基于深度时空特征融合的多通道运动想象EEG解码方法 被引量：7

1

作者 杨俊 马正敏 +2 位作者 沈韬 陈壮飞 宋耀莲 《电子与信息学报》 EI CSCD 北大核心 2021年第1期196-203,共8页

脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况。脑电广泛应用于脑-机接口(BCI)系统。然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补。为... 脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况。脑电广泛应用于脑-机接口(BCI)系统。然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补。为了从多通道数据中高效地获取到与运动想象任务相关的辨识特征,该文提出一种针对多通道脑电信息的卷积神经网络(MC-CNN)解码方法,先对预先选取好的多通道数据预处理后送入2维卷积神经网络(CNN)进行时间-空间特征提取,然后利用自动编码(AE)器把这些特征映射为具有辨识度的特征子空间,最后指导识别网络进行分类识别。实验结果表明,该文所提多通道空间特征提取和构建方法在运动想象脑电任务识别性能和效率上都具有较大优势。 展开更多

关键词 运动想象脑电解码 多通道特征融合 子空间特征

在线阅读 下载PDF 职称材料

脑机接口系统中EEG信号特征提取与分类 被引量：4

2

作者 葛瑜 杨钢 《微计算机信息》 北大核心 2008年第18期266-267,278,共3页

脑机接口(BCI)技术是近年来国际上的研究热点之一,它通常利用脑电(EEG)来实现无动作的人机交互,运动想象是其中一种重要BCI实验范式,利用第二届国际脑机接口竞赛中的一组实验数据为处理对象,将数据经公共空间模式滤波、小波时频分解、... 脑机接口(BCI)技术是近年来国际上的研究热点之一,它通常利用脑电(EEG)来实现无动作的人机交互,运动想象是其中一种重要BCI实验范式,利用第二届国际脑机接口竞赛中的一组实验数据为处理对象,将数据经公共空间模式滤波、小波时频分解、然后采用T加权提取最后特征,并利用支持向量机进行分类器设计。实验结果表明,该算法效果较好,最终识别正确率达到89.3%。 展开更多

关键词 运动想象(mi) 公共空间模式(CSP) 支持向量机(SVM)

在线阅读 下载PDF 职称材料

多域特征融合的轻量化运动想象脑电信号解码神经网络

3

作者 曹柠 温昕 +1 位作者 郝雁嵘 曹锐 《计算机应用》 北大核心 2026年第1期289-296,共8页

针对解码运动想象脑电信号(MI-EEG)时大规模网络解码速度慢,以及特征信息未能充分利用等问题,提出一个多域特征融合的轻量化MI-EEG解码神经网络。该网络通过轻量化模块提取多域特征,包括利用SincNet提取频域特征以及利用时间卷积网络(T... 针对解码运动想象脑电信号(MI-EEG)时大规模网络解码速度慢,以及特征信息未能充分利用等问题,提出一个多域特征融合的轻量化MI-EEG解码神经网络。该网络通过轻量化模块提取多域特征,包括利用SincNet提取频域特征以及利用时间卷积网络(TCN)提取时域特征;在时频域特征提取之后引入挤压激励(SE)注意力对特征图进行自适应校准,以突出关注重要特征并抑制冗余信息。最后,利用可分离卷积实现时频特征的有效融合,解决单域特征信息不足的问题。此外,采用交叉熵和中心损失函数联合约束网络的训练过程,以优化类内和类间的分类性能。实验结果表明,该网络在BCI 2a、SMR-BCI和OpenBMI这3个运动想象(MI)公开数据集上的参数量分别为6870、5690和6870,平均准确率分别达到74.78%、71.93%和65.40%,平均Kappa值分别达到0.70、0.66和0.59。与深层卷积网络(DeepConvNet)、轻量级脑电信号卷积神经网络(EEGNet)和基于时间卷积的脑电信号识别网络(EEG-TCNet)相比:在BCI 2a数据集上,所提网络的平均准确率分别提升了11.06、8.85和6.36个百分点;在SMR-BCI数据集上,所提网络的平均准确率分别提升了10.53、4.17和3.57个百分点;在OpenBMI数据集上,所提网络的平均准确率分别提升了5.09、4.99和2.33个百分点。可见,所提网络在保证轻量化的同时兼顾了解码性能。 展开更多

关键词 运动想象 脑电信号 轻量化 多域特征融合 挤压激励注意力

在线阅读 下载PDF 职称材料

基于EEG的脑机接口发展综述 被引量：13

4

作者 姜耿 赵春临 《计算机测量与控制》 2022年第7期1-8,共8页

随着无线传输、机器学习、人工智能等技术的进步,基于脑电图(EEG)的脑机接口(BCI)技术的研究相应增加,作为一种变革性的通讯和控制技术,脑机接口可以广泛地应用于康复医疗、游戏娱乐、军事应用、家居智能等领域,具备千亿级别的应用市场... 随着无线传输、机器学习、人工智能等技术的进步,基于脑电图(EEG)的脑机接口(BCI)技术的研究相应增加,作为一种变革性的通讯和控制技术,脑机接口可以广泛地应用于康复医疗、游戏娱乐、军事应用、家居智能等领域,具备千亿级别的应用市场;综述了基于EEG的典型脑机接口范式,包括MI-BCI、P300-BCI、SSVEP-BCI等范式的基本原理、研究现状和典型应用场景,对各类范式的优缺点进行了评价,提出了当前研究中面临的技术和伦理等方面的风险挑战,并对其发展和应用前景作了展望。 展开更多

关键词 脑机接口(BCI) 脑电图(eeg) 运动想象(mi) P300 视觉稳态诱发电位(SSVEP) 感觉运动节律(SMR)

在线阅读 下载PDF 职称材料

基于PCA的EEG-fNIRS特征融合

5

作者 刘化东 许博俊 李梦琪 《现代电子技术》 2023年第19期29-33,共5页

运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光... 运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光谱(fNIRS)是目前一种无创的功能神经成像技术。在单个模式上,EEG的空间分辨率较差,而时间分辨率较高,相比之下,fNIRS提供了更好的空间分辨率,所以文中采用双模态的方式对MI信号进行解码。由于EEG和fNIRS是两种不同类型的信号,如何对两种信号进行融合是目前研究的重点和难点,文中首先对特征提取后的两种信号进行归一化处理,然后采用主成分分析(PCA)算法进行信号融合。实验招募了12名被试做抬左右腿的运动想象。结果表明单独使用EEG和fNIRS进行信号解码精度最高为73.8%,使用PCA对EEG-fNIRS的特征进行融合后分类精度实现了81.2%,提高了7.4%。实验结果证明提出的方法可以为未来的多模态在线BCI系统提供新的思路。 展开更多

关键词 双模态融合 脑电图 功能近红外光谱 运动想象 支持向量机 共空间模式 信号解码 主成分分析

在线阅读 下载PDF 职称材料

基于CWGAN⁃ABiLSTM⁃FCN的运动想象脑电信号分类 被引量：1

6

作者 吴生彪 程显朋 李花宁 《现代电子技术》 北大核心 2025年第7期57-64,共8页

针对运动想象脑电信号(MI⁃EEG)样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI⁃EEG的运动意图识别实时性差、精度低的问题,提出一种融合改进的双向长短时记忆神经网络(BiLSTM)和全卷积... 针对运动想象脑电信号(MI⁃EEG)样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI⁃EEG的运动意图识别实时性差、精度低的问题,提出一种融合改进的双向长短时记忆神经网络(BiLSTM)和全卷积神经网络(FCN)的MI⁃EEG信号分类方法。首先,该方法利用条件生成对抗网络产生虚假的MI⁃EEG信号样本,实现训练样本集的有效扩充,解决了数据集过少且各类别数量不平衡的问题;其次,利用双向自注意力长短时记忆神经网络和全卷积神经网络的各自优势,避免了时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难以及无法兼顾MI⁃EEG信号的时⁃空域特征的问题;在此基础上,构建融合特征与动作分类标签间的非线性映射关系,从而提高模型的识别精度。最终将此分类模型与其他的MI⁃EEG分类模型在测试数据集进行了对比实验。研究成果表明,该MI⁃EEG识别模型准确度达到了97%,显示出较强的泛化能力。 展开更多

关键词 运动想象 脑电信号分类 生成对抗网络 长短时记忆网络 全卷积神经网络 注意力机制

在线阅读 下载PDF 职称材料

多阶段分布适应的跨被试运动想象脑电解码模型

7

作者 何敏 罗天健 《计算机应用》 北大核心 2025年第12期4064-4072,共9页

运动想象脑电(MI-EEG)信号在无创脑机接口(BCI)中扮演重要角色,已被广泛应用于临床辅助康复训练。作为一个主动刺激范式,MI-EEG的样本采集成本高且个体差异大,同时具有复杂时变性和低信噪比等特点,使得构建跨被试MI-EEG解码模型成了研... 运动想象脑电(MI-EEG)信号在无创脑机接口(BCI)中扮演重要角色,已被广泛应用于临床辅助康复训练。作为一个主动刺激范式,MI-EEG的样本采集成本高且个体差异大,同时具有复杂时变性和低信噪比等特点,使得构建跨被试MI-EEG解码模型成了研究关键。然而,当前绝大多数的跨被试解码模型采用单阶段的对抗学习策略,并且仅考虑学习边缘分布或条件分布最小化的深度表征,进而严重制约了MI-EEG解码性能。因此,提出一种多阶段分布适应(MSDA)的跨被试MI-EEG解码模型。首先,采用样本协方差对齐被试者之间的样本边缘分布差异;其次,通过预训练特征提取器和域鉴别器获取边缘分布不变的深度表征;最后,通过L2距离构建深度表征的联合分布不变映射,并交替训练联合这些映射和分类器学习联合分布不变的深度表征用于跨被试MI-EEG解码。MSDA模型分别从样本边缘分布、深度表征边缘分布和深度表征联合分布这3个阶段进行被试者之间的分布适应,从而有效地应对单阶段分布适应的挑战。在BCI Competition IV-2a和BCI Competition IV-2b公开数据集上的实验结果表明,MSDA模型在准确率和Kappa系数这2个指标均超越了近期提出的解码模型。可见,MSDA模型提升了跨被试域不变深度特征的学习能力,为构建MI-BCI提供了新的选择。 展开更多

关键词 运动想象 脑电信号 跨被试 域不变深度表征 域适应

在线阅读 下载PDF 职称材料

基于EEMD和WT的运动想象脑电信号消噪方法 被引量：11

8

作者 蔡慧 马玉良 +2 位作者 佘青山 高云园 孟明 《传感技术学报》 CAS CSCD 北大核心 2016年第5期716-722,共7页

采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号。为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相... 采集到的运动想象脑电信号MI EEG(Motor Imagery Electroencephalogram)通常含有大量噪声信号。为了消除噪声同时保留尽可能多的有效信号,本文提出了将集合经验模态分解EEMD(Ensemble Empirical Mode Decomposition)与改进小波阈值法相结合的消噪方法。改进小波阈值法采用了新的阈值选取规则和阈值函数。首先对信号进行EEMD分解,然后再对高频固有模态函数IMF(Intrinsic Mode Functions)进行改进小波阈值处理,最后将处理后的高频IMF分量和低频IMF分量进行重构得到消噪信号。以信噪比和均方根误差作为消噪效果的定量评价指标,将本文提出的方法与单纯使用EEMD分解消噪法、单独使用改进小波阈值消噪法、EMD与改进小波阈值法相结合消噪法进行比较,结果表明,本文提出的消噪法优于其他三种消噪法。 展开更多

关键词 运动想象脑电信号 消噪 EEMD 小波阈值法 IMF分量

在线阅读 下载PDF 职称材料

想象动作诱发生理信息检测及其应用研究:回顾与展望 被引量：18

9

作者 明东 王坤 +2 位作者 何峰 綦宏志 万柏坤 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第9期1921-1931,共11页

想象动作(MI),或称运动想象,指大脑仅有动作意图但不实际执行,反映人对动作的期望及对将要发生真实动作的预演。MI与真实执行动作有相似的认知过程,由此可揭示运动行为心理过程与真实动作控制之间的关系。故MI成为探究动作执行时神经心... 想象动作(MI),或称运动想象,指大脑仅有动作意图但不实际执行,反映人对动作的期望及对将要发生真实动作的预演。MI与真实执行动作有相似的认知过程,由此可揭示运动行为心理过程与真实动作控制之间的关系。故MI成为探究动作执行时神经心理过程、检测大脑激活状态和研究大脑神经网络功能的重要工具。MI研究已历经数十年发展,检测手段和动作模式日益更新;MI诱发脑电同时含有认知心理和神经生理信息,已广泛用于人机交互,成为脑机接口控制的重要方法;MI还用于损伤脑区神经回路重建和帮助中风患者康复训练。MI生理信息检测及其应用具有重要科学意义和研究价值,本文主要回顾了相关研究方法(含MI过程检测手段、常用MI模式、MI在人机交互和康复中应用),简要讨论了所存在的问题并展望其未来发展,以期促进MI的深入研究与开发应用。 展开更多

关键词 想象动作 运动想象 脑机接口 脑电 康复

在线阅读 下载PDF 职称材料

基于HHT运动想象脑电模式识别研究 被引量：43

10

作者 孙会文 伏云发 +3 位作者 熊馨 杨俊 刘传伟 余正涛 《自动化学报》 EI CSCD 北大核心 2015年第9期1686-1692,共7页

脑机接口是一种变革性的人机交互,其中基于运动想象(Motor imagery,MI)脑电的脑机接口是一类非常重要的脑机交互.本文旨在探索有效的运动想象脑电特征模式提取方法.采用在时域、频域同时具有很高分辨率的希尔伯特–黄变换(Hilbert-Huang... 脑机接口是一种变革性的人机交互,其中基于运动想象(Motor imagery,MI)脑电的脑机接口是一类非常重要的脑机交互.本文旨在探索有效的运动想象脑电特征模式提取方法.采用在时域、频域同时具有很高分辨率的希尔伯特–黄变换(Hilbert-Huang transform,HHT),进而提取自回归(Auto regressive,AR)模型参数并计算运动想象脑电平均瞬时能量,从而构造特征向量,最后利用能较好地适应运动想象脑电单次试验分类的支持向量机(Support vector machine,SVM)进行分类.结果表明在Trial的5.5～7.5 s期间,HHT特征提取方法平均分类正确率为81.08%,具有良好的适应性;最高分类正确率为87.86%,优于传统的小波变换特征提取方法和未经HHT的特征提取方法;在Trial的8～9 s期间,HHT特征提取方法显著优于后两种特征提取方法.本研究证实了HHT对运动想象脑电这一非平稳非线性信号具有很好的特征提取能力,也再次验证了运动想象事件相关去同步(Event-related desynchronization,ERD)现象,同时也表明运动想象脑电的脑–机交互系统性能与被试想象心理活动的质量密切相关.本文可望为基于运动想象脑电的在线实时脑机交互控制系统的研究打下坚实的基础. 展开更多

关键词 脑机交互控制 脑机接口 运动想象 脑电 希尔伯特–黄变换

在线阅读 下载PDF 职称材料

基于小波变换和AdaBoost极限学习机的癫痫脑电信号分类 被引量：12

11

作者 韩敏 孙卓然 《计算机应用》 CSCD 北大核心 2015年第9期2701-2705,2709,共6页

针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的Ada Boost极限学习机分类算法。该算法将Ada Boost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评... 针对单一极限学习机(ELM)在癫痫脑电信号研究中分类结果不稳定、泛化能力差的缺陷,提出一种基于互信息(MI)的Ada Boost极限学习机分类算法。该算法将Ada Boost引入到极限学习机中,并嵌入互信息输入变量选择,以强学习器最终的性能作为评价指标,实现对输入变量以及网络模型的优化。利用小波变换(WT)提取脑电信号特征,并结合提出的分类算法对UCI脑电数据集以及波恩大学癫痫脑电数据进行分类。实验结果表明,所提方法相比传统方法以及其他同类型研究,在分类精度和稳定性上有着明显提高,并具有较好的泛化性能。 展开更多

关键词 ADABOOST 极限学习机 小波变换 互信息 脑电信号分类

在线阅读 下载PDF 职称材料

多通道三维视觉指导运动想象脑电信号特征选择算法 被引量：3

12

作者 胡敏 王志强 +1 位作者 黄宏程 李冲 《计算机应用研究》 CSCD 北大核心 2020年第3期794-798,共5页

针对基于三维视觉指导的运动想象脑机接口多通道冗余信息较多、分类准确率差的问题,提出了一种基于小波包分解(WPD)—共空间滤波(CSP)—自适应差分进化(ADE)的模式脑电信号特征提取与选择分类方法。首先,对采集的多通道运动想象脑电信... 针对基于三维视觉指导的运动想象脑机接口多通道冗余信息较多、分类准确率差的问题,提出了一种基于小波包分解(WPD)—共空间滤波(CSP)—自适应差分进化(ADE)的模式脑电信号特征提取与选择分类方法。首先,对采集的多通道运动想象脑电信号进行WPD变化,划分出精细的子频带;然后,分别将WPD变换后的每个子空间作为CSP的输入,得到对应的特征向量;最后,使用ADE算法对特征向量进行选择,选择出用于分类的最佳特征子集。采用WPD-CSP-ADE模式进行特征提取与选择,较经典的WPD-CSP方法在分类正确率、特征个数方面有着更好的表现。同时,所提算法分类性能明显优于遗传算法、粒子群算法。实验结果表明,WPD-CSP-ADE方法能够有效地提高分类正确率,同时减少了用于分类的特征个数。 展开更多

关键词 脑机接口 运动想象 脑电信号 特征选择 自适应差分进化

在线阅读 下载PDF 职称材料

基于大脑皮层互信息理论的睡眠分级研究 被引量：6

13

作者 黄力宇 王伟勋 程敬之 《生物物理学报》 CAS CSCD 北大核心 2001年第1期98-104,共7页

睡眠的分级研究是睡眠状况分析和睡眠质量评价的前提和基本内容。目前国际通用的睡眠分级方法 ,是利用脑电信号另加脑功能信号 (如肌电图、眼动电流图 ) ,且必须由人工来判别分析的。大脑皮层互信息理论是研究脑功能变化的有力工具。通... 睡眠的分级研究是睡眠状况分析和睡眠质量评价的前提和基本内容。目前国际通用的睡眠分级方法 ,是利用脑电信号另加脑功能信号 (如肌电图、眼动电流图 ) ,且必须由人工来判别分析的。大脑皮层互信息理论是研究脑功能变化的有力工具。通过动态计算睡眠脑电四个导联之间的互信息时间序列的复杂度 ,并利用一个三层的人工神经网络进行六个级别的分类。6例720个不同时期的睡眠片段的测试表明 ,系统睡眠分级与人工分级的总相符率达到90.83% ,且实现了睡眠动态自动分级。神经网络的学习功能 ,可使系统的准确率进一步提高 ,逐渐接近或达到人工分级的水平。 展开更多

关键词 脑电图 互信息 复杂度 人工神经网络 睡眠

暂未订购

基于大脑皮层互信息理论的睡眠分级研究(英文) 被引量：2

14

作者 黄力宇 王伟勋 程敬之 《仪器仪表学报》 EI CAS CSCD 北大核心 2002年第1期1-6,19,共7页

睡眠的分级研究是睡眠状况分析和睡眠质量评价的前提和基本内容。目前国际通用的睡眠分级方法 ,是利用脑电信号另加脑功能信号 (如肌电图、眼动电流图 ) ,且必须由人工判别分析。大脑皮层互信息理论是研究脑功能变化的有力工具。通过动... 睡眠的分级研究是睡眠状况分析和睡眠质量评价的前提和基本内容。目前国际通用的睡眠分级方法 ,是利用脑电信号另加脑功能信号 (如肌电图、眼动电流图 ) ,且必须由人工判别分析。大脑皮层互信息理论是研究脑功能变化的有力工具。通过动态计算睡眠脑电4个导联之间的互信息时间序列的复杂度 ,并利用一个 3层的人工神经网络进行 6个级别的分类。 6例 72 0个不同时期的睡眠片段的测试表明 ,系统睡眠分级与人工分级的总相符率达到 90 .83 % ,且实现了睡眠动态自动分级。神经网络的学习功能 ,可使系统的准确率进一步提高 ,逐渐接近或达到人工分级的水平。与其他睡眠分级方法相比 ,本系统有一定优势 ,且计算速度快 ,可望应用于临床实时睡眠监护及睡眠分析中。 展开更多

关键词 脑电图 复杂度 人工神经网络 睡眠 分级 大脑皮层互信息理论

暂未订购

基于信息流增益算法的脑运动功能康复效果评价研究 被引量：1

15

作者 闫铮 俞谢益 吴畏 《中国生物医学工程学报》 CAS CSCD 北大核心 2015年第3期365-369,共5页

近年来有学者提出构建主动意愿驱动的脑-机交互式康复训练方法,这将有助于提高中风后康复训练的效果。研究发现,随着训练的累积,患者的在线准确率逐步提高,然而这并不能直接反映患者自身运动功能的恢复情况。借助于在线记录的脑电图(EEG... 近年来有学者提出构建主动意愿驱动的脑-机交互式康复训练方法,这将有助于提高中风后康复训练的效果。研究发现,随着训练的累积,患者的在线准确率逐步提高,然而这并不能直接反映患者自身运动功能的恢复情况。借助于在线记录的脑电图(EEG)数据,通过离线分析,寻找中风患者经康复训练后大脑运动功能康复效果的客观评价参数。为此,使用经典想象运动(MI)作为训练范式。在线分类方法采用广泛认可和使用的共空间模式(CSP)结合线性分类器(LDA)的方法,离线分析方法则采用脑功能连接网络信息流增益地形图来评估大脑运动认知功能的改善。3名正常受试参与实验用于验证在线算法,与中风患者的结果进行对照分析。一名中风后上肢功能障碍患者进行了12 d,连续测试,临床量表显示其训练前后的评分分别为9分和21分。与之相应的分析结果不仅表现在准确率的提高上,信息流增益地形图显示随着训练天数的增加,脑信息交互枢纽位置发生明显迁移,逐渐趋近于正常人的模式,具体表现在从训练前的强偏侧性变为了顶叶集中的模式。该结果提示,基于网络计算得到的信息流增益参数或可作为康复效果客观评价的一种新手段。 展开更多

关键词 脑电图(eeg) 想象运动(mi) 脑功能网络 信息流增益

暂未订购

基于三维视觉指导的运动想象训练性能分析 被引量：12

16

作者 胡敏 李冲 +1 位作者 路荣荣 黄宏程 《计算机应用》 CSCD 北大核心 2018年第3期836-841,共6页

为提高视觉指导下运动想象(MI)的训练效率和脑机接口(BCI)的分类准确率,研究了虚拟现实(VR)环境对MI训练的影响以及不同视觉指导下脑电(EEG)分类模型的差异。首先,设计了三种三维手部交互动画及其EEG采集程序;然后,分别在头戴式头盔(HMD... 为提高视觉指导下运动想象(MI)的训练效率和脑机接口(BCI)的分类准确率,研究了虚拟现实(VR)环境对MI训练的影响以及不同视觉指导下脑电(EEG)分类模型的差异。首先,设计了三种三维手部交互动画及其EEG采集程序;然后,分别在头戴式头盔(HMD)和平面液晶屏(LCD)的呈现环境下,对5名健康被试进行了标准(单次实验5 min)和长测(单次实验15 min)两种实验方案的左右手MI训练;最后,通过对EEG数据的模式分类,分析了呈现环境和内容形式对分类准确率的影响。实验结果表明,在视觉指导的MI训练中,HMD与LCD的呈现方式存在显著性差异。HMD所呈现的VR环境能够提高MI分类准确率,延长单次训练时长;此外,不同视觉指导内容下的分类模型存在较大差别,当测试样本与训练样本为同一视觉指导内容时,其平均分类准确率较之不同情况高出16.34%。 展开更多

关键词 脑机接口 运动想象 视觉指导 虚拟现实 脑电

在线阅读 下载PDF 职称材料

融合互信息和支持向量机的癫痫自动检测算法 被引量：2

17

作者 沈洋洋 黄丽亚 +3 位作者 郭迪 笪铖璐 陈志阳 戴加飞 《计算机技术与发展》 2016年第6期133-137,共5页

脑电图(Electroencephalogram,EEG)是通过电极记录下来的脑神经细胞群的自发性、节律性电活动,是癫痫诊断中最重要的一项检查工具。文中提出了一种新的基于互信息(Mutual Information,MI)和支持向量机(Support Vector Machine,SVM)的特... 脑电图(Electroencephalogram,EEG)是通过电极记录下来的脑神经细胞群的自发性、节律性电活动,是癫痫诊断中最重要的一项检查工具。文中提出了一种新的基于互信息(Mutual Information,MI)和支持向量机(Support Vector Machine,SVM)的特征提取和分类的方法,可以高效地区分正常脑电信号和癫痫脑电信号,并分别对比了相同维度下不同特征向量组合以及不同维度的特征向量组合的分类效果。除此之外,还对比了文中算法与其他常用算法的分类效果和算法效率。实验结果表明,由两类脑电信号的互信息序列提取的以均值、方差组成的二维特征向量,具有运算简单、分类准确率高的优点,同时文中算法比其他常用算法具有更快的运算速度,这对于临床实时监控癫痫是否发作具有积极的指导意义。 展开更多

关键词 互信息 支持向量机 脑电信号 特征提取 癫痫自动检测

在线阅读 下载PDF 职称材料

基于粒子群优化支持向量机康复下肢外骨骼的脑电控制研究 被引量：7

18

作者 毕文龙 魏笑 +2 位作者 谭草 赵彦峻 刘文龙 《科学技术与工程》 北大核心 2023年第16期6952-6958,共7页

为解决失能人群自主移动的问题,脑机接口(brain computer interface,BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram,EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子... 为解决失能人群自主移动的问题,脑机接口(brain computer interface,BCI)已广泛应用于外骨骼领域,但脑电(electroencephalogram,EEG)信号因信噪比低等原因导致识别率一直难以提高。为提高基于脑机接口下肢外骨骼的信号识别率,采用粒子群优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)算法提高脑电信号识别率,取得了86.52%的脑电信号识别率。首先建立共空间模式(common spatial pattern,CSP)数学模型对脑电信号进行特征提取,随后建立基于粒子群优化的支持向量机分类模型,优化脑电信号分类关键参数,将最终的实验数据与传统的支持向量机分类方法比较,最后进行算法的验证及下肢外骨骼实验。实验结果表明:经过粒子群优化的支持向量机分类准确明显高于传统支持向量机分类。所提出粒子群优化支持向量机对脑电信号的特征识别方法可实现运动想象(motor imagery,MI)的精确识别,为脑机接口技术在康复外骨骼领域的应用提供理论基础和技术支持。 展开更多

关键词 运动想象(mi) 脑电信号(eeg) 支持向量机(SVM) 特征识别 下肢外骨骼

在线阅读 下载PDF 职称材料

基于运动想象脑电信号的导联排序研究 被引量：1

19

作者 胡侠 吴耿锋 《计算机工程与设计》 CSCD 北大核心 2010年第19期4265-4267,4292,共4页

为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成... 为在脑机接口系统BCI(brain-computerinterface)中有效选择导联进行特征提取和分类提供依据,研究了基于运动想象脑电信号的导联排序。根据公共空间模式算法CSP(common spatial pattern)原理提出了一种导联排序方法——基于协方差和主成分分析的排序算法CPSorting(covariance and principal component sorting),并研究了运动想象脑电信号MI(motor imagery)中导联的排序情况以及排序靠前的导联对分类的贡献。利用公共空间模式算法对CPSorting排序后导联的数据提取特征,再分别应用支持向量机SVM和K近邻算法KNN进行分类。实验结果表明了该排序算法能有效地对基于运动想象脑电信号的导联进行排序。 展开更多

关键词 脑机接口(BCI) 运动想象脑电信号(mi) 导联排序 公共空间模式(CSP) 参数选择

在线阅读 下载PDF 职称材料

基于ECA和三分支卷积融合网络的脑电信号解码研究 被引量：1

20

作者 周凯 艾尔肯·亥木都拉 《现代电子技术》 北大核心 2024年第23期89-97,共9页

基于运动想象脑电信号的脑机接口系统可以实现大脑和外部设备的交互,能够帮助残疾人控制辅助设备,提高他们的生活质量。然而,有限的脑电信号解码性能限制了脑机接口产业的大规模发展。文中提出一种基于高效通道注意力(ECA)和三分支卷积... 基于运动想象脑电信号的脑机接口系统可以实现大脑和外部设备的交互,能够帮助残疾人控制辅助设备,提高他们的生活质量。然而,有限的脑电信号解码性能限制了脑机接口产业的大规模发展。文中提出一种基于高效通道注意力(ECA)和三分支卷积融合网络的ECA-TBCFNet模型用于基于脑电图的运动想象(MI-EEG)信号解码。ECA模块可自动捕捉脑电信号中的跨通道交互,三分支卷积融合网络能够多尺度地提取信号中的时空特征。ECA-TBCFNet模型在BCI竞赛IV-2a数据集上的四分类任务中取得了83.3%的准确率和0.78的kappa系数;此外,在Physionet MI-EEG数据集上两分类和四分类任务中,ECA-TBCFNet模型的准确率分别为87.87%和69.01%。结果表明,提出的ECA-TBCFNet模型可以有效提高运动想象脑电信号的识别准确率,并具有较高的鲁棒性。 展开更多

关键词 脑机接口 脑电图 运动想象 高效通道注意力 三分支卷积神经网络 特征融合

在线阅读 下载PDF 职称材料