脑-机接口技术研究概况

脑-机接口(BCI-Brain-Computer Interface)是一种全新的通讯和控制技术.首先介绍BCI的定义和工作原理;从输入信号的类型选择、预处理、特征的提取、分类方法等方面论述了BCI系统设计中的关键技术;最后对BCI的应用及在未来的发展作了介绍.     

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。     

混合脑机接口的研究进展

传统的脑机接口（Brain Computer Interface,BCI）有许多不足,如基于运动想象的BCI需要受试者进行大量练习;基于P300位的BCI需要多次重复闪烁;基于SSVEP的BCI上的控制命令数量受刺激频率及其他因素影响.为此,研究人员提出了混合脑机接口（hybrid Brian Computer Interface,hBCI）.本文主要讨论了hBCI的研究进展,综述了常见的三种hBCI类型,分别是基于多种大脑模式的hBCI、基于多种感官刺激的hBCI、基于多种信号的hBCI,通过分析最新的hBCI系统的一般原理、刺激范式、实验结果、优点和应用,发现利用hBCI技术可以提高BCI的分类准确率,增加控制命令的数量,明显优于单一模态的BCI.     

互信息引导下的前向搜索脑-机接口导联选择算法*

在脑-机接口(Brain-computer interface, BCI)系统中,利用高密度导联来获取脑电(EEG)信号空间信息,增加了特征提取和识别的复杂度和难度。如何权衡导联分布数量与识别率间的关系,选择最优导联的位置和数量是BCI技术的核心问题之一。针对运动想象BCI系统,提出一种互信息引导下的前向搜索导联选择算法,首先采用互信息及最大相关最小冗余 (maximum dependency with minimum redundancy, mRMR)准则对各个导联进行排序,以前排导联信号的分类准确率为判剧,采用前向搜索算法依次选择后续导联,获得最优导联组合。以BCI competition Ⅳ Data sets 1为分析数据集,实验结果表明,所提算法在减少导联的同时提高了BCI系统的识别率,为BCI系统的应用提供了技术参考。     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口(Brain Computer Interface,BCI)则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

基于脑电BCI的研究综述

一直以来脑研究都是国内外的研究热点,脑机接口（Brain Computer Interface, BCI）则是脑研究中的重要内容之一。正因为如此,越来越多的国内外研究者开始从事BCI的相关研究,并取得了诸多优秀成果。该文从BCI信号角度入手,总结了近年来基于脑电BCI的典型系统、相关分析方法及研究成果,并具体分析了其中存在的不足之处。     

脑机接口技术的研究现状及发展趋势

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一种直接的信息交流和控制通道,是一种不依赖于常规大脑信息输出通路的全新信息交流系统。BCI技术为目前服务机器人提供了一个可选择的人机交互方式。本文介绍BCI技术的组成及工作原理,论述近年来BCI的发展现状,指出目前BCI研究存在的问题及未来发展趋势。     

基于支持向量机的思维脑电信号特征分类研究

探索一种实用的基于想象运动思维脑电的脑-机接口(BCI)方式,为实现BCI应用奠定比较坚实的理论和实验基础。对6名受试者进行三种不同时段(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,利用小波变换和支持向量机对实验数据进行离线处理。对三种情况下的延缓时间△t0、△t1和△t2分析发现:△t0与△t1和△t2之间都有显著性差别(p<0.05),而△t1与△t2之间没有显著差别(p>0.05);平均分类正确率分别达到68.00%、80.00%和56.67%(p<0.05);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了明显改变。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了新思路和方法。     

基于支持向量机的脑电信号中左右手判别

在脑-机接口的研究中分类识别技术占有重要地位。介绍了一种方法,用于对单次信号的分类。这种方法主要思想是将共空域子空间分解和支持向量机相结合,以便提取信号特征。该方法被用于“BCI Competition 2003”第IV数据包上,分类正确率达89%。     

基于DSP和ARM的便携式脑电信号处理系统的实现

为使脑一机接口技术(brain-computer interface,BCI)面向实用化、产品化,建立便携式的处理平台成为重要研究问题;系统采用现场可编程门阵列(FPGA)控制VGA显示器,设计了多功能视觉诱发刺激器,实时在线产生多种组合模式的刺激信号,诱发稳态视觉诱发电位;信号采集后放入到数字信号处理器(DSP)中,经过FIR滤波和FFT算法的处理后,得到辨识度较高的视觉诱发电位信号,并由无线将数据发送给STM32处理器,在LCD触屏上实时显示;实验结果表明系统实时采集、处理、显示脑电信号,相对于目前的BCI系统实现了多平台的便携式。     

Graz- 脑机接口研究概述

在明确了BCI相关概念与研究背景的基础上,从Graz-BCI的研究内容和应用2个方面,对Graz-BCI的研究现状进行了概述.归纳了运动想象控制、μ节律同步、自适应回归参数、复杂波段功率特征、相位同步特征及自适应分类器等方面Graz-BCI的关键技术,介绍了运动想象控制的研究基础、试验方法及相关参数、与自适应回归参数匹配的分类器、基于相位的复杂波段功率特征及相位同步特征、ADIM和ALDA 2种自适应分类器.总结了Graz-BCI技术在神经假体与拼写设备的相关应用,指出了Graz-BCI在运动想象控制、“大脑开关”以及光学BCI原理机等方面的发展趋势.     

Light on! Real world evaluation of a P300-based brain-computer interface (BCI) for environment control in a smart home

Brain-computer interface (BCI) systems aim to enable interaction with other people and the environment without muscular activation by the exploitation of changes in brain signals due to the execution of cognitive tasks. In this context, the visual P300 potential appears suited to control smart homes through BCI spellers. The aim of this work is to evaluate whether the widely used character-speller is more sustainable than an icon-based one, designed to operate smart home environment or to communicate moods and needs. Nine subjects with neurodegenerative diseases and no BCI experience used both speller types in a real smart home environment. User experience during BCI tasks was evaluated recording concurrent physiological signals. Usability was assessed for each speller type immediately after use. Classification accuracy was lower for the icon-speller, which was also more attention demanding. However, in subjective evaluations, the effect of a real feedback partially counterbalanced the difficulty in BCI use. PRACTITIONER SUMMARY: Since inclusive BCIs require to consider interface sustainability, we evaluated different ergonomic aspects of the interaction of disabled users with a character-speller (goal: word spelling) and an icon-speller (goal: operating a real smart home). We found the first one as more sustainable in terms of accuracy and cognitive effort.     

Mental workload during brain-computer interface training

It is not well understood how people perceive the difficulty of performing brain-computer interface (BCI) tasks, which specific aspects of mental workload contribute the most, and whether there is a difference in perceived workload between participants who are able-bodied and disabled. This study evaluated mental workload using the NASA Task Load Index (TLX), a multi-dimensional rating procedure with six subscales: Mental Demands, Physical Demands, Temporal Demands, Performance, Effort, and Frustration. Able-bodied and motor disabled participants completed the survey after performing EEG-based BCI Fitts' law target acquisition and phrase spelling tasks. The NASA-TLX scores were similar for able-bodied and disabled participants. For example, overall workload scores (range 0-100) for 1D horizontal tasks were 48.5 (SD = 17.7) and 46.6 (SD 10.3), respectively. The TLX can be used to inform the design of BCIs that will have greater usability by evaluating subjective workload between BCI tasks, participant groups, and control modalities. PRACTITIONER SUMMARY: Mental workload of brain-computer interfaces (BCI) can be evaluated with the NASA Task Load Index (TLX). The TLX is an effective tool for comparing subjective workload between BCI tasks, participant groups (able-bodied and disabled), and control modalities. The data can inform the design of BCIs that will have greater usability.     

Towards EEG-based BCI driven by emotions for addressing BCI-Illiteracy: a meta-analytic review

Many critical aspects affect the correct operation of a Brain Computer Interface. The term ‘BCI-illiteracy’ describes the impossibility of using a BCI paradigm. At present, a universal solution does not exist and seeking innovative protocols to drive a BCI is mandatory. This work presents a meta-analytic review on recent advances in emotions recognition with the perspective of using emotions as voluntary, stimulus-independent, commands for BCIs. 60 papers, based on electroencephalography measurements, were selected to evaluate what emotions have been most recognised and what brain regions were activated by them. It was found that happiness, sadness, anger and calm were the most recognised emotions. Relevant discriminant locations for emotions recognition and for the particular case of discrete emotions recognition were identified in the temporal, frontal and parietal areas. The meta-analysis was mainly performed on stimulus-elicited emotions, due to the limited amount of literature about self-induced emotions. The obtained results represent a good starting point for the development of BCI driven by emotions and allow to: (1) ascertain that emotions are measurable and recognisable one from another (2) select a subset of most recognisable emotions and the corresponding active brain regions.     

脑机接口中脑电信号的特征提取和模式分类

从智能处理与不确定性的角度, 探讨了脑机接口中的核心问题-EEG模式特征的识别和分类. 针对EEG模式分类中所存在的不确定性问题, 从EEG的特征提取和分类模型构建两个方面进行了分析, 并提出了解决问题的方法和对策. 以P300成分为例, 从导联选择、滤波处理和时间窗处理三方面进行特征提取, 采用贝叶斯线性判别分析的方法进行模式分类. 最后以第三届脑机接口竞赛P300字符输入的数据为实验, 分别采用3种不同的方法进行数据分析, 通过分类准确率和不同重复次数下性能的比较, 实验结果表明了本文特征提取和模式分类方法的有效性.     

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。     

非侵入式脑—机接口编解码技术研究进展

脑—机接口（brain-computer interface,BCI）系统通过采集、分析大脑信号,将其转换为输出指令,从而跨越外周神经系统,实现由大脑信号对外部设备的直接控制,进而用于替代、修复、增强、补充或改善中枢神经系统的正常输出。非侵入式脑—机接口由于具有安全性以及便携性等优点,得到了广泛关注和持续研究。研究人员对脑信号编码方法的不断探索扩展了BCI系统的应用场景和适用范围。同时,脑信号解码方法的不断研发极大地克服了脑电信号信噪比低的缺点,提高了系统性能,这都为构建高性能脑—机接口系统奠定了基础。本文综述了非侵入式脑—机接口编解码技术以及系统应用的最新研究进展,展望其未来发展前景,以期促进BCI系统的深入研究与广泛应用。