基于异步并行诱发策略的混合范式脑-机接口技术

稳态视觉诱发电位(SSVEP)与事件相关电位中P300成分相结合的混合范式脑-机接口(SP-BCI)系统可同时诱发两种特征脑电信号并综合前者的高信噪比和异步兼容特点及后者的大指令集优势,具有提高系统信息传输速率的潜在能力,但现有脑电诱发范式未能充分发挥上述特长.本文提出一种SSVEP按各自频率异步诱发和阻断(SSVEP-B)且与P300并行诱发的新策略,并融合SSVEP-B与P300特征信息进行脑电分类识别.经10名健康年轻被试离线测试实验结果表明,被试总体平均分类正确率为84.5!,系统最高理论信息传输速率为89.5 bit/min,表明新型诱发策略有助于提高BCI信息识别正确率和信息传输速率,有关研究思路与技术可供混合范式脑-机接口系统设计与推广应用参考.     

运动相关皮质电位在运动康复领域的应用

大脑在想象或执行身体运动时产生的运动相关皮质电位(MRCPs)因富含大量运动信息、有较严格的锁时和锁相特征而有利于揭示人体运动神经机制、指导运动康复训练以及疗效评价,故受到运动康复领域研究人员的关注.尤其近年随着基于脑电(EEG)的脑-机接口(BCI)技术在康复领域应用的快速发展,利用MRCPs提取大脑运动信息特征逐渐成为运动康复型BCI的研究热点.本文介绍了MRCPs信号的3个时段分量特点及与之对应的皮质激活区,并从运动意图检测、运动参数识别、运动神经机制探索和康复训练效果评价4个方面综述了将MRCPs信号检测和特征解码用于运动康复领域的研究现状,总结归纳了存在问题并分析了未来MRCPs在康复医学中应用的可行性.笔者认为融合MRCPs与其他运动特征信息用于指导运动康复训练实践应是未来运动康复领域发展的主要趋势.     

基于体感电刺激的脑-机接口实验范式初探（英文）

大脑对各类感觉输入(视、听模态)会产生不同的响应信号,脑-机接口正是利用这一响应信号实现大脑与外部设备间直接的通讯.然而以电刺激作为脑-机接口的输入模态还未有报道.本研究尝试通过使用体感电刺激作为脑-机接口的输入,从而诱发事件相关电位(ERP).在整个实验中,分别使用视觉、听觉以及电刺激作为诱发因素,针对每种条件下的事件相关电位及其分类准确率开展对比分析.结果显示电刺激所诱发的事件相关电位幅值较高且具有相对稳定的潜伏期,其分类准确率高于听觉刺激范式.也就表明了以不同刺激强度作为参数的电刺激范式作为脑-机接口应用的可行性,这将进一步拓展脑-机接口的应用领域.     

基于集合经验模态分解的脑电信号高阶张量特征提取

为了实现脑机接口系统需要有效的特征提取算法。针对二维主成分分析(2DPCA)的特征提取方法忽略脑电信号(EEG)频域特征的缺点和基于小波分解构建EEG高阶张量时小波参数难以确定的局限性,提出了基于集合经验模态分解(EEMD)构建高阶张量结合多线性主成分分析(MPCA)降维的特征提取方法。设计了3种不同特征提取方法的对照实验,并结合Fisher线性判别分析分类方法取得分类准确率。结果表明:新提出的方法相比基于小波分解构建高阶张量结合MPCA进行降维和2DPCA的特征提取方法,平均识别准确率分别提高4.75%和2.6%,且识别准确率的方差分别减小72.69%和23.86%。该方法在提高单次运动想象脑电信号识别准确率的同时还具有更好的适用性,为实现运动想象脑电信号解码奠定了基础。     

经穴电刺激诱发的脑-肌电信号相干性研究

为探索自主动作和穴位电刺激诱发的大脑皮层活动与肌肉收缩之间的功能耦合作用,设计穴位电刺激和自主动作两种实验模式,分别采集对应的脑电信号和表面肌电信号,对信号进行预处理得到纯净的诱发脑电和肌电信号.然后进行小波变换,获得信号的小波谱和小波交叉谱,计算小波相干系数,分析脑电和肌电信号的时-频相干特性.结果表明:穴位电刺激诱发的脑-肌电相干性主要集中在15~25 Hz信号频段,对应于大脑β节律;而自主动作下的脑-肌电相干性集中在30~36Hz频段,对应于大脑γ节律;不同导联的脑-肌电信号相干特性,表明穴位电刺激诱发的腕部肌肉动作与对侧大脑运动区相干性最强.该研究为运动功能康复和智能假肢开发奠定了基础.     

基于小波-共空间模式的多类想象运动诱发脑电特征提取

为了有效获取脑电信息,提取多模式类(左手,右手,舌,脚)想象运动诱发脑电特征,提出了一种小波-共空间模式分析的四类运动想象诱发脑电特征提取方法.首先,使用db4小波对预处理后纯净的脑电信号进行5层小波分解,获得小波变换的各层逼近系数和细节系数,去除冗余频段,并进行重构.然后,采用"一对多"共空间模式方法,构建多个空间滤波器,对滤波信号进行共空间模式映射,得到每种想象运动模式下的投影信号.最后,对该投影信号能量求方差取对数,组成特征值向量,再进行差值处理获得多模式类运动想象脑电特征.仿真实验结果表明,该方法可以较好的提取多类运动想象脑电信号特征.     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

小波统计方法提取想象运动诱发脑电特征

针对想象单侧肢体运动会导致同侧和对侧运动皮层脑区EEG信号分别出现事件相关同步(ERS)和事件相关去同步(ERD)现象,提出了一种小波变换结合统计分析的左右手运动想象诱发脑电特征提取方法.将采集的多导脑电信号进行预处理;利用db5小波,分别对左右手运动想象C3、C4导联的脑电信号能量进行6尺度小波分解,并按所需频段重构;计算不同尺度小波分解系数能量的均值、方差和相关系数,将这三个特征能量对应相加,并对C3、C4导联的能量做差,得到左右手运动想象脑电的特征向量.结果表明,该方法提取的特征向量可以较好地反映运动想象脑电事件相关同步和去同步的特点.     

基于残差图卷积网络的运动想象任务分类

为了提高运动想象脑机接口任务分类的准确性,需要增强运动想象脑电信号的解码精度。利用脑电的空间分布及多导联信息关联,构建图神经网络,提出了一种基于残差图卷积的运动想象任务分类模型。将残差学习嵌入深度图卷积神经网络,改善网络退化;并将分层图池化方法加入模型,充分提取运动想象脑电特征信息,提高分类准确率。该模型在两个脑机接口竞赛数据集上分别取得93.84%和96.39%的平均分类准确率以及0.917 1和0.953 5的平均Kappa系数。仿真结果表明,模型能有效提高运动想象脑机接口任务分类精度,且具有较好的泛化能力。     

基于局部均值分解和多尺度熵的运动想象脑电信号特征提取方法

研究了脑电信号特征的提取。考虑到传统的脑电信号特征提取方法不能够很好地刻画脑电信号特征,因而会给不同意识任务下运动想象脑电信号的分类带来困难,该研究提出了一种基于局部均值分解(LMD)和多尺度熵(MSE)的脑电信号特征提取方法。该方法首先把脑电信号自适应地分解为一系列具有物理意义的乘积函数(PF)分量;然后选取有效的PF分量并计算多尺度熵,将多尺度熵组成特征向量;最后将其作为支持向量机(SVM)的输入来对脑电信号进行分类识别。实验表明该方法能够有效地提取脑电信号的特征,从而验证了该方法的有效性和可行性。     

注意力对视觉刺激响应的调制作用

注意是事件相关电位(event-related potential,ERP)产生的基础,通常ERP产生于有较强随机性的自发脑电(electroencephalogram,EEG)背景中,自发脑电干扰成为提取高质量ERP信号的主要障碍.本文采用稳态刺激诱发稳态视觉诱发电位(steady state visual evoked potential,SSVEP),得到特定频率和相位调制的背景脑电,并实施不同对比度的选择性注意视觉刺激,通过比较分析所诱发产生的ERP信号波形及其P1与N1成分幅值和潜伏期变化,研究不同背景脑电及刺激强度条件下注意力对视觉刺激诱发响应的调制作用.结果表明,在特定背景脑电节律振荡与初始相位及视觉刺激对比度时,注意力对视觉刺激响应有显著调节作用,主要体现在视觉注意条件下会增加ERP中N1成分幅值并具有显著性差异,注意力对P1和N1成分的潜伏期皆无显著性差异影响.研究结果提示在设计ERP诱发实验范式时可利用注意力显著调节作用赋予背景脑电预定节律和初始相位特征,以便在ERP提取和识别时消除自发脑电干扰,获得理想研究结果.     

基于共空间模式和均匀流形投影的运动想象脑电信号识别方法

运动想象脑电信号的识别与分类问题一直是脑机领域研究的热点问题。针对此问题,使用区别传统线性降维方法的流形学习方法,将共空间模式算法与均匀流形投影算法相结合,充分利用了脑电信号中的非线性特征,对运动想象脑电信号进行了特征提取和数据降维,并使用KNN分类器进行了分类,对分类效果做出了评价;将降维前后的数据分类结果进行对比,说明了数据降维的优点和必要性;进一步讨论了降维结果在数据可视化方面的表现。发现经过数据降维的特征数据的可视化效果明显优于未经过降维的数据,进一步提出了一种基于共空间模式和均匀流形投影的新型脑电信号识别方法,对进行脑电信号深度剖析。挖掘脑电信号非线性特征提供了参考价值,同时也在数据流形分布以及数据可视化的角度为运动想象脑电信号识别提供了新思路。     

脑电-肌电信号样本熵与小波熵分析

为了探索自主动作和电刺激产生动作两种不同模式下的大脑运动皮层活动与肌肉收缩之间的关系,搭建了脑电和肌电实验测量平台,设计了自主腕部外旋和穴位电刺激两种实验动作模式,同步采集不同动作模式诱发的脑电信号和表面肌电信号,计算和分析信号的样本熵与小波熵.结果发现穴位电刺激模式下,脑电信号样本熵增大,肌电信号样本熵减小,脑-肌电的平均互样本熵增大,肌电信号的小波熵明显减小.表明穴位电刺激使大脑活动复杂性提高,肌肉活动的有序性增强,出现了优势节律,脑-肌电协同性提高.     

基于少次相干平均和样本熵的视听诱发脑电特征提取

针对脑电信号的非平稳性和非线性,采用少次相干平均结合样本熵的方法对视听诱发脑电信号进行特征提取.首先,对预处理后的脑电信号进行15次相干平均,获得视觉、听觉及视听觉诱发脑电的时域特征信号;然后,将该特征信号做为原始信号输入,构成m维矢量序列,计算相关导联在靶刺激、非靶刺激和自发脑电状态的样本熵值;最后,比较分析单一视觉、听觉和视听刺激下,不同状态脑电样本熵值,文中阐明了视听觉诱发下,大脑认知的复杂性和信息耦合性.结果显示:只进行少次相干平均即可有效提取视听刺激模式下脑电的样本熵特征量,减少了因长时间视觉刺激引起神经疲劳导致的误差.同时,靶刺激的出现可使脑电样本熵值增大,表明中枢神经系统与外周刺激发生信息耦合,导致了大脑系统复杂性的提高.该研究可以应用于神经认知科学和脑-机交互系统中.     

视听诱发脑电特征提取与大脑认知机理分析

为探索视听跨感觉大脑认知机理,基于Stroop效应设计视听觉刺激实验范式,利用Neuroscan40导联脑事件相关电位仪,连续动态采集视听诱发脑电信号,采用独立成分分析方法去除眼电伪迹,AR模型结合相干平均方法提取诱发脑电P300特征．通过对P300电位幅值和潜伏期的分析,研究视听觉诱发大脑认知的信息整合规律、交叉干扰作用和注意竞争效应．实验结果表明,大脑在视听双通道刺激下,更容易整合信息,具有视觉为主、听觉为辅的协同补偿作用,且视觉对听觉有较强的交叉干扰作用以及视觉为主导的竞争效应．该研究成果可以应用于神经信息处理、脑认知科学和脑一机交互系统中．     

基于小波-双谱分析的视觉诱发脑电特征提取

针对脑电信号非平稳性、非线性和非高斯性特点,利用小波变换和双谱分析相结合的方法提取视觉诱发脑电特征.采用Oddball实验范式,采集视觉诱发脑电数据.首先,对脑电信号进行少次相干平均以去除自发脑电;然后,选择合适的小波函数和分解层数,进行小波分解与重构,并对重构后细节系数进行白化处理;最后,利用双谱分析提取视觉诱发脑电特征.结果表明:该方法可以提取蕴涵于脑电中丰富的高阶时频信息,并且在处理脑电非线性和抑制高斯噪声方面具有较强的优越性.     

基于盲源分离的运动想象脑电信号特征提取方法的研究

运动想象脑电信号被广泛应用于脑机接口系统中。针对如何准确有效地提取运动想象脑电信号特征的问题,通过分析运动想象脑电信号时域、频域和头皮空间域的特征,提出了以小波变换为预处理,并利用二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器,从时域、频域和头皮空间域对运动想象脑电信号进行特征提取的方法。实验结果表明,采用时域、频域和空间域提取特征的方法性能有明显提高,并且将二阶盲辨识算法和信息论特征提取算法相结合获取的空间滤波器能够反映更真实的大脑源活动。     

基于排列熵与多重分形指数结合的特征提取算法在情感识别中的应用

通过对脑电信号的熵分析,进行了情感识别研究,并根据脑电信号的非线性特性以及多重分形特性的特点,提出了一种排列熵与多重分形指数相结合的情感脑电特征提取算法。该算法采用排列熵、Hurst指数、质量指数和奇异谱宽度相结合,实现情感脑电的特征提取,采用支持向量机(SVM))实现情感识别。结果显示,该算法两两情感识别,测试集最高正确率达到92.8%,除去激动对可怕外,正确率均在80%以上;与单独使用排列熵和分形指数特征的方法相比,最高正确率分别提高41.9%和31.2%。进一步分析了对积极和消极两类情感状态的识别效果,测试集平均正确率为78.3%,比排列熵与多重分形特征,测试集正确率分别提高了26.7%和1.6%。结果表明,基于排列熵与多重分形指数相结合的特征提取算法,能够充分挖掘脑电信号的非线性特性与多重分形特征信息,是一种有效的情感脑电特征提取算法。     

基于参数模型和FastICA算法的P300特征实时提取

利用AR模型结合快速独立成份分析（F astICA）对视觉诱发电位P 300特征进行实时提取.采用图片轮换作为诱发刺激获取EEG信号,利用主成份分析对脑电信号降维处理,然后进行独立成份分析,计算各独立成份与垂直眼电导联的相关性,自动去除眼电干扰.利用AR模型对自发脑电建模,并除去EEG中的自发脑电,通过少次相干平均提取P 300.实验结果表明：该方法可以不依赖任何先验信息,在不降低信噪比的情况下实时提取P 300特征,避免了长时间视觉刺激引起视觉疲劳而产生的误差,提高了脑机接口系统的识别效率,为建立在线BC I系统奠定了基础.     

基于深度自编码和LSTM循环网络的脑电情感识别

针对脑电信号情感识别中情感特征信息挖掘不充分、识别准确率低的问题,提出深度自编码方法提取脑电信号情感特征,并结合长短时记忆(LSTM)循环神经网络实现维度情感分类.首先,基于DEAP维度情感生理数据集,分别在唤醒度和效价维度选取情感标签阈值,划分不同情感状态;然后,通过时间窗对脑电信号分段,设计栈式自编码网络挖掘脑电数...