脑-机接口的研究现状与挑战

脑-机接口（Brain—computer interface，BCI）为人们提供了全新的与外界进行信息交流和控制的手段，具有非常重要的科学意义、学术价值和广阔的应用前景，是当今世界研究的热点。本文介绍了BCI的结构、类型和研究现状，分析了现有BCI系统存在的问题以及今后的发展方向。     

脑机接口标准化进展

脑机接口技术正处于技术和产业爆发期,前瞻性研究和技术突破屡屡涌现,产业发展方兴未艾.作为交叉前沿领域,脑机接口相关的术语概念、信号获取、数据传输、编解码算法以及系统实现等方面的标准化需求日趋紧迫.当前,脑机接口领域尚无国家以及国际标准,为产业快速健康发展带来负面影响.本文从脑机接口的基本概念、技术现状、市场趋势出发,系...     

面向康复与辅助应用的脑 机接口趋势与展望

无需肢体神经肌肉接触便可实现人与外界机器设备信息交互、使"思想"变成"行动"的脑-机接口(BCI)是脑神经科学与工程技术结合的新产物,亦是临床神经功能康复与运动辅助控制的新技术,可望为部分或完全丧失语言交流与肢体运动控制能力患者(如脑卒中、脊髓损伤、脊髓侧索硬化等疾病)提供全新的增强治疗与康复手段,但目前实际应用尚存在信息处理效率欠高、康复训练时间过长、控制模型通用性差等技术瓶颈。综述了上述技术难点并以运动想象(MI)BCI和BCI拼写器(Speller)为典型介绍了其可能的模型优化策略和解决方案,最后展望了未来BCI发展方向。     

基于MEG的脑机接口特征提取方法研究

脑磁信号作为一种新的脑机接口(BCI)输入信号,含有手运动方向的模式信息。在研究了适用于非平稳性的自适应自回归模型和适用于非高斯性的高阶谱自回归模型的基础上,本文针对脑磁信号的非平稳非高斯性,提出了一种新的特征提取算法,即基于经验模态分解的自回归模型。实验结果表明该算法适合于分析非高斯、非平稳的脑磁信号,结果优于上述的两种算法,并且超过了脑机接口竞赛四优胜者的识别率。     

一种基于DSP的脑机接口硬件系统设计

为了实现脑机接口系统的便携性,提高脑机接口信号传输的通信速率,本系统应用高性能信号处理器TMS320VC5402DSP作为核心芯片,设计了一种基于DSP的脑机接口硬件系统。在DSP系统设计中,应用多通道缓冲串口（McBSP）实现了DSP与模数转换器（A／D）的接口设计;扩展了可以实现上电自动加载的FLASH;应用通用串行总线USB接口实现DSP系统与上位机的通信。本文详细介绍了这一种基于DSP芯片的脑机接口系统的硬件组成和工作原理,包括各模块的芯片选择和接口设计,并运用VISIO和PROTEL软件绘制了框图及电路图,为后续的工作打下了基础。     

基于SSVEP_SSA融合的混合脑机接口研究

针对目前基于体感选择性注意范式的脑机接口控制指令数少,信息传输率低等缺点,提出了一种全新的多模态混合脑机接口系统。该系统融合稳态视觉刺激(SSVEP)和体感选择性注意范式(SSA),在外部视觉和体感刺激的作用下,诱发大脑产生稳态视觉电位和事件相关去同步现象。同时,为了解决传统脑电信息特征提取中需要大量先验知识等问题,引入深度学习算法对混合脑机接口信息进行意图解码,该方法将多通道的时域信息转换成具有时-频-空域三维特征的二维特征图。对8名受试者的离线实验显示,平均识别准确率达到81. 35%,确认了所提出的基于SSVEP_SSA融合的多模态混合脑机接口是可行的,实现了脑机接口(BCI)系统的指令集扩展和高精度解码。     

脑机接口中基于WPD和CSP的特征提取

针对脑机接口(brain computer interface,BCI)中2类运动想象任务的特征提取问题,提出了一种小波包分解(wavelet packet decomposition,WPD)与共同空间模式(common spatial pattern,CSP)相结合的脑电信号特征提取方法.该方法首先选择7个重要导联的脑电(electroencephalograph,EEG)信号,用‘haar’小波基进行三阶WPD分解;然后对每个导联分解后的其中5个子带进行重构,获取相关频域信息;最后对重构后信号利用CSP特征提取,获得六维特征向量.CSP与WPD相结合能够充分利用WPD的时频特性,有效避免CSP要求输入导联数过多、缺乏频域信息等缺陷.对2008年国际BCI竞赛数据和本实验室实验数据,采用该方法进行特征提取,通过概率神经网络(probabilistic neural network,PNN)分类.2种数据源分类正确率分别为92％和80％,相对于单纯的CSP特征提取,正确率分别提高5％和20％.实验结果表明:WPD与CSP相结合的特征提取算法能提取明显的特征,进而提高BCI的识别正确率.     

基于脑机接口技术的康复机器人综述

简述了脑-机接口系统的基本结构及其工作原理,归纳了系统信号采集、特征提取、选择分类及人机交互四个部分的基本技术处理方法,提出了脑一机接口系统存在的问题。重点阐述了基于脑机接121技术的康复机器人研究现状、研究中存在的问题及其研究前景。     

脑机接口中基于ICA-RLS的EOG伪迹自动去除

眼电(EOG)伪迹是基于脑电(EEG)的脑机接口系统中最重要的干扰。为自动去除这种干扰,提出了基于ICA-RLS的EOG伪迹自动去除算法。首先,ICA将多个导联EEG信号分解成数目相等的若干个独立分量(ICs)。然后,计算并依据每个IC的峰态系数,自动地从ICs中识别出EOG分量。最后,识别出的EOG分量用作RLS自适应滤波器的参考信号,并用该滤波器对原始EEG进行滤波,在无需记录EOG情况下实现EOG伪迹的自动去除。用提出算法对2008年脑机接口竞赛数据进行处理,从去除伪迹后信号的观察、信息保留完整性和最终分类结果的计算进行评价。与标准的ICA算法相比,提出算法能够更好去除EOG伪迹,同时获取更高的分类正确率。     

基于体感电刺激诱发P300的脑机接口

基于视听刺激诱发P300信号是目前脑机接口普遍使用的范式,然而众多病患存在视听功能障碍,无法由视听刺激获得稳定准确的P300信号,传统的P300脑机接口存在诸多局限性,因此,设计了一种以空间体感电刺激作为新范式的P300-脑机接口系统。实验采集了15名健康受试者注意不同手指电刺激时的脑电信号,仅对单一导联的数据进行分析处理,得到分类准确率和信息传输速率。结果显示,所有受试者可以成功诱发出P300特征信号,潜伏期在300ms附近;所有受试者的平均分类正确率达到77.96%±5.04%,高于随机水平(25%);信息传输速率最高可达15.97 bit/min。实验结果表明,采用基于空间位置的体感电刺激诱发P300的脑机接口系统,可以获得稳定的P300特征信号,是一种新的诱发模式;此外,仅采用一个导联的数据,即可达到较好的分类正确率和信息传输速率,方便用户使用。     

脑-机接口研究中想象动作电位的特征提取与分类算法

人在想象但未实施肢体或其他身体部位动作时,与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应,称为想象动作电位.想象动作电位的提取与分类是脑-机接口(BCI)技术的关键和难点.本文分别介绍了想象动作电位的时频分析、复杂度分析、相位耦合测量、多通道线性描述符、多维统计分析等特征提取方法和线性判别分析、人工神经网络、支持向量机等分类算法,以供BCI系统设计与研究时参考.     

视觉诱发电位脑-机接口实验范式研究进展

近年兴起可实现人脑直接对外信息交流和控制、让"思想"立即变"行动"的脑-机接口(BCI)新技术已在脑科学、神经计算、人工智能与机器人等多领域显示诱人前景。实验范式设计是研究与开发BCI系统的首要关键步骤。针对常见的各类视觉诱发电位(VEP)实验范式,从首个传统反应式VEP-BCI实验范式入手介绍了其诱发平台、实验流程和整体性能研究现状与存在问题及发展瓶颈;比较分析了近些年研究开发的多种改进型VEP-BCI实验范式,并展望了可能的实验范式发展新动向,希冀为研究开发高性能BCI提供新思路。     

基于植入式脑机接口的在体生物电子鼻研究进展

气味检测在食品安全控制、环境检测、缉毒、炸药搜索等社会安全防范方面起到重要作用。哺乳动物具有异常高灵敏的嗅觉系统,能检测到空气中极其痕量的气体分子,在缉毒、搜爆、反恐等社会防范方面发挥着重要的作用。本课题组提出了一种新型的基于植入式脑机接口的在体生物电子鼻:利用哺乳动物的嗅上皮作为初级气味感受器,气味信息通过嗅球和嗅皮层修饰处理后,将植入式微电极阵列包埋于嗅球或嗅皮层记录其响应信号,通过对记录到的神经元信号进行分析解码,实现气味检测与识别。本文重点介绍了在体生物电子鼻的原理、组成结构、技术实现、应用等,最后,对该领域的发展趋势进行了展望。     

动态矫正衣对脑卒中偏瘫患者平衡和步行功能的即刻影响

目的:观察动态矫正衣对脑卒中偏瘫患者平衡功能和步行功能的即刻影响。方法:30例脑卒中后偏瘫患者在穿戴动态矫正衣前、穿戴动态矫正衣进行适应性训练5min后,分别应用BIODEX平衡评估系统评估患者站立位下的摆动指数(Sway Index),应用数字化跑台步态分析系统评估患者步行时的躯干屈伸角度、躯干侧弯角度、负重对称性,3m起立-行走测试(3m TUGT)、10m步行速度测试(10M WST)对患者进行平衡和步行功能的评估。结果:患者穿戴动态矫正衣后即刻站立位下的摆动指数(Sway Index)无论在稳定平面还是在泡沫软垫不稳定平面均较穿戴前明显下降(P<0.05),而且闭眼情况下,均较睁眼时下降更明显,差异具有统计学意义(P<0.05)。步行时躯干屈伸、侧弯角度、负重对称性较穿戴前明显改善(P<0.05)。而3M TUGT、10M WST时间均较穿戴前明显延长,差异具有统计学意义(P<0.05)。结论:穿戴动态矫正衣即刻即可提高脑卒中后偏瘫患者的站立平衡及步行稳定性。但也因穿戴后躯干代偿减少,导致患者短时间内活动速度下降。     

复合肢体想象动作脑-机接口中黎曼核支持向量机递归特征筛选方法

相对于传统的想象动作脑-机接口,复合肢体想象动作脑-机接口有效提升了指令复杂度,具有更好的中风后康复治疗潜力,但当前较低的识别精度限制了其临床应用。为提升复合肢体动作想象相关脑电信号特征的特异性并降低不同通道间的信息混淆,提出了一种基于脑电流形特征信息刻划的黎曼核支持向量机递归特征筛选方法(Riemann kernel support vector machine recursive feature elimination, RKSVM-RFE)。采集了10位被试在进行想象7种不同肢体部位动作时的脑电信号数据,利用RKSVM-RFE方法进行特征优化和建模,对脑电数据对应的运动意图进行识别。结果显示,基于所提方法的平均识别正确率达到了77%,相比于经典的CSP方法提高了近7%,并且能够消减近50%的脑电信息采集通道,可有效降低系统复杂性。研究结果为基于想象动作脑-机接口的康复技术发展提供了新的思路,值得进一步发展。     

基于改进共空间模式与视觉反馈的闭环脑机接口

为提高脑卒中等神经损伤患者在下肢康复训练过程中的主动参与度,设计了基于人体下肢运动想象与视觉反馈的在线闭环脑机接口,并建立了基于互相关熵诱导度量与子频带分析的改进共空间模式算法,提高人体下肢运动意图的识别率。针对运动想象脑电信号信噪比低和难以精确识别等问题,在传统共空间模式算法基础上,利用互相关熵诱导度量准则改进其目标函数,实现了目标函数中距离项属性的动态调整,降低对噪声的敏感性,提高算法鲁棒性;利用脑电信号不同频段蕴含信息不同的特点,使用9个子频带滤波器对信号进行滤波,对每个子频带信号分别提取特征,并进行特征融合,建立基于互相关熵诱导度量与子频带分析的改进共空间模式算法。其次,基于人体下肢运动想象的脑控试验范式,收集下肢运动想象(空想、脚动和腿动)的脑电数据,采用支持向量机(SVM)建立分类模型,优化设计模型参数。在上述研究基础上,建立了以改进共空间模式为特征提取算法,SVM为分类器的脑机接口。进而,在被试执行运动想象的同时,通过虚拟现实场景中虚拟人物的肢体动作给予用户视觉反馈,构建了闭环的脑机交互系统。通过试验验证了改进共空间模式算法的有效性和闭环脑机接口的可行性,初步实现了闭环脑机交互接口。     

脑机接口技术的仿人控制综述

脑机接口是一种利用脑信号控制外部设备的通信机制,这种信号的产生有时是独立于神经系统的,例如在被动脑-机接口中,这对那些有严重情绪障碍的人来说大多是有益的.传统的脑-机接口系统只依赖于脑电图记录的脑信号,并使用基于规则的翻译算法来生成控制命令,然而,多传感器数据融合和基于机器学习的翻译算法的使用提高了这类系统的精度.在简...     

基于稀疏组lasso的脑机接口通道和特征选择研究

脑电信号(EEG)特征提取和分类是脑机接口(BCI)系统的核心问题之一。由于BCI系统中EEG信号多通道采样和特征向量的高维性,有效的特征选择算法已经成为研究中不可分割的一部分。针对EEG特征选择问题采用一种新方法:基于封装式稀疏组lasso的EEG融合特征的同时通道和特征选择方法。实验中将该方法与现有的通道选择和特征选择方法进行比较,结果表明,该方法更适用于高维融合特征的最优特征子集选择问题,且该算法稳定、时间成本低。此外,在保证错误率相当或较低的情况下,该方法能够同时实现通道和特征选择。国际BCI竞赛IV的两类运动想象信号的测试错误率为15.28%。     

Motomed康复训练器在脑卒中偏瘫中的效果及对肢体功能的影响

目的:分析Motomed上下肢康复训练器在脑卒中偏瘫患者中的应用效果及对肢体功能的影响.方法:以2019年1月-2020年1月本院收治的92例脑卒中偏瘫患者为对象,根据随机数字表法将其分为两组,对照组46例予以常规康复训练,试验组46例予以Motomed上下肢康复训练器训练,对比分析两组治疗后上肢、下肢康复效果、神经功...     

基于脑电的图像控制技术实现方法的研究

利用实时脑电信号实现基于脑电的脑-计算机接口技术的一项具体应用--利用脑电信号控制图像的输出大小.文中主要介绍了系统的总体设计、信号的识别处理和识别算法.本系统实现了在较高准确率的情况下,利用脑电信号来对图像的尺寸进行控制,为图像通讯与处理提供了一种新方法.