植入式脑机接口技术向医疗器械转化的问题与挑战

该文回顾了过去几十年脑机接口技术取得的成果,以及脑机接口科研成果向临床医疗器械转化过程中,将会面临的挑战。对此,该文首先介绍了脑机接口技术常用的信号源,包括脑电图、皮层电图和皮层内电信号及其特点;其次叙述了对商用脑机接口产品的解码能力和信息双向闭环的考量,讨论了目前脑机接口商用机设计中存在的稳定性、生物相容性挑战;最后阐述了植入式脑机接口向医疗器械转化过程中,产业化发展的政策、资金和技术路线的协同发展问题。     

基于脑机接口与双激光雷达的移动车导航系统

针对脑机接口信噪比低、准确率差和延时长等问题,提出了基于机器智能辅助的室外移动机器人脑机接口导航方法.设计并实现了一个基于脑机接口与双激光雷达的移动车导航系统.该系统首先采用了基于双激光雷达的改进的角度势场法进行局部路径规划,然后结合脑机接口系统获取的导航意图,经过融合决策给出控制命令,驱动一辆经过机械系统改装的电动汽车.实验表明,该系统能根据环境障碍信息和脑机控制意图实现智能避障与人机协同导航,具有更高的准确性、容错性和鲁棒性.     

听觉脑–机接口的智能机器人控制系统

脑-机接口系统普遍存在控制命令单一、控制效率低和控制负担重等问题.通过改进控制目标的功能或加入智能化模块可以从一定程度上改善这个问题;但这方面的研究工作相对较少.如何针对残疾人的实际情况,研究智能控制与脑-机接口系统的有效切合点,是脑-机接口系统智能化的关键所在.本文针对视觉缺陷残疾人,提出一种结合机器视觉功能的听觉脑-机接口系统,将机器人自动视觉搜索,目标智能识别与听觉脑-机接口系统相结合,利用听觉脑-机接口系统向机器人发出简单人名指令,机器人将根据指令自动搜索识别,实现目标的自动跟踪.在一定程度上弥补视觉损伤病人在日常生活中的缺陷,也为脑-机接口的智能化提供了一个依据.     

脑机接口系统中的交互技术研究

首先介绍了脑机接口(brain-computer interface,BCI)系统的概念和基本组成,交互技术在系统中的重要作用,以及目前国际上比较典型的交互技术;其次鉴于当前交互技术中存在的不足,分析了如何使人在脑机接口系统发挥更重要的作用,提出了一种新的脑机接口实验范式,该范式中随着被试操作技能的提高系统性能可以得到明显提升;之后建立了该实验范式的原型机系统——基于BCI的倒摆交互控制系统;最后对脑机交互技术的发展及脑机接口技术未来的应用做了展望。     

脑电信号控制康复机器人的关键技术

本文介绍利用脑机接口控制康复机器人的方法。文章首先介绍了脑机接口的定义和研究现状，接下来详细介绍了利用稳态视觉诱发电位构造脑机接口的方法，最后利用该脑机接口实现了对假肢的控制。     

脑-机接口研究进展

作为当前神经工程领域中最活跃的研究方向之一,脑-机接口在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力.近10年来,脑-机接口技术得到了长足的进步和飞速的发展,应用领域也在逐渐扩大.在已有相关工作的基础上,介绍脑-机接口系统的主要组成部分,对各组成部分常涉及到的相关基本理论和技术作了总结和介绍,主要包括脑信号获取、脑信号预处理、特征提取、变换算法等相关技术和理论,最后对脑-机接口未来的研究方向进行了展望.     

一种基于双特征的联合脑-机接口系统设计

与传统基于单一脑电信号的脑-机接口相比,基于多种特征信号的联合脑-机接口能有效提高脑-机接口性能.在基于稳态视觉诱发电位和P300诱发电位的联合使用的可行性基础上,提出了新的刺激编码方式,构建了一种基于两种特征的联合脑-机接口系统.通过设计3×3字符刺激矩阵,矩阵中纵列按各自设定频率闪烁诱发稳态视觉诱发电位,横行随机出现蓝色框诱发P300.实验表明,当受试者注视并关注目标字符,两种特征脑电信号能够被同时诱发,且对脑电信号中两种特征进行识别能够检测出受试者选取的字符.与传统基于P300的字符脑-机接口相比,刺激诱发时间减少了一半,从根本上提高了脑-机接口的速度.在以后工作中,系统可以扩展到更大矩阵(如6×6),构建更为实用的联合脑-机接口系统.     

基于CMP的脑机接口并行算法的设计与实现

脑机接口作为一种新型的不依赖于人体外周神经系统及肌肉组织的人机交互手段受到了广泛的关注。然而由于脑电信号自身的复杂性以及复杂的模式识别算法,使得传统的单机处理模式无法满足脑机接口实时在线分析的要求。同时,处理器的发展已经进入到了多核时代,有着大量的计算资源可供使用。基于此,本文提出了脑机接口关键算法并行化的一般框架,并依据该框架对P300脑机接口的识别分类算法进行了并行化。理论分析和实验结果表明并行化能有效的提高脑机接口的通信速率,为脑电信号的在线分类识别提供了新的思路。     

基于P300-SSVEP的双人协同脑-控机械臂汉字书写系统

基于脑-机接口（Brain-computer interface, BCI）的脑-控技术发展迅速,取得较大进展。然而,现有研究多采用单人脑控方式,存在执行效率低、可控自由度低的问题,难以满足复杂条件下的操控任务需求。针对此问题,本文采用时-频-相混合编码的视图脑-机交互方法,设计双人协同策略,通过解码P300和稳态视觉诱发电位（Steady-state visual evoked potential, SSVEP）脑电特征,开发了108指令的双人协同脑-控机械臂系统,实现双人同时对汉字一笔一划的书写。8名被试在线平均正确率为87.92%,平均在线信息传输速率（Information-transfer rate, ITR）为66.00 b/min。该系统扩展了BCI信息交互方式,初步验证了协同BCI操控机械臂的可行性和有效性,为协同BCI提供了技术支撑。     

浅谈脑-机接口技术

脑机接口是近年来发展起来的一种人机接口,它不依赖于大脑的正常输出通路(即外围神经和肌肉组织),就可以实现人脑与外界(计算机或其它外部装置)直接通信的系统。本文概述了基于脑信号的脑机接口的基本结构,常用算法及应用前景。     

脑机接口技术的发展与展望

脑机接口(Brain Computer Interface,BCI),作为一种特殊的人机交互方式,受到人们越来越多的关注,已成为人工智能与控制领域的研究热点。首先,系统地介绍了脑机接口的概念,并对脑电图(Electroencephalogram,EEG)研究中涉及的关键技术及创新发展进行了分析和归纳。此外,论述和分析了BCI系统在交流功能恢复、运动功能恢复、车辆行驶控制、环境控制等应用领域的现状和不足。最后针对脑机接口技术亟待解决的关键问题,提出了一种基于云计算服务模式的BCI+AI的脑机接口架构。     

基于脑肌电信号的机械臂控制方法与实现

针对脑-机接口目前存在的输入信息源单一、特征识别准确率低、输出控制指令少的问题,本文提出一种基于脑肌电信号的机械臂控制系统。首先对单侧手臂肌电信号和左右手运动想象脑电信号进行同步采集,然后分别进行特征提取和分类识别;并最终将分类模型应用于机械臂的多指令实时控制中。实验结果表明：20名被试者均实现了机械臂的多指令实时控制,且各动作识别准确率平均达到了95%以上。该系统模型丰富了混合脑-机接口的多样性,为脑-机接口在机械臂的控制应用提供了理论依据和实践基础。     

一种基于稳态视觉刺激的适用于群体脑电特征的研究方法

脑机接口（Brain Computer Interface,BCI）的应用研究中，减少训练时间，群体广泛适用是脑机接口技术落地的重要公关方向。本文对比现有研究方法，从原理上得出一种适用群体的脑机接口研究方法，对适用群体的脑机接口技术进行研发，解决脑机接口应用的关键问题，实现基于稳态视觉刺激的诱发式群体适用的脑机接口并测试，验证当前研究中稳态视觉刺激诱发的脑机接口具有良好的广泛适用性，目前阶段更容易实现产业落地。     

基于自发脑电的脑机接口实验研究与设计

针对基于自发脑电信号的脑机接口研究,设计了一种科学的且易实现的运动想象实验范例,利用运动想象脑电作为BCI的控制信号。该实验方案能有效地获得可识别的具有特征性的自发脑电电位,满足脑机接口实验要求,为BCI的研究提供了一种更加自然、更加实用的控制方式。     

脑机接口在机器人控制中的应用研究现状

本文首先介绍了脑机接口(BCI)系统,接着论述了近年来脑机接口在机器人控制中的应用研究现状,最后总结了当前研究存在的问题及发展方向.     

视觉P300脑机接口中的SOA扰动现象

异步操控性是脑机接口走向实际应用的关键技术之一.其关键点在于寻找一种可有效区分脑机接口工作状态和空闲状态的指标.建立了针对P300脑机接口的刺激起始异步(SOA)扰动模型,在仿真实验和实测数据中观察到SOA扰动谱线,并根据所提出的模型给出了合理解释.研究了SOA扰动的频域特性,结果表明,当SOA位于220 ms附近时,SOA扰动的强度最大,而当SOA低于150 ms时,SOA扰动强度将急剧减小.同时SOA扰动所具有的锁相性使得可以通过时域相干平均法进一步提高信噪比.SOA扰动可作为脑机接口处于工作状态的标志,为异步脑机接口的实现提供了一种新的研究思路.     

利用相对小波能量和概率网络的脑-机接口

脑-机接口是一种全新的人机接口方式,在人脑与计算机或其他电子设备之间建立的直接的交流和控制通道。特征提取和分类是脑-机接口的关键。脑电信号经过预处理后,利用脑电信号的相对小波能量作为特征,采用主分量分析进行降维,然后利用概率神经网络对两类不同的意识任务（想象小手指运动和舌头运动）进行分类。离线分析结果表明,该方法在分类准确率上有很大的提高,从而为脑-机接口系统的特征提取和分类提供了新思路。     

混合脑机接口及其研究进展

脑机接口（brain-computer interface,BCI）技术作为一项新兴且发展潜力巨大的技术,已成为国际研究热点。但面向实际应用,现有BCI技术仍面临许多有待解决的问题,如基于稳态视觉诱发（SSVEP）的BCI技术控制命令数有限,基于运动想象（motor imagery,MI）的BCI存在诱发生理信号空间分辨率低、训练时间长等问题。研究表明,混合脑机接口（hybrid brain-computer interface,HBCI）相比于传统单模态BCI系统,在系统准确率、稳定性方面均有所提升。文章对HBCI进行了介绍,从基于多脑电模式的混合脑机接口、基于多种刺激诱发的混合脑机接口、基于多模态信号的混合脑机接口这三个类别分别对HBCI的研究进展进行阐述,并对HBCI关键技术、需要解决的问题及应用方向进行了概述。     

基于FPGA的脑机接口实时系统

给出了以FPGA为核心,实现基于瞬态视觉诱发电位的脑机接口实时系统的方案。该方案包括脑电采集电路、基于FPGA的VGA视觉刺激器和FPGA开发板三部分。用FPGA取代计算机,作为脑机接口的控制和信息处理器。利用VHDL编程,在FPGA中实时处理采集的脑电信号,提取并识别瞬态视觉诱发电位信号,转换为控制命令,反馈给视觉刺激器。实验结果表明,本方案可以有效地实现脑机接口实时系统,并达到较高的正确率和通信速度。     

一个协同开发框架中的用户协同层模型

1 引言计算机支持协同工作CSCW(Computer-Support-ed Cooperative Work)以辅助人与人在日常工作中的交互为目的,支持一组用户参与一个共同的任务,并提供给他们访问共享环境的接口,由此为这个用户群提供协同支持。它反映了人们对计算机功能需求的改变,即希望计算机从传统的解决计算问题发展为辅助用户的交互活动。对于计算机支持协同工作要求尽可能体现用户之间的协同以方便用户的协同工作。所以对协