许多问题和挑战,包括MI诱发生理信号空间分辨率低、使用者训练时间较长和异步控制MI-BCI系统难以有效实现等。简要阐述MI相关的机制研究,然后针对以上问题从信号采集、信号处理算法分析、范式设计和异步控制研究等,综述相关解决方案及其研究现状,最后概述MI-BCI的应用,并展望MI-BCI未来的发展方向。     

基于LabVIEW运动想象的脑机接口系统

背景：基于事件相关电位的脑-机接口,可广泛应用于残障患者的康复,显示出其重要性和未来实现的可行性。 目的：提出基于LabVIEW环境下的运动想象脑-机接口系统的实现方案。 方法：研究的关键部分是视觉刺激器的设计和脑电特征信号的特征提取两部分。测试者通过观察视觉刺激器上的左右手连续播放图像刺激产生脑电信号,采用带通滤波提高信噪比,用滑动窗截取脑电数据并且对截取的数据从能量的角度分析得到运动想象特征,同时可以在线提取特征,为实现实时系统打下了基础。 结果与结论：该方案能有效地提取出运动想象特征,并且通过离线模式识别进行了有效的分类,分类效果达到了82%。     

基于互信息特征提取的运动想象脑机接口

脑机接口是一种实现计算机和人脑及其他设备间通信的系统。本文引入F3、F4、C3、C4、FZ、CZ、FC1、FC2、FC5、FC6等多通道运动想象脑电信号的网络连接结构权值等特征,采用支持向量机对不同的运动想象任务进行分类。对所提出的基于互信息(MI)的脑网络结构特征提取方法同传统方法自回归模型(AR)参数特征提取方法进行对比研究,发现基于MI特征提取的运动想象脑电信号分类正确率显著高于AR参数特征提取方法,将两类特征进行融合后,运动想象脑电信号分类正确率又显著高于单独使用MI或AR特征提取方法。     

脑机接口中一种多类运动想象任务识别新方法

目的针对脑机接口中三类运动想象任务,提出一种最小二乘法自适应滤波结合独立成分分析以及样本熵(RLS-ICA-Samp En)、多类共同空间模式(CSP)、增量式支持向量机(ISVM)相结合的脑电识别新方法,以解决脑机接口中多类运动想象正确率低的问题。方法首先采用ICA将EEG分离,然后利用样本熵自动识别分离后的噪声,再采用RLS对识别出来的噪声进行滤波,最后进行信号重构,得到去除噪声的脑电信号。多类CSP采用"一对一"CSP与多频段滤波相结合,对去噪后的脑电信号进行特征提取。通过"一对多"方式的ISVM对三类运动想象脑电信号获取的特征向量进行分类。为检验新方法的有效性,将本文方法与多类CSP+ISVM(方法 1)及RLS-ICA+多类CSP+ISVM(方法 2)进行比较。结果对三类想象任务而言,本文方法识别正确率与方法 1和2相比均高8%左右。结论与方法1和2比较,RLS-ICA-Samp En、多类CSP、ISVM相结合的脑电识别新方法能更好地适用于多类运动想象任务识别。     

下肢运动想象脑机接口的研究进展及康复应用

运动想象脑机接口(brain computer interface based on motor imagery, MI-BCI)是一种完全不依赖于外周神经和肌肉就可实现与外界环境交互的前沿技术,该技术能够充分利用患者的运动意图,并触发大脑的神经可塑性,以实现脑卒中患者的运动功能康复。针对下肢MI-BCI系统识别率低、实验环境要求高等问题,研究人员从范式、算法和应用等方面不断地探索下肢MI-BCI技术的新方向,并通过长期的临床研究验证了下肢MI-BCI技术在脑卒中患者下肢功能康复领域的优越性。本文对近年来下肢MI-BCI的国内外研究进展进行综述,归纳下肢MI-BCI在临床康复领域的应用现状,最后分析其面临的挑战和发展趋势,以期推动下肢MI-BCI的快速发展,并为下肢功能康复提供新思路。     

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。     

一种基于运动想象的脑-机接口时空滤波器迭代算法

基于运动想象的脑-机接口系统是脑-机接口中的一个主要研究方向,共空间模式(CSP)算法是一种流行的运动想象数据分析特征提取方法.共空间模式的性能依赖于恰当的带通滤波,通常高度依赖于神经生理先验知识.本研究提出一种称为共迭代时空模式(ICSTP)的运动想象时空特征提取方法,该算法用与空域滤波器设计相同的广义特征值问题优化时域滤波器,并给出了算法收敛性的证明.真实脑电数据实验结果表明算法的收敛只需数个循环,且平均正确率高于人工选择时域滤波器的标准CSP方法.     

基于脑电alpha波及运动想象的在线脑机接口系统设计

背景：目前在线脑机接口系统绝大多数采用同步式设计,无法区分“工作”状态与“空闲”状态。 目的：设计一种能够自由在“工作”与“空闲”状态间切换,方便灵活的脑机接口系统。 方法：设计了综合睁眼产生的alpha波阻断现象,以及进行运动想象时产生事件相关同步及去同步现象这些生理特征的在线脑机接口系统。通过检测使用者枕部脑电信号alpha波状况,来切换“空闲”与“工作”状态;在“工作”状态下,通过想象不同的肢体运动,分析运动皮质脑电信号的频率特征,来实现对外界的信息传输。 结果与结论：实验证明,经过训练的使用者在该在线脑机接口平台上可以自如的在不同状态间进行切换,并且能以很高的分类正确率发出控制命令。采用此方法进行设计,脑机接口系统的实用性得到了增强。     

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.     

脑机接口中一种改进的模式识别方法

为提高脑机接口中脑电识别率，分析了特征提取方面时频特征组合法的缺点，探讨了一种改进的模式识别方法。该方法以样本类平均距离为判据，采用滑动窗优化技术，获取时域均值的最佳时间段和频域功率谱均值的最佳频率段。用经过优化的时域均值和功率谱均值组合作为特征，形成特征向量。基于该特征向量，用神经网络对脑电信号进行分类。以识别正确率为指标，将改进方法与原方法进行对比，实验结果表明改进方法能够提高脑电识别率，具有应用价值。     

脑-机接口技术研究

脑-机接口是在人脑与计算机或其他电子设备之间建立直接的交流和控制的通道,它直接通过脑来表达想法,而不需要语言和动作,为思维正常但有严重运动障碍的患者提供了与外界交流和控制的途径,提高了他们的生活质量。本文对脑-机接口（brain computer interface,BCI）技术、研究方法、分类以及涉及的关键技术、应用领域等进行了较为详细的综述,并在此基础上分析目前BCI存在的问题,最后指出该领域的发展趋势。     

基于EEG脑机接口的研究现状及在康复中的应用

脑机接口(brain computer interface,BCI)是一项不依赖大脑常规信息通路就可实现与外界环境交流的技术,通过该技术可在人脑与计算机或其他电子设备之间建立一种直接的联系,使人不依赖正常的骨骼肌肉系统就可直接控制外部设备,这就为那些思维正常但有严重功能障碍的患者带来了新的希望。近20年来BCI实现了从无到有、脑电信号从单一到混合等技术上的飞速发展,另外随着识别任务数目的增多、信息传输率及识别准确性的提高,BCI也逐渐走出了实验室,朝着实时、实用的方向发展。本文主要针对基于EEG的单一模式和混合模式脑机接口的研究现状及其在康复医学中的实际应用进行了综述,总结了不同模式BCI的功能特点及其在康复医学领域的应用潜力,以期促进BCI在康复应用中进一步发展,并提高目前康复治疗技术。     

运动想象重塑脑功能的研究进展

运动想象（MI）指脑演练或模仿特定动作但不伴随实际动作执行的心理过程,MI训练时脑内的一些区域得以激活,脑功能改变类似于实际运动执行时,因此,MI具有重塑脑功能的作用。本研究总结MI重塑脑功能的心理神经肌肉理论模式和镜像神经元理论模式、自主MI和基于脑机接口的MI实现方式以及MI重塑脑功能的定性评估和定量评估;进一步归纳近年来MI重塑脑功能在健康人群和患者康复治疗中的研究进展,并提出MI的类别;最后就MI重塑脑功能的未来发展趋势和研究方向进行展望。     

Dual-frequency steady-state visual evoked potential for brain computer interface

This study presents a new steady-state visual evoked potential (SSVEP) for brain computer interface (BCI) systems. The goal of this study is to increase the number of selections using fewer stimulation frequencies. This study analyzes the SSVEPs induced by six groups of light-emitting diodes (LEDs). The proposed method produces more selections than the number of stimulation frequencies through a suitable combination of dual frequencies for stimulation. Further, the six groups of LEDs are generated by four frequencies. The symmetric harmonic phenomena in this study helps increase recognition efficiency. This study tests seven subjects to verify the feasibility of the proposed method.     

基于Java3D的脑机交互应用系统设计

目的 为在理想环境下研究脑机交互（brain computer interface,BCI）系统,并为系统的实际应用开发做铺垫,本文基于Java3D设计了脑机交互应用系统.方法 EEG信号经分析处理后转换成的实时控制命令,通过TCP/IP协议传给Java3D应用系统,实时控制虚拟小车运动.该应用系统的设计分三步：首先搭建虚拟场景,包括对场景模型的建立以及对场景的布局设计;其次设计虚拟小车的运动,实现小车前进和旋转的连续运动;最后对场景中的模型配置进行碰撞检测,用基于运动想象的EEG分析结果实时控制小车运动,检验本系统的功能.结果 EEG信号可以实时控制虚拟小车进行连续运动,且碰撞检测功能正常.结论 研究结果初步证明该应用系统的可行性,为BCI应用系统的设计提供了新颖思路并奠定了良好基础.     

脑-机接口研究新进展

先进的科学与技术使创造脑-机接口的设想成为可能.它是一种尤其适合瘫痪病人与外界联系的方法.综述了两种来自大脑皮层信号的脑-计算机接口（brain-computerinterface,BCI）的研究进展.其一为神经信号来自皮层外部,称为间接BCI,已经用于人体实验.其二为神经信号来自皮层内部,称为直接BCI,尚处于动物实验阶段.     

脑-机接口研究新进展

先进的科学与技术使创造脑-机接口的设想成为可能.它是一种尤其适合瘫痪病人与外界联系的方法.综述了两种来自大脑皮层信号的脑-计算机接口(brain-computerinterface,BCI)的研究进展.其一为神经信号来自皮层外部,称为间接BCI,已经用于人体实验.其二为神经信号来自皮层内部,称为直接BCI,尚处于动物实验阶段.