自拟鼻脑方治疗控脑砂32例

本文根据控脑砂的主证,从1986年以来,自拟鼻脑方随证化裁治疗控脑砂32例,日一剂,五剂为一疗程,可服1～5个疗程,疗程间隔三日,配合中药泡茶饮,结果:近期治愈25例,有效4例,无效3例。

控脑砂并发上石疽证治分析

笔者将西医确诊为“鼻咽部淋巴上皮癌并颈部淋巴转移”及“右颌窦癌浸及筛窦腭弓并颈部淋巴转移”患者,按中医控脑砂并发上石疽进行辫证论治,对已认为属晚期恶性肿瘤并转移患者,取得较满意疗效。今将完全治愈的验案二则,介绍于下,同时提出个人的辨证依据及分析,冀以说明祖国医学对恶性肿瘤早有认识。

基于脑机接口与人机闭环的远程脑控无人机系统

随着现代军事战争的迅速演变,远程脑控无人机在实现战场信息获取、目标监视和战术部署方面扮演着愈发重要的角色。提出一种应用于远程脑控无人机的压缩感知控制范式和人机闭环控制算法,基于该控制范式及控制算法搭建面向军事应用场景的远程脑控无人机系统。在线实验结果表明:8名被试人员通过该脑控无人机系统进行导航任务,平均任务完成率为0.95,平均任务完成时间为100.46 s,显著优于基于人机开环控制算法的脑控无人机系统;新提出的脑控无人机系统可以应用于军事场景下的战场侦察,大幅度提高作战人员的无人机远程控制能力,拓展作战人员的战场感知范围。

基于STM32F103的脑控小车设计

对于以往TGAM脑电传感器的应用场景较少的现象,本文基于STM32F103智能小车开发板、TGAM脑电传感器、蓝牙传输模块和超声波模块等主要部件设计并实现了一款脑控小车,对以往的TGAM应用方案进行了创新和优化,大大增加了脑电的传输距离,提高了脑电提取的效率,使小车的控制方式更加丰富,为智能交通、医疗器械等领域提供了一种新的方案。

一种融合注意力检测和意图识别的异步脑控方法

在机器人的异步脑控系统中,如何从脑电信号中识别使用者的控制意图状态,是当前研究中的一个难点问题。由于被试的注意力水平在控制状态和非控制状态下存在显著差异,本文提出了一种融合注意力检测和意图识别的异步脑控方法,同时检测被试的注意力水平和脑控意图并进行决策层融合,以提升整体分类性能和减少误触发。10名被试参与实验的结果表明,本文方法在融合注意力检测信息后,在数据长度为0.5 s到3 s时相比原有方法都取得了更高的分类准确率、真实阴性率和信息传输率。在数据长度1.5 s时,本文方法将平均真实阴性率从41.3%提高到了89.0%,将平均分类准确率从57.6%提高到了73.8%,将平均信息传输率从21.1 bits/min提高到了35.8 bits/min。

多模态脑控无人机地面站软件系统设计与实现

随着脑机接口技术的发展,脑控无人机的研究与应用近年逐渐成为热门.在脑控无人机系统中,地面站作为整个系统的指挥和控制中心起着至关重要的作用.基于脑机接口技术,以多模态脑机融合智能控制为设计重点,从任务管理、命令映射、指令控制、数据通信、状态监控等几个方面详细阐述了地面站软件系统的设计与开发,实现了多模态脑控指令下无人机的自主智能飞行,为单兵作战提供技术支持.

基于Arduino脑控排爆机器人设计应用

如今有许多危险任务是不适合人们亲自执行的,例如排爆、危险品运输等,基于Arduino脑控排爆机器人设计应用可以避免发生现场人员伤亡,操作者通过头戴式脑电波检测装置,对机器人进行远距离操作。操作者不用身处于危险环境之中,还能腾出双手,进行其他的工作,如操控机器人机械臂进行危险物拾取、炸弹拆除等工作。脑控排爆机器人在高危作业环境中有着很好应用价值。

面向鲤鱼机器人控脑技术的磁共振坐标转换方法研究及应用

为解决鲤鱼脑组织坐标准确定位问题,本文提出一种将鲤鱼脑组织磁共振成像坐标转换为应用脑立体定位仪进行电极植入所需坐标的方法。本研究应用3.0T磁共振成像仪对鲤鱼颅脑成像,自主建立颅脑三维立体定位坐标系、颅骨表面辅助三维坐标系和脑组织内部辅助三维坐标系,经两次坐标转换,将脑电极植入位点磁共振图像坐标转换到三维立体定位坐标系中以引导电极植入。实验分A、B两组,A组为磁共振成像仪结合脑立体定位仪组,B组为脑图谱结合脑立体定位仪组,每组鲤鱼20尾(n=20),分别应用两种方法将电极植入小脑运动区。进行鲤鱼机器人水下实验检验,结果表明A组和B组植入电极准确度分别为90%和60%,A组成功率明显高于B组(P <0.05)。故本文的新方法能够准确定位鲤鱼脑组织的坐标。

基于运动想象脑机接口的脑卒中患者康复外骨骼设计与研究

本文基于神经可塑性理论,旨在设计并实现一款结合MI-BCI的脑卒中上肢外骨骼的康复设备,以提升患者和医护双方的使用体验,提升康复效率。本文从现有卒中康复产品使用感受入手,运用系统研究和主观评价等方法,对脑卒中上肢康复产品以及康复装备相关理论展开研究。运用市场分析、用户调研、技术分析等产品设计方法开展对上肢康复脑机设备的设计现状分析,重点聚焦患者和医护在康复全流程的体验分析,对基于MI-BCI的脑卒中上肢康复设备进行分析与设计。并通过客观生理数据和主观评价证明其效果,最终产出新的设计。整体而言,这项研究为基于MIBCI的康复外骨骼设备的设计提供了有价值的参考,有助于未来设备的改进和实验发展。

脑控:基于脑-机接口的人机融合控制

近年来,一类被称之为脑控的新型控制系统发展迅速,这是一种基于脑-机接口(Brain-computer interface,BCI)的人机融合控制系统,也是一种基于人的意念和思维的控制系统.脑控系统已被成功应用于残疾人的生活辅助、中风病人和损伤肢体的康复训练、操作员状态的实时监控、游戏娱乐和智能家居等广泛的领域.本文在简要介绍了脑控的研究背景、基本原理、系统结构和发展概况的基础上,着重对脑电信号(Electroencephalogram,EEG)模式、控制信号转换算法和应用系统研究等主要问题的研究现状,进行了较为详细的论述和分析,并探讨了进一步研究的方向和思路.最后对脑控的未来发展方向和应用前景进行了分析和展望.

脑控智能轮椅控制系统

为身体高度瘫痪的残疾人士能够自由移动,提出了一种基于脑机接口实验平台BCI2000的自发想象控制轮椅的新方法。该控制系统主要由Emotiv脑电采集装置、一台笔记本电脑、一个单片机控制器组成,对采集的信号进行时频特征分析,并利用改进的感知器算法对信号进行分类。利用提示被试者想象左右手运动的脑电信号特征,实现对轮椅的左转和右转的控制,对今后进一步研究轮椅的精确控制系统具有重要的指导意义。

面向假肢的场景动画稳态视觉诱发脑控方法

针对现有脑控假肢技术的控制精度低、稳定性差的问题,基于稳态视觉诱发电位(SSVEP)的产生机理,提出一种由场景动画稳态视觉诱发的脑控新范式。该范式以正常人或残疾人的生活场景为刺激源蓝本,根据智能假肢的控制目标,在将生活场景分解为对应的独立刺激场景图、且对其进行灰度标准化处理后,采用方波调制模式对一组对比鲜明的黑白反转色图片进行视觉刺激,由此诱发出一种基于场景动画的SSVEP;进而,通过对场景动画的SSVEP神经传导过程进行数学建模与仿真,建立了一种基于典型相关分析(CCA)的脑电信号处理方法。在专用于场景动画SSVEP的智能假肢脑控平台上进行实验,系统的平均正确率为91.41%,平均信息传输率为15.32bit/min,其最高平均识别率达到了98.44%。实验结果表明:该方法可将正常人生活场景图与传统稳态视觉诱发方法进行结合,不仅能够提高假肢动作的平均识别精度和信息传输率,而且具备可降低使用者视觉疲劳的作用。

基于SSVEP直接脑控机器人方向和速度研究

直接用思维意图来控制机器人而没有大脑外周神经和肌肉的参与是人类的一个梦想,目前这一研究已成为国际前沿热点和突破点.传统的脑控机器人(Brain-controlled robot,BCR)主要控制其方向,而本文旨在探讨能够同时脑控机器人方向和速度的有效方法.采用可分类目标数多、单次识别率高且训练时间短的稳态视觉诱发电位(Steady state visual evoked potentials,SSVEP)脑机交互(Brain-computer/machine interaction,BCI/BMI)方法,为脑控机器人运动规划了向左、向右、前进和后退4个方向,设计了低速、中速和高速3级运动速度并组合了9个脑控指令;进而比较并优化了SSVEP刺激目标布局间距以及刺激目标闪烁时间,采用典型相关分析(Canonical correlation analysis,CCA)进行识别.结果表明恰当设置SSVEP刺激目标数及其布局间距和刺激目标闪烁时间,可以有效提高被试/用户直接脑控机器人的性能;优化的SSVEP刺激范式三结合适应SSVEP解码的典型相关分析,8名被试脑控机器人到达终点平均用时为2分40秒,最少用时1分29秒;同时,在脑控机器人运动过程中触碰障碍平均次数为0.88,最少碰触次数为0.本研究显示基于SSVEP的脑机交互可以作为直接脑控机器人灵活运动的一种可选方法,能够实现对机器人多个运动方向和多级速度的控制;也证实了适当增加刺激目标间距可以有效提高SSVEP-BCI脑控指令识别的正确率,说明了该脑控方法的性能与刺激被试的范式有关;再次验证了CCA算法在基于SSVEP的脑机交互中具有优良的效果.最后,为克服单一SSVEP范式存在的局限,本研究也尝试把该范式与运动想象相结合的混合范式用于脑控机器人方向和速度,并进行了初步的研究,表明可以进一步改善控制速度和提高被试舒适度.本文可望为基于SSVEP或与运动想象混合的脑机交互应用于分级或精细控制机器人方向和速度提供思路,并为直接脑控机器人技术推向实际应用打下一定的基础.

直接脑控机器人接口技术

直接脑控机器人接口(Brain-controlled robot interface,BCRI)是一种新型的人-机器人接口技术,是脑-机器接口/脑-计算机接口(Brain-machine interface,BMI/Brain-computer interface,BCI)在机器人控制领域的重要应用和研究方向.研究者相继在Nature、Science和其他重要国际期刊上报道了相关的实验研究和开发,目前已成为国际前沿研究热点.本文主要围绕BCRI中的控制策略、BMI/BCI模块与机器人多层控制模块的适应和融合、BCRI中的脑信号自适应分类算法以及人、BMI/BCI模块和机器人控制系统的三边自适应展开论述,分析了目前的研究情况、存在的局限和面临的若干重要问题,指出进一步的研究思路和方向.

室内环境中脑控轮椅的路径跟踪控制

为了实现室内环境中脑控轮椅的自主导航,提出了一种简单有效的路径跟踪控制方法;给定的路径通常被表示为一系列离散点,根据这一特点,提出了分段直线路径跟踪方法,即依次跟踪由前后两个路径点构成的直线路径到达目标点;基于预瞄点技术并结合模糊算法和传统的PID控制方法设计控制器,完成各分段直线路径的跟踪,并给出了有效的切换条件;实验结果表明,文章提出的路径跟踪控制方法能够使脑控轮椅在室内环境中精确地跟踪给定路径。

脑控智能假肢的人机协同控制方法研究

针对脑控智能假肢系统目前普遍存在着人机交互能力不足的问题,通过对人手运动过程中脑控机理的分析和依据人机协同控制理论,提出了一种适用于脑控智能假肢的人机协同控制策略。分析表明,人机协同控制方法主要分为2个部分,即基于触滑觉传感器的假肢抓握控制方法和基于触滑觉传感器的假肢抓握保持控制方法。同时结合多感知融合技术,搭建了一种脑控智能假肢人机协同控制系统,并进行了实验验证。实验结果表明,该系统能够可靠地完成假肢的连续完整操作,且具有较高的鲁棒性。

基于Matlab环境的脑控轮椅搭建与实验验证

目的基于脑电(electroencephalography,EEG)的脑控轮椅(brain-controlled wheelchair,BCW)能够为无法通过四肢操控轮椅运动的严重肢体残疾或运动障碍患者提供辅助,满足日常移动或出行需要。本文以兼顾系统性价比和准确率为研究目的,采用便携脑电放大器,搭建一个基于Matlab环境的BCW系统,并验证系统的可行性和实用性。方法首先搭建一个基于稳态视觉诱发电位(steadystate visual evoked potential,SSVEP)的BCW系统,系统主要包括脑电刺激、采集与处理,以及轮椅控制两大部分,用户无需长期训练即可通过脑电控制轮椅的运动状态。然后招募3名健康受试者进行系统分类准确率验证实验和预设路径控制验证实验。其中,分类准确率验证实验要求受试者按照语音提示指令,注视对应刺激闪烁块以得到分类结果;预设路径控制验证实验要求受试者完成3个轮椅既定路线控制任务。实验后填写问卷调查衡量本系统的控制难度、受试者舒适度和疲劳程度。结果比较提示指令与分类结果得到系统分类准确率为97%±1%。路径控制实验中受试者均能控制轮椅按照预设路径运动到目的地,且获得用时、实际路径长度、命令个数、时间优化率、路径优化率等指标。结论本文搭建的基于Matlab环境的SSVEP-BCW系统分类准确率较高,控制效果和控制舒适度较好,具有一定的实用性。

基于SSVEP的脑控小车系统的研究

文中设计了一种基于SSVEP的脑控小车分级速度和方向控制的系统,存在向左、向右、向后、向前(一级、二级、三级)6个脑控命令。在刺激范式、刺激时间、空间布局三方面进行了优化,实验表明扩大刺激目标间距、加强刺激时间能够提高目标识别准确率。在脑电解码方面,采用HHT(Hibert-Huang Transform)和CCA(Canonical Correlation Analysis)对比方式,10名被试参与此次研究,结果表明HHT解码方式比CCA在准确度方面提高了6.59%;在特征分类方面,采用支持向量机(Support vector machine,SVM)形式。该方向和分级速度控制系统实现了小车在速度和方向上的灵活控制,优化方法提高脑了控小车的准确度与实时性。实验结果显示在选取范式3,刺激时间3s的条件下,10名被试平均识别准确率高达92.50%。文中理论可望为脑控设备走出实验室打下坚实基础。

基于超声波传感器的脑控轮椅避障系统的研究

针对脑控轮椅行驶时因用户脑电信号的不稳定性可能引起碰撞事故发生的现象,提出了一种避障方法,并设计了多路超声波传感器避障系统及避障提示反馈界面;反馈界面上实时显示的提示信息将辅助用户做出有效的避障决策;当用户采用脑电自主控制轮椅运行时,若无法成功避障,则该避障系统立即启动紧急停车功能以避免与障碍物发生碰撞,保证了脑控轮椅用户的人身安全;实验结果表明:当把安全区域临界值、前后及左右紧急停车距离临界值分别设置为500mm、400mm和200mm时,该超声波传感器避障系统稳定性好、实时性强,能够满足脑控轮椅的用户安全导航的需要。

基于P300⁃SSVEP的双人协同脑⁃控机械臂汉字书写系统

基于脑-机接口(Brain-computer interface,BCI)的脑-控技术发展迅速,取得较大进展。然而,现有研究多采用单人脑控方式,存在执行效率低、可控自由度低的问题,难以满足复杂条件下的操控任务需求。针对此问题,本文采用时-频-相混合编码的视图脑-机交互方法,设计双人协同策略,通过解码P300和稳态视觉诱发电位(Steady-state visual evoked potential,SSVEP)脑电特征,开发了108指令的双人协同脑-控机械臂系统,实现双人同时对汉字一笔一划的书写。8名被试在线平均正确率为87.92%,平均在线信息传输速率(Information-transfer rate,ITR)为66.00 b/min。该系统扩展了BCI信息交互方式,初步验证了协同BCI操控机械臂的可行性和有效性,为协同BCI提供了技术支撑。