稳态视觉诱发电位解码算法研究综述

基于稳态视觉诱发电位(SSVEP)的脑-机接口(BCI)系统具有信噪比高、用户所需训练时间短等优势,已成为主流范式之一。对SSVEP特征快速精准解码是SSVEP-BCI系统研究的关键步骤。然而,当前研究中缺少对SSVEP解码算法系统的梳理,以及对算法间联系与差异的分析,使研究者难以在特定情况下选择最优的算法。针对此问题,本文总结了近年来SSVEP解码算法的研究进展,分为无训练和有训练算法两大类,介绍了典型相关分析(CCA)和任务相关成分分析(TRCA)等解码算法及其改进算法的基本原理和适用范围,接着介绍了解码算法中常用的处理设计策略,最后讨论了SSVEP解码算法的机遇与挑战。

非侵入式脑机接口控制策略的研究进展

脑机接口是指不依赖于外周神经和肌肉,在人脑与外部设备之间建立起一条直接的信息交流通路。相较于侵入式脑机接口,非侵入式脑机接口具有低成本、低风险、易操作等优势。近年来,利用非侵入式脑机接口技术对外设进行控制逐渐成为一种新型人机交互方式,而脑机接口控制策略是该方式的重要组成部分。本文首先介绍了脑控策略的分类和发展,其次详细描述了直接和共享两种控制策略的基本特点,再次对比分析这两种脑控策略的优缺点,最后对非侵入式脑控策略发展方向和应用前景进行了分析与展望。

运动想象脑电信号分类算法的研究进展

运动想象指想象特定动作但实际上并不执行该动作的行为,已经在神经科学等领域得到广泛关注。运动想象脑电信号分类算法主要根据脑电信号所包含的生理信息,尤其是从生理信息中提取出的特征,对各类运动想象任务进行区分。近年来,运动想象脑电信号分类算法在分类器与机器学习策略两方面出现了一些新的研究进展。分类器方面,一些研究对传统机器学习分类器进行了改进,深度学习与黎曼几何分类器也已在该领域得到广泛应用。机器学习策略方面,出于提高分类准确率等目的,集成学习、自适应学习与迁移学习等机器学习策略被引入到运动想象脑电信号的分类中。本文综述讨论了运动想象脑电信号分类算法的研究进展,希望能够对各分类器与机器学习策略进行总结评价,为开发更高性能的分类算法提供思路。

高频稳态视觉诱发电位脑-机接口研究进展

稳态视觉诱发电位(SSVEP)近年来被广泛应用于脑-机接口(BCI)系统的研究中,SSVEP-BCI系统具有分类精度高、信息传输速率快和抗干扰能力强等优点。传统研究大多诱发低、中频段SSVEP响应作为系统控制信号,然而该频带的SSVEP可能导致受试者视觉疲劳甚至诱发癫痫。相比之下,尽管高频SSVEP-BCI幅值较低、响应微弱,但它提供了更舒适自然的交互方式,近年来也被研究人员广泛关注。本文针对近十年高频SSVEPBCI相关研究,分别从范式和算法两方面进行归纳分析,最后对其应用前景和发展方向进行了讨论和展望。

基于快速序列视觉呈现的脑-机接口应用范式研究进展

快速序列视觉呈现(RSVP)是一类心理学视觉刺激实验范式,要求受试者辨别在同一空间位置上连续呈现的由数字、字母、单词以及图片等组成的刺激流中的目标刺激,可以在短时间内辨别海量信息。而基于RSVP范式的脑-机接口(BCI)不仅能够广泛用于辅助交互、信息判读等场景,而且具有稳定、高效的优势,已经成为人-机智能融合的常用技术之一。近年来,RSVP-BCI研究主要集中在脑控拼写器、图像识别以及意念游戏等方向,因此,本文着重梳理了这三个领域中RSVP-BCI的范式设计和系统性能优化,展望了其生活娱乐、临床医疗、特种军事等前沿方向的潜在应用,以期为RSVP-BCI相关的研究提供参考和新思路。

脑电图技术在神经康复评估与治疗中的应用和展望

随着脑卒中和精神疾病等脑部疾病的日益高发,神经系统疾病的康复治疗受到广泛关注。脑电图(EEG)技术虽然在时间分辨率上表现出色,但历来因空间分辨率不足而在应用上受限,其主要用于术前评估、术中监测和癫痫检测等领域。然而,随着64导联以上的高密度EEG技术的日益普及、新分析技术的应用以及多模态技术的融合,EEG技术正在突破其传统限制,逐步扩大其临床应用范围。这些进步不仅巩固了EEG技术在神经康复评估中不可替代的地位,还通过与经颅磁刺激、经颅电刺激和脑机接口等技术的联合应用进一步拓展了其在治疗方面的潜力。本文旨在评述EEG技术在神经康复评估与治疗中的应用、进展及未来展望。科技进步和跨学科合作的加深将推动EEG技术在神经康复领域的新应用和技术创新,为患者提供更精确和个性化的康复策略。