稳态运动视觉诱发电位的诱发及在脑机接口中的应用进展

基于稳态运动视觉诱发电位(SSMVEP)的脑机接口(BCI)能够减少使用者的视觉疲劳,但其信号强度和系统性能仍不能代替基于稳态视觉诱发电位(SSVEP)的BCI。本文对提高SSMVEP信噪比的两种思路以及SSMVEP在BCI中的应用进行了综述。首先归纳和总结了影响SSMVEP诱导和性能的3个主要因素,即运动视觉刺激方式、运动视觉刺激参数和SSMVEP的信号处理方法;然后介绍了SSMVEP在医疗、娱乐等领域的应用;最后提出了目前使用SSMVEPBCI的限制以及未来发展方向。

基于SSMVEP的脑-机接口视觉刺激探究

目的提出一种基于稳态运动视觉刺激诱发电位(SSMVEP)的方环运动刺激,并与目前常用的视觉刺激方式(牛顿环运动、方形闪烁和圆形闪烁)进行比较。方法选择9名受试者,分别采用四种刺激方式诱发脑电信号,采用典型相关分析(CCA)进行模式识别,并结合识别准确率与主观评分结果对刺激评价。结果方环运动诱发的脑电信号识别准确率(82.8%±14.1%)与牛顿环运动(83.3%±11.5%)相当,无显著性差异,但二者都低于方形闪烁(98.3%±4.1%)和圆形闪烁(99.2%±1.8%);图形形状对相同刺激模式(运动及闪烁)诱发的脑电信号识别准确率没有显著影响;方环运动的主观评价优于牛顿环运动、方形闪烁和圆形闪烁。结论方环运动刺激可以有效诱发脑电信号,并降低图形闪烁带来的不适感,可以作为视觉刺激应用于基于SSMVEP的BCI中。

基于运动想象的脑机接口关键技术研究

基于运动想象的脑机接口技术,被广泛的认为是最具有前景的一类脑机接口,但目前在该技术的发展过程中存在着一系列急需解决的问题。本文从信号获取、特征提取、模式分类、在线系统等方面,介绍了一些解决问题的方法,特别是基于笔者长期研究工作的系列解决方案。如信号获取中能够去除低频偏置的放大器设计方法;特征识别方面针对在运动想象脑机接口中广泛使用的共空间模式方法的改进算法,使其具有更强的抗噪音能力;模式识别方面所提出的基于线性判别分析的改进算法,以较大幅度提高分类准确率。最后介绍了基于上述方法而设计实现的一种基于运动想象和运动启动电位的在线脑机接口系统。

基于视觉双特征的并行联合脑-机接口范式的研究

基于多特征的并行联合脑-机接口与单一特征脑-机接口相比,能利用更多信息和并行方式提高特征提取和系统执行效率。提出了一种基于稳态视觉诱发电位(SSVEP)和运动起始视觉诱发电位(MVEP)的双特征并行联合脑-机接口范式,通过设计3×3字符拼写范式,矩阵中纵列白色竖条按设定频率闪烁诱发SSVEP,横行中白色竖条随机运动诱发MVEP。实验表明,被试者关注目标字符时,两种特征脑电信号被同时诱发出来,并且对两种脑电信号进行特征识别能够检测出被试者选取的目标字符。联合范式并行的刺激编码方式有效节约了刺激诱发时间,为构建更为实用的联合脑-机接口提供了一种实现方法。

脑控主被动协同刺激下肢康复训练系统研究与开发

目的对脑控主被动协同刺激康复训练关键技术进行研究,探索解决脑卒中患者在康复训练过程中主动参与程度较低的问题。方法探索一种全新的脑控主被动协同刺激康复训练方法,集成了脑机接口、稳态运动视觉诱发电位、虚拟现实和下肢康复训练机器人等技术,通过视觉刺激效果和被动训练作用于患者中枢神经,形成信息传递的闭环回路,实现运动神经通道的协同刺激,并搭建了脑控主被动协同刺激的下肢康复训练系统。结果所有被试者都在本系统的辅助下顺利完成了实验,检测程序在信息传输率为6.82～16.11bits/min时,系统检测的准确度为76.7%～96.7%,系统识别被试者运动意图的平均时间为6.01s,平均识别率为82.8%。结论本系统通过脑控主被动协同训练,提高了患者的训练效率和积极主动性,具有良好的应用前景。

一种基于两种不同范式的混合型脑-机接口系统

混合模式脑机接口是脑-机接口研究的一个新方向,它为进一步提高脑-机接口系统性能提供了可能。现有的混合模式脑-机接口所采用的范式通常需要借助较强的视觉刺激,容易引起受试者疲劳等问题。本研究提出将运动想象和运动起始时刻视觉诱发电位两种无需强烈视觉刺激的范式以串行的方式相结合,通过运动起始时刻视觉诱发电位控制字符的输入,通过运动想象控制界面的开关和允许输入下一字符,实现了一种可用于字符输入的混合模式脑-机接口系统。为了验证系统的可行性,共完成了5例实验。实验中受试者首先进行两种范式的训练,然后进行开关系统界面和输入字符的测试。实验结果显示,经过一定训练的受试可以较好地完成系统的操作,运动想象单步操作平均时间最短为3.9 s,字符输入的正确率最高可达93.3%。除了不容易令受试者产生疲劳外,本系统相比单一感觉模式的脑-机接口也具有可完成任务种类多、控制方式灵活等优势。

深度线性判别分析用于两级脑控字符拼写解码

为了充分利用视听觉感知通道,实现高效的脑控字符拼写,提出一种基于区域的两级拼写范式。该范式的第一级基于运动视觉诱发电位进行目标区域选择,并引入码分多址方法进行区域编码,以提高其选择速率;第二级基于混合运动视觉诱发电位和听觉P300对目标字符进行编码,充分利用视听觉混合效应,改善目标字符选择的准确率。为了对采集的脑电信号进行有效的目标字符解码,提出一种结合深度线性判别分析的脑电信号分类识别算法。实验结果表明,深度线性判别分析算法在两级脑电信号的分类识别中平均分类准确率分别为61.7%和74%,明显高于传统方法和两种卷积神经网络方法的准确率。因此,该算法可有效地改善视听混合诱发两级脑机接口的指令解码性能。

视觉诱发的联合mVEP和SSVEP特征成分提取研究

目的提出一种基于运动起始视觉诱发电位（mVEP）和稳态视觉诱发电位（SSVEP）的特征成分联合脑-机接口（HBCI）范式。方法通过设计3×3字符拼写矩阵，矩阵纵列白色竖条按设定频率闪烁诱发相应的SSVEP，横行白色竖条随机运动诱发mVEP。利用时域、频域分析提取2类特征信号。利用支持向量机（SVM）对比联合范式和单一范式目标字符识别正确率。结果受试者S1和S6在联合范式条件下平均目标字符识别正确率相对于单一范式提高约2％；其他受试者相应比较提高约6％；当同一字符重复刺激3次以上，所有受试者单一范式平均正确率为85．6％，联合范式的正确率能达91．4％。结论HBCI刺激范式能同时有效地诱发多种特征脑电信号。联合范式在不同选择次数下的正确率均高于单一范式。联合刺激方式将运动诱发与固定频率闪烁相结合有效地节约了刺激诱发时间，加速了特征成分提取效率。

一种基于脑机接口的头盔显示/瞄准系统设计

传统的头盔显示/瞄准系统通过头盔瞄准具将传感器耦合到头盔瞄准线,由传感器产生的图像通过头盔显示器显示给观察者,从而形成闭环系统。提出了一种基于脑机接口的头盔显示/瞄准系统设计,并给出了系统的工作流程与算法设计。仿真表明,该系统具有较高的目标识别准确率、较快的系统响应速度以及良好的人机交互体验,具备深入研究的价值。

嵌入式脑机接口系统设计

根据运动起始视觉诱发电位(m VEP)的信号特征,设计一套基于m VEP的实用化在线嵌入式脑-机接口(BCI)系统。该系统可以提取出相关脑电信号,解码识别,转换为对应的控制指令,从而建立起大脑和设备之间的通信,实现人机交互。