CN106502404A - 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 - Google Patents
一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 Download PDFInfo
- Publication number
- CN106502404A CN106502404A CN201610938588.4A CN201610938588A CN106502404A CN 106502404 A CN106502404 A CN 106502404A CN 201610938588 A CN201610938588 A CN 201610938588A CN 106502404 A CN106502404 A CN 106502404A
- Authority
- CN
- China
- Prior art keywords
- brain
- stable state
- evoked potential
- somatosensory evoked
- frequency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Neurology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Dermatology (AREA)
- Biomedical Technology (AREA)
- Neurosurgery (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于稳态体感诱发电位的新型脑‑机接口方法及系统,包括:将两片心电电极分别放置于左右手腕处,根据预设频率对左右手同时进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;采用四个时期的任务模式对受试者进行刺激,采集脑电数据,进行预处理;通过分频段共空间模式算法对预处理后的脑电数据进行特征提取获取四个频段的单次任务脑电特征向量,进而模式识别;输入支持向量机训练分类器,预测来自测试集的空间特征。本发明避免了失去眼球自主控制的问题,既不需要大量训练,也不需要占用额外的视觉通路,探索了相应的特征提取方法;并且通过试验验证了本方法及系统的可行性,满足了实际应用中的多种需要。
Description
技术领域
本发明涉及脑-机接口系统领域,尤其涉及一种基于稳态体感诱发电位的新型脑-机接口方法及系统。
背景技术
脑-机接口(Brain-Computer Interface)技术是通过计算机监测、识别人脑思维意念信号模式,并将之翻译成计算机指令,以使人脑在没有运动系统参与的情况下,能够直接进行“思维-外物”之间的信息交流。运动想象(Motor imagery,MI),即仅有运动意图而无实际动作输出,可导致大脑皮层感觉运动区中大量神经元活动状态的改变,并使脑电信号中的某些频率成分同步衰减或增强,这种现象称为事件相关去同步化或者同步化现象(event-related desynchronization or synchronization,ERD/ERS)。通过识别出不同想象动作模式诱发的具有特异性的头皮脑电变化从而判断出使用者的运动意图。作为脑-机接口中的重要范式,MI-BCI(基于运动想象的脑机接口技术)可以在康复工程领域中,用于运动神经的修复和重建。虽然MI-BCI具有一定的优势,但是想象动作是一种主动式的思维活动,需要受试者者注意力高度集中,且研究表明并不是所有使用者均能够成功使用MI-BCI。另一方面,MI-BCI具有相对较低的信息传输率。
另一类重要的脑-机接口范式是基于视觉刺激的被动式BCI,如稳态视觉诱发电位(Steady state visual evoked potential,SSVEP)和事件相关电位(event relatedpotential,ERP)。SSVEP是对应特定频率调制的视觉刺激响应,其特征是脑电活动随刺激频率的稳态出现而增强。ERP电位中的P300电位是小概率靶刺激诱发而来的。相比于MI-BCI,这两类视觉型BCI均具有更快的响应速率,但需要主动控制眼球对视觉刺激作出反应,容易引起视觉疲劳。
发明内容
本发明提供了一种基于稳态体感诱发电位的新型脑-机接口方法及系统,本发明采用双侧不同频率的正中神经刺激诱发对应频段的稳态体感诱发电位,并通过体感选择注意来调制(即将注意力集中到左侧或右侧体感刺激),在此基础上探索基于稳态体感诱发电位的新型BCI系统,并探索相应的特征提取技术和识别模型,为脑-机接口在康复工程的实际应用探索新途径、提供新方法,详见下文描述:
一种基于稳态体感诱发电位的新型脑-机接口方法,所述脑-机接口方法包括以下步骤:
将两片心电电极分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;
采用四个时期的任务模式对受试者进行刺激,采集脑电数据,并进行预处理;
通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;
将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
其中,所述四个时期的任务模式具体为:
1)屏幕正中央出现白圆,受试者保持放松无动作状态;
2)白圆消失,黑圆出现,电刺激开启,同时施加双侧正中神经刺激,电流达到最大值;
3)黑圆消失,箭头提示出现,受试者根据箭头关注相应的电刺激;
4)箭头消失,出现REST。
其中,所述四个频段具体为:25.5-26.5,51.5-52.5,30.5-31.5,61.5-62.5Hz。
其中,所述单次任务脑电特征向量具体为:
为实数集;为各子频段提取的特征,即fp;
其中,VAR表示求解方差;fp为各自频段提取出的特征向量。
一种基于稳态体感诱发电位的新型脑-机接口系统,所述系统包括:
心电电极,用于分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;采用四个时期的任务模式对受试者进行刺激;
脑电采集系统,用于采集脑电数据,并通过滤波器进行滤波预处理;
计算机,用于通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
本发明提供的技术方案的有益效果是:本发明对人体施加较高频率的电流刺激可以引起稳态体感诱发电位,并且通过体感选择注意来调制(即将注意力集中到左侧或右侧体感刺激),避免了失去眼球自主控制的问题,既不需要大量训练,也不需要占用额外的视觉通路,并探索了相应的特征提取方法,为推进脑-机接口在康复工程的实际应用探索了新途径、提供了新方法;并且通过试验验证了本方法及系统的可行性,满足了实际应用中的多种需要。
附图说明
图1为一种基于稳态体感诱发电位的新型脑-机接口方法的流程图;
图2为正中神经刺激电极位置的示意图;
图3为选择关注任务范式、以及电刺激示意图;
其中,(a)为选择关注任务范式示意图;(b)为电刺激示意图;
图4为FBCSP特征提取的示意图;
图5为一种基于稳态体感诱发电位的新型脑-机接口系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
实施例1
一种基于稳态体感诱发电位的新型脑-机接口方法,参见图1,该脑-机接口方法包括以下步骤:
101:将两片心电电极分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;
102:采用四个时期的任务模式对受试者进行刺激,采集脑电数据,并进行预处理;
103:通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;
104:将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
其中,所述四个时期的任务模式具体为:
1)屏幕正中央出现白圆,受试者保持放松无动作状态;
2)白圆消失,黑圆出现,电刺激开启,同时施加双侧正中神经刺激,电流达到最大值;
3)黑圆消失,箭头提示出现,受试者根据箭头关注相应的电刺激;
4)箭头消失,出现REST。
其中,四个频段具体为:25.5-26.5,51.5-52.5,30.5-31.5,61.5-62.5Hz。
综上所述,本发明实施例通过将SSSEP在头皮上的空间分布设计为符合躯体特定区域分布的特征,通过研究相应的特征提取技术和识别模型,从而建立基于稳态体感诱发电位的新型BCI范式,为推进脑-机接口在康复工程的实际应用探索新途径、提供新方法。
实施例2
下面结合具体的附图,计算公式对实施例1中的方案进行详细介绍,详见下文描述:
201:正中神经刺激;
其中,电刺激通过脉宽为200μs的双向脉冲同时施加到双侧正中神经。两片相距4厘米的心电电极分别放置于左右手腕处,如图2所示。左手刺激频率为26Hz,右手刺激频率为31Hz。对左/右手腕处的电极位置以及电流大小分别作调整以诱导拇指产生轻微颤抖,并诱发出明显的稳态体感诱发电位。所有受试者的电流强度在1.5-7mA之间变化。
其中,本发明实施例对两片心电电极的间距不做限制,可以根据实际应用中的需要进行设定,本发明实施例是以4厘米为例进行说明。
其中,左右手的刺激频率也可以根据实际应用中的需要进行设定,本发明实施例是以左手刺激频率为26Hz,右手刺激频率为31Hz为例进行说明。
其中,受试者的电流强度的变化区间可以根据实际应用中的需要进行设定,本发明实施例是以在1.5-7mA之间为例进行说明。
202:实验范式;
实验时,受试者安静地正坐于距屏幕约1m的靠椅上,保持手和足放松,尽量避免眼动。任务模式如图3所示,分为四个阶段,共10s时间。
1、第一阶段为准备期,屏幕正中央出现白圆,持续2s,提示本次实验开始,受试者保持放松无动作状态;
2、第二阶段为提示期,白圆消失,黑圆出现,持续2s,提示受试者做好准备,选择关注任务即将开始;并且当黑圆出现时,电刺激开启,同时施加双侧正中神经刺激,电流在0.5s内达到最大值,即达到预设的电流强度。
其中,该预设的电流强度根据实际应用中的需要进行设定,本发明实施例以健康人为例进行说明,具体实现时,本发明实施例对此不做限制。
3、第三阶段为任务期,黑圆消失,箭头提示出现。受试者根据箭头关注相应的电刺激,即集中注意力感受所提示肢体位置的体感刺激,并分别默记左右手电刺激的次数,这有助于受试者集中注意力。4s后任务结束,停止电刺激。也就是说,双侧正中神经刺激从第2秒开始到第8秒结束。
4、第四阶段为恢复期,箭头消失,出现REST,受试者保持静息状态,以作调整准备下一次实验。
共2组实验,每组实验包括40个任务,关注左手体感刺激和关注右手体感刺激各20个任务。共采集80次实验任务下的脑电信号,即80个脑电数据样本。为使受试者尽量保持良好的精神状态,在两组实验之间,留有5分钟左右的休息时间,以降低疲劳引起的影响。
203:数据采集及预处理;
本发明实施例使用Neuroscan 64导联脑电采集系统,所用电极均为Ag/AgCl电极,以前额为地,鼻尖作为参考,脑电采样频率为1000Hz,带通滤波范围为0.5-100Hz,并采用50Hz陷波器去除工频干扰。预处理中首先对原始数据采用共平均参考空间滤波处理,并降采样到200Hz,之后截取选择关注任务开始后0.5-3.5s的数据用作后续分析。
本发明实施例针对电刺激诱发的SSSEP频段,设计四个1Hz宽的带通滤波器,即,25.5-26.5,51.5-52.5,30.5-31.5,61.5-62.5Hz,进而从预处理后的数据中提取26Hz和31Hz SSSEP的第一(26Hz,52Hz)和第二谐波成分(31Hz,62Hz),进而将这样的频带信息作为特征信息,进而利用FBCSP提取四个频段的特征,然后用于模式识别。
其中,上述的脑电采样频率、带通滤波范围、陷波器的功率、降采样的数值,以及某一时间范围的数据,均根据实际应用中的需要进行设定,本发明实施例对此不做限制。
204:特征提取与模式识别;
本发明实施例采用了一种分频段的共空间模式算法(Filter bank commonspatial pattern,FBCSP),计算流程如图4所示。FBCSP将原始数据分为Nf个不同频段的脑电成分Xi(i=1,2,…,Nf),然后分别对每一个频段的脑电成分计算CSP(共空间模式)投影矩阵Wi(i=1,2,…,Nf),并完成空间滤波Zi=Wi TXi;Zi为各成分经过空间滤波后的数据;T为转置。
其中,zp(p=1,2,…,2m)是滤波后信号Zi中前m(对应最大的m个特征值)和后m(对应最小的m个特征值)行的向量,则某一频段脑电成分的单次任务特征提取如下式所示:
其中,VAR表示求解方差;fp为各自频段提取出的特征向量。
进一步地,提取的单次任务脑电特征向量可表示为 为实数集;为各子频段提取的特征,即fp。
205:通过十折交叉验证方法[1],将预处理后的数据分为训练集和测试集,使用FBCSP算法对训练集中四个频段的脑电成分提取空间特征,并输入支持向量机训练分类器,然后预测来自测试集的空间特征。
其中,为十折交叉验证后得到的平均正确率,acc(k)表示第k折计算得到的正确率结果。
综上所述,本发明实施例通过将SSSEP在头皮上的空间分布设计为符合躯体特定区域分布的特征,通过研究相应的特征提取技术和识别模型,从而建立基于稳态体感诱发电位的新型BCI范式,为推进脑-机接口在康复工程的实际应用探索新途径、提供新方法。
实施例3
下面结合具体的试验数据对实施例1和2中的方案做可行性验证,详见下文描述:
表1为14名受试者FBCSP算法下的分类正确率。从表1中可以看到,第六名受试者的分类正确率最高,达到了93%以上。其中第七名受试者表现最差,正确率未达到60%左右。所有受试者分类正确率均值达到了70%。
上述结果表明通过体感选择注意调制电刺激诱发的SSSEP,并以此建立基于SSSEP的脑-机接口系统是可行的。
表1. 14名受试者FBCSP算法下的分类正确率
综上所述,本发明实施例中基于双侧正中神经刺激的SSSEP选择注意调制方法以及基于FBCSP的特征提取方法可为新型脑-机接口的建立提供技术支持和帮助。
实施例4
本发明实施例提供了一种基于稳态体感诱发电位的新型脑-机接口系统,该系统与实施例1和2中的接口方法相对应,参见图5,该系统包括:
心电电极(图5中未示出,请参见图2),用于分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;采用四个时期的任务模式对受试者进行刺激;
脑电采集系统,用于采集脑电数据,并通过滤波器进行滤波预处理;
计算机,用于通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
本发明实施例对上述涉及的执行主体不做限制,可以为单片机、计算机等硬件产品,只要能实现上述功能的器件均可。
综上所述,本发明实施例设计了一种基于稳态体感诱发电位的新型脑-机接口系统,本发明通过体感选择注意调制(将注意力集中到左侧或右侧体感刺激)正中神经刺激诱发的稳态体感诱发电位,避免了大量训练和视觉刺激,并探索相应的特征提取技术和识别模型,为脑-机接口的实际应用探索新途径、提供新方法;进一步研究可以得到完善的脑-机接口系统,有望获得可观的社会效益和经济效益。最佳实施方案拟采用专利转让、专利许可、技术合作或产品开发。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
参考文献:
1.Yi W,Qiu S,Qi H,Zhang L,Wan B,Ming D(2013)EEG feature comparisonand classification of simple and compound limb motor imagery.J NeuroengRehabil 12(10):106.
Claims (5)
1.一种基于稳态体感诱发电位的新型脑-机接口方法,其特征在于,所述脑-机接口方法包括以下步骤:
将两片心电电极分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;
采用四个时期的任务模式对受试者进行刺激,采集脑电数据,并进行预处理;
通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;
将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
2.根据权利要求1所述的一种基于稳态体感诱发电位的新型脑-机接口方法,其特征在于,所述四个时期的任务模式具体为:
1)屏幕正中央出现白圆,受试者保持放松无动作状态;
2)白圆消失,黑圆出现,电刺激开启,同时施加双侧正中神经刺激,电流达到最大值;
3)黑圆消失,箭头提示出现,受试者根据箭头关注相应的电刺激;
4)箭头消失,出现REST。
3.根据权利要求1所述的一种基于稳态体感诱发电位的新型脑-机接口方法,其特征在于,所述四个频段具体为:25.5-26.5,51.5-52.5,30.5-31.5,61.5-62.5Hz。
4.根据权利要求1所述的一种基于稳态体感诱发电位的新型脑-机接口方法,其特征在于,所述单次任务脑电特征向量具体为:
为实数集;为各子频段提取的特征,即fp;
其中,VAR表示求解方差;fp为各自频段提取出的特征向量。
5.一种用于实施权利要求1-4中任一权利要求所述的基于稳态体感诱发电位的新型脑-机接口方法的系统,其特征在于,所述系统包括:
心电电极,用于分别放置于左右手腕处,根据预设频率对左右手分别进行电刺激,诱导拇指产生轻微颤抖,诱发出明显的稳态体感诱发电位;采用四个时期的任务模式对受试者进行刺激;
脑电采集系统,用于采集脑电数据,并通过滤波器进行滤波预处理;
计算机,用于通过共空间模式算法对预处理后的脑电数据进行特征提取与模式识别,获取四个频段的单次任务脑电特征向量;将四个频段的单次任务脑电特征向量输入支持向量机训练分类器,然后预测来自测试集的空间特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610938588.4A CN106502404A (zh) | 2016-10-24 | 2016-10-24 | 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610938588.4A CN106502404A (zh) | 2016-10-24 | 2016-10-24 | 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106502404A true CN106502404A (zh) | 2017-03-15 |
Family
ID=58319196
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610938588.4A Pending CN106502404A (zh) | 2016-10-24 | 2016-10-24 | 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106502404A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107280666A (zh) * | 2017-08-08 | 2017-10-24 | 中山大学孙逸仙纪念医院 | 一种基于机器学习的耳聋患者ci术后康复预测方法及系统 |
CN107562191A (zh) * | 2017-08-03 | 2018-01-09 | 天津大学 | 基于混合特征的精细想象动作在线脑‑机接口方法 |
CN109426833A (zh) * | 2017-08-30 | 2019-03-05 | 香港大学深圳医院 | 基于支持向量机的体感诱发电位成份的识别方法及装置 |
CN109657560A (zh) * | 2018-11-24 | 2019-04-19 | 天津大学 | 机械手臂控制在线脑-机接口系统及实现方法 |
CN113807402A (zh) * | 2021-08-23 | 2021-12-17 | 天津大学 | 抑制mi-bci系统误触发的系统及其训练和测试方法 |
CN114305450A (zh) * | 2022-01-07 | 2022-04-12 | 天津大学 | 一种识别下肢多关节运动想象的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011825A1 (en) * | 1997-12-05 | 2003-01-16 | Takehiro Yoshida | Communicating apparatus |
CN101214148A (zh) * | 2008-01-08 | 2008-07-09 | 重庆医科大学 | 基于计算机多媒体声音资源的体感诱发电位音频刺激器 |
CN104548347A (zh) * | 2015-01-22 | 2015-04-29 | 天津大学 | 一种纯意念神经肌肉电刺激控制与神经功能评价系统 |
CN104571504A (zh) * | 2014-12-24 | 2015-04-29 | 天津大学 | 一种基于想象动作的在线脑-机接口方法 |
CN104635934A (zh) * | 2015-02-28 | 2015-05-20 | 东南大学 | 基于逻辑思维和形象思维的脑机接口方法 |
CN104978035A (zh) * | 2015-07-27 | 2015-10-14 | 中国医学科学院生物医学工程研究所 | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 |
-
2016
- 2016-10-24 CN CN201610938588.4A patent/CN106502404A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030011825A1 (en) * | 1997-12-05 | 2003-01-16 | Takehiro Yoshida | Communicating apparatus |
CN101214148A (zh) * | 2008-01-08 | 2008-07-09 | 重庆医科大学 | 基于计算机多媒体声音资源的体感诱发电位音频刺激器 |
CN104571504A (zh) * | 2014-12-24 | 2015-04-29 | 天津大学 | 一种基于想象动作的在线脑-机接口方法 |
CN104548347A (zh) * | 2015-01-22 | 2015-04-29 | 天津大学 | 一种纯意念神经肌肉电刺激控制与神经功能评价系统 |
CN104635934A (zh) * | 2015-02-28 | 2015-05-20 | 东南大学 | 基于逻辑思维和形象思维的脑机接口方法 |
CN104978035A (zh) * | 2015-07-27 | 2015-10-14 | 中国医学科学院生物医学工程研究所 | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 |
Non-Patent Citations (2)
Title |
---|
SANGTAE AHN: ""Achieving a Hybrid brain-computer interface with tactile selective attention and motor imagery"", 《JOURNAL OF NEURAL ENGINEERING》 * |
李卓: "《体感诱发电位的提取与分析》", 《中国优秀博硕士学位论文全文数据库 (硕士) 医药卫生科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107562191A (zh) * | 2017-08-03 | 2018-01-09 | 天津大学 | 基于混合特征的精细想象动作在线脑‑机接口方法 |
CN107280666A (zh) * | 2017-08-08 | 2017-10-24 | 中山大学孙逸仙纪念医院 | 一种基于机器学习的耳聋患者ci术后康复预测方法及系统 |
CN109426833A (zh) * | 2017-08-30 | 2019-03-05 | 香港大学深圳医院 | 基于支持向量机的体感诱发电位成份的识别方法及装置 |
CN109426833B (zh) * | 2017-08-30 | 2022-03-29 | 香港大学深圳医院 | 基于支持向量机的体感诱发电位成分的识别方法及装置 |
CN109657560A (zh) * | 2018-11-24 | 2019-04-19 | 天津大学 | 机械手臂控制在线脑-机接口系统及实现方法 |
CN113807402A (zh) * | 2021-08-23 | 2021-12-17 | 天津大学 | 抑制mi-bci系统误触发的系统及其训练和测试方法 |
CN114305450A (zh) * | 2022-01-07 | 2022-04-12 | 天津大学 | 一种识别下肢多关节运动想象的方法 |
CN114305450B (zh) * | 2022-01-07 | 2023-09-19 | 天津大学 | 一种识别下肢多关节运动想象的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106502404A (zh) | 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统 | |
CN105938397B (zh) | 基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法 | |
CN106362287A (zh) | 一种新型mi‑sssep混合脑‑机接口方法及系统 | |
CN110765920B (zh) | 基于卷积神经网络的运动想象分类方法 | |
CN109656365B (zh) | 一种基于实时闭环振动刺激增强的脑机接口方法及系统 | |
Krepki et al. | The Berlin Brain-Computer Interface (BBCI)–towards a new communication channel for online control in gaming applications | |
CN101339455B (zh) | 基于人脸识别特异性波n170成分的脑机接口系统 | |
CN110262658B (zh) | 一种基于强化注意的脑机接口字符输入系统及实现方法 | |
Pfurtscheller et al. | Short‐lived brain state after cued motor imagery in naive subjects | |
CN106502405A (zh) | 基于同步性复合肢体想象动作多模态脑机接口方法及系统 | |
CN110442244A (zh) | 一种基于脑机接口的虚拟现实游戏交互方法及系统 | |
CN107562191A (zh) | 基于混合特征的精细想象动作在线脑‑机接口方法 | |
CN109247917A (zh) | 一种空间听觉诱发p300脑电信号识别方法及装置 | |
CN106502410A (zh) | 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 | |
CN112617863B (zh) | 一种面向左右脚运动意图侧向性识别的混合在线脑机接口方法 | |
CN106648087B (zh) | 一种基于意识任务的特征eeg处理方法 | |
CN106909226A (zh) | 一种多态脑机接口系统 | |
CN109657560A (zh) | 机械手臂控制在线脑-机接口系统及实现方法 | |
CN114259651A (zh) | 一种针对帕金森疾病的主动式实时闭环电刺激系统 | |
CN112783314B (zh) | 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 | |
CN113807402A (zh) | 抑制mi-bci系统误触发的系统及其训练和测试方法 | |
Kwon et al. | Event-related desynchronization (ERD) may not be correlated with motor imagery BCI performance | |
CN112006682A (zh) | 一种基于多通道频率特征定制的左右手运动想象脑电信号分类方法 | |
Lu et al. | A semi-asynchronous real-time facial expression assisted brain control method: An extension | |
Liang et al. | A frequency boosting method for motor imagery EEG classification in BCI-FES rehabilitation training system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170315 |
|
WD01 | Invention patent application deemed withdrawn after publication |