面向情绪识别中脑电特征分布不均匀的双策略训练方法

使用脑电进行情绪识别已经有了广泛的研究,但由于脑电的低信噪比、不平稳性以及受试者情绪表达方式的不同,不同受试者甚至单个受试者的脑电图情绪特征都会存在差异性,导致脑电样本在特征空间分布不均匀,容易出现模型泛化性能差的问题。为解决这一问题,该文提出了一种结合提升算法(boost)和梯度下降法(gradient descent)的双策略训练方法交替更新脑电情绪识别模型,梯度下降法在模型推理过程中更新网络参数,使损失最小化,提升算法用于更新脑电样本权重。在DEAP数据集上的实验结果表明,该方法在效价、唤醒和优势度3个维度上的准确率分别为71.25%、71.48%和71.80%,且在跨被试数据集下通过数据驱动的方式有效调整了脑电样本特征的分布,使其分布更均匀,从而提高了情绪识别模型的泛化性能。

基于镜像神经元理论的便携式MI-VR BCI康复系统设计

镜像神经元是一类个体在执行或观察特定动作时均会兴奋的特殊神经元,其在运动想象与学习、动作模仿与理解等重要神经生理学过程中起着关键作用。众多研究表明,运动观察和运动想象均可以通过激活镜像神经元来促进运动障碍患者康复。基于该原理的运动康复系统逐渐受到学者和业界的关注,但已有系统往往存在复杂不便携、造价昂贵、难以精确感知患者运动想象程度或运动观察沉浸度不高的问题。为此,该文选用廉价和便携的设备设计了一套运动康复系统:首先,由患者想象患肢运动;然后,采用基于脑电(EEG)的脑机接口(BCI)技术检测患者运动想象程度;最后,通过虚拟现实(VR)技术高沉浸地展示患肢运动,供患者观察。该系统会在检测到患者正确想象患肢运动后才在VR场景中展示对应侧患肢运动,能帮助患者更好地想象和观察患肢运动、多次激活镜像神经元,最终达到运动康复的效果。通过在实验室模拟场景对正常人进行实验,验证了该系统的可行性。

脑电信号去伪迹软件的设计与实现

脑电是在大脑皮层采集的电信号,可以反映脑神经细胞的电生理活动,通过分析脑电有助于人类在心理学和医学等领域的研究。由于脑电易受非脑神经组织和采集设备干扰产生伪迹,影响科研人员对脑电的分析。基于此,笔者对脑电信号去伪迹软件进行开发,首先对软件进行需求分析和概要设计,将该软件分为输入输出模块、去伪迹处理模块和人机交互界面模块,然后对3大功能模块分别进行详细设计和实现,其中去伪迹处理模块筛选了3种去伪迹技术供科研人员对比去伪迹效果。软件采用Python语言开发,其中人机交互界面采用wxPython。最后,对软件的人机交互界面和去伪迹功能的进行了测试,结果表明软件可进行友好交互,且去伪迹效果较好。