基于 P300 与 ErrP 决策融合的脑-机接口目标检测方法

针对脑-机接口(BCI)技术在目标检测中的应用仍然存在检测准确率受限的问题,提出基于事件相关电位(ERP)中的 P300 与错误相关电位(ErrP)决策融合的新型编解码方法。 BCI 系统编码方面通过目标图像和视觉反馈分别诱发 P300 与 ErrP 特征,解码方面采用单独 P300 特征、单独 ErrP 特征、P300 与 ErrP 特征层融合、P300 与 ErrP 决策层融合这 4 种方案进行目标检 测。 10 名健康受试者 4 种方案进行目标检测的平均结果显示,使用 P300 与 ErrP 决策层融合的平衡正确率最高,达到 80. 03%± 5. 20%,相比单独使用 P300 特征的方法提升了 4. 38%,相比单独使用 ErrP 特征的方法提升了 11. 29%,验证了混合 BCI 技术在 目标检测任务中的可行性。     

脑机接口中脑电图-近红外光谱联合分析进展研究

脑机接口(BCI)能将受试者意图相关的大脑活动转化为外部设备控制指令,在神经疾病治疗、运动康复等方面具有较高应用潜力。BCI的实现需从人脑获取有意义的信号,而脑电图(EEG)可以反映神经电活动,主要用于对反映实时性要求较高的BCI系统;近红外光谱(NIRS)主要反映血流动力学水平,一般用于神经生理状态等需要精确定位脑活跃区域的研究。EEG和NIRS因其非侵入、方便穿戴、成本较低等优点,成为BCI的重要信号获取方法。相比于单模态BCI系统,基于EEG-NIRS联合分析的混合BCI系统由于具有更丰富的信号特征,在生理状态检测、运动想象等领域得到了越来越多的关注与研究。该文从EEG-NIRS联合分析在脑机接口中应用的研究现状出发,在数据和特征融合程度、层面上归纳最近的相关领域研究现状,并对EEG-NIRS信号处理手段的研究前景进行了展望。     

刺激视野面积对稳态视觉诱发电位的影响

基于稳态视觉诱发电位（SSVEP）的脑-机接口（BCI）系统通常采用占据较大视野面积的闪烁刺激以诱发更明显的脑电特征,但容易造成使用者疲劳、紧张和头痛,限制了SSVEP-BCI的实际应用。针对此问题,该文以幅值、信噪比、典型相关系数和任务相关系数为指标,探究了不同刺激视野面积（以角度尺寸进行衡量,范围为0.1°至13°）对诱发SSVEP信号特征强度的影响。分析结果表明,SSVEP信号的强度最初随刺激角度尺寸的增大而增大,但在角度尺寸达到3°左右后增长开始变缓并保持平稳。综合考虑系统舒适度和特征强度两个因素后得出结论,SSVEP-BCI系统的刺激角度尺寸约为3°时能够达到最佳性能。该文为SSVEP-BCI的最佳刺激角度尺寸选择提供了依据,相关研究成果在舒适友好型BCI方面具有潜在的应用价值。