CN106502410A - 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 - Google Patents

提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 Download PDF

Info

Publication number
CN106502410A
CN106502410A CN201610959742.6A CN201610959742A CN106502410A CN 106502410 A CN106502410 A CN 106502410A CN 201610959742 A CN201610959742 A CN 201610959742A CN 106502410 A CN106502410 A CN 106502410A
Authority
CN
China
Prior art keywords
mental imagery
brain
eeg signals
erd
ers
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
Application number
CN201610959742.6A
Other languages
English (en)
Inventor
穆思雨
张立新
许敏鹏
何峰
赵欣
杨佳佳
明东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201610959742.6A priority Critical patent/CN106502410A/zh
Publication of CN106502410A publication Critical patent/CN106502410A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及脑机接口技术、医疗与康复器械,为提出一种提高脑‑机接口中运动想象能力的神经调制方法,能够有效地提高MI‑BCI的控制效率,提高其正确率,可获得客观的社会效益和经济效益。本发明采用的技术方案是,提高脑‑机接口中运动想象能力的经颅电刺激装置和方法,在使用MI‑BCI之前,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布。本发明主要应用于脑机接口医疗与康复器械设计制造场合。

Description

提高脑-机接口中运动想象能力的经颅电刺激装置和方法
技术领域
本发明涉及脑机接口技术、医疗与康复器械,具体讲,涉及提高脑-机接口中运动想象能力的经颅电刺激方法。
背景技术
脑-机接口(BCI,Brain Computer Interface)是指在人脑和计算机或其他电子设备之间建立的直接的交流和控制通道。它主要是通过采集人的脑电信号,经过预处理,特征提取,模式识别等环节来推断出人的想法与目的,从而达到人脑与外部设备交流的需要。目前常用的脑-机接口范式有基于SSVEP的脑-机接口,基于P300的脑-机接口,基于MI的脑-机接口(MI-BCI)。其中,MI-BCI是基于检测大脑运动想象神经活动的脑-机接口设备,通过想象肢体运动来达到与控制的目的或实现与外界环境的交流。MI-BCI由于其自发性,不依赖外界刺激,训练时间短等优点得到了广泛应用。然而个体的差异性导致有些受试者在进行运动想象时,ERD,ERS现象不明显,因此导致MI-BCI的正确率不高,执行效率较低,影响了MI-BCI的有效使用。
近年来,经颅电刺激得到了越来越广泛的应用。经颅电刺激是一种非侵入式的颅外刺激技术,主要包括经颅直流电刺激(tDCS,transcranial direct currentstimulation),经颅交流电刺激(tACS,transcranial alternating currentstimulation)等。经颅电刺激仪及常见刺激范式如图1,2所示,主要包括阳极刺激,阴极刺激和伪刺激。阳极刺激是将阳极放在靶区,阴极放在参考区,一般是对侧的眶上区域,阴极刺激与之相反。它们都能够通过刺激来调节大脑的功能活动,tDCS能够改变神经元的静息电位,阳极tDCS能够使得静息态的神经元发生去极化现象,从而激活神经元的活性,阴极tDCS靠近神经元能够产生神经元的超极化现象,使得神经元的活性受到抑制。tACS能够调节神经元的振荡频率,使之发生与刺激频率相同的共振现象,并且该频率的脑电信号的能量以及幅值等得到增强。
大脑皮层的不同生理状态能够使脑电图的波形发生不同的变化,当大脑皮层的某个区域被激活时,代谢和血流就会增加,同时进行的信息加工可以导致脑电波某些频段信号幅度减低或者阻滞,即频带内的能量会呈现出降低的趋势,这一电生理现象我们称之为事件相关去同步化,与之相反,脑电信号的某些频段在大脑惰性或者静息状态下表现出幅值增高的活动,即频带能量的升高,这种电生理活动称为事件相关同步化。运动想象期间的ERD,ERS现象主要出现在大脑感觉运动皮层区域的alpha、beta频段内(alpha频段指频率范围是8~13Hz,beta频段指频率范围是18~24Hz),有研究表明,增强运动想象期间的ERD,ERS现象能够提高MI-BCI的分类正确率和使用效率。
发明内容
为克服现有技术的不足,本发明旨在提出一种提高脑-机接口中运动想象能力的神经调制方法,能够有效地提高MI-BCI的控制效率,提高其正确率,可获得客观的社会效益和经济效益。本发明采用的技术方案是,提高脑-机接口中运动想象能力的经颅电刺激方法,在使用MI-BCI之前,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布。
将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布,具体步骤是:
1)神经调制过程的设计
神经调制过程用的是经颅电刺激仪,刺激类型为经颅交流电刺激,选择beta频段18~24Hz内的某一频率进行刺激,刺激靶区选择运动想象的对侧初级运动皮层M1区,参考电极置于运动想象同侧的眶上区域,电流大小选择为100~200μA,刺激波形选择正弦波形,刺激时间为10~20分钟;
2)脑电信号的处理过程
2.1)脑电信号的预处理
脑电信号的预处理过程主要包括降采样过程和滤波过程。
1.降采样:对于一个样值序列问题间隔几个样值取样一次,这样得到的序列就是原序列的降采样;
2.滤波:在脑电采集过程中的大部分非生理伪迹用适当的滤波器滤除;
2.2)脑电信号的特征提取
选择共同空间模式CSP(Common Spatial Patterns)对脑电信号进行特征提取:设单次运动想象脑电信号为矩阵XN*Y,其中N为导联数,Y为采样点数,那么脑电信号正则化的空间协方差为:
左右手运动想象脑电信号合成的空间协方差矩阵可以表示为:
Cc=C1+C2
其中C1和C2分别表示左手和右手运动想象脑电数据的空间协方差矩阵,Cc又分解为:
其中Uc是Cc特征向量组成的矩阵,λc是相应的特征值组成的对角矩阵,上述分解过程是把特征值按降序排列,并用白化矩阵P对C1和C2进行白化,白化矩阵为:
平均协方差矩阵C1和C2可以变换为:
S1=PC1PT,S2=PC2PT
S1,S2分别表示左右手运动想象的特征矩阵,这时S1和S2有共同的特征向量,当S1的特征值最大时所对应的特征向量是S2的特征值最小时对应的特征向量,反之亦然,这样左右手运动想象的脑电信号的差别就最大化,因此得以区分左右手运动想象的脑电信号;
2.3)脑电信号的分类方法
选择线性判别分析LDA(Linear Discriminant Analysis)方法;
3)ERD/ERS的量化方法
ERD/ERS的计算公式
其中A表示实验期间特定频段的功率,R表示参考期间特定频段的功率;
当ERD/ERS值为负时,表明该频段能量降低,发生了事件相关去同步;当ERD/ERS值为正时,表明该频段能量上升,发生了事件相关同步;当ERD/ERS值为0,说明没有ERD,ERS现象发生。
滤波器有切比雪夫滤波器,巴特沃斯滤波器。
只进行左右手运动想象的两分类的判别分析,采用Fisher线性判别分析。
提高脑-机接口中运动想象能力的经颅电刺激装置,包括经颅电刺激仪、脑电信号采集装置、计算机组成,脑电信号采集装置采集脑电信号,计算机设置有脑电信号特征提取模块,提取脑电信号特征;其中,经颅电刺激仪用于,在使用MI-BCI之前,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布。
本发明的特点及有益效果是:
本技术解决了MI-BCI分类正确率低、执行效率低的问题,提出了用经颅交流电刺激来调节运动想象能力的方法,能够使运动想象期间的ERD的频段更宽,幅值更大,能够简单便捷地提高单一运动想象过程的分类正确率,有效地提高MI-BCI的执行效率,为MI-BCI的使用提供了有益的技术支持,给实际应用带来便捷,并且可以应用于多种工作场景。
附图说明:
图1经颅电刺激仪。
图2经颅电刺激的常用刺激范式。
图3提高脑机接口中运动想象能力的流程示意图。
具体实施方式
提出了一种能够提高脑机接口中运动想象能力的经颅电刺激方法。运动想象是指受试者仅想象肢体运动而没有实际运动的认知行为。运动想象脑-机接口(MI-BCI)是基于检测大脑运动想象神经活动的脑-机接口设备。对运动想象期间的脑电信号进行时频分析,可以发现在8~12Hz频段,运动想象的对侧脑区出现能量下降,同侧脑区出现能量上升的现象,分别称为事件相关去同步(ERD,Event-Relevant Desynchronization)和事件相关同步(ERS,Event-Relevant Synchronization)。经颅电刺激(tES,Transcranial ElectricStimulation)是一种非侵入式的颅外脑刺激技术,它通过微弱的电流作用于人的大脑来实现影响和改善脑功能的目的。
本发明的技术流程是,在使用MI-BCI之前,对受试者进行一定频率的经颅电刺激,记录受试者使用MI-BCI的分类正确率,使用MI-BCI过程中的脑电,对脑电信号进行时频分析,分析ERD,ERS的幅值与分布。
图3为本发明的流程示意图,该过程包括经颅电刺激调节过程,脑电信号采集,脑电信号处理等。脑电信号采集使用的是Neuroscan公司生产的脑电采集系统,采集多通道的脑电数据。受试者安静地坐于距离显示器屏幕约80厘米的靠椅上,注视计算机屏幕上的输出,执行不同的运动想象任务,在此过程中,受试者的脑电会产生相应的变化,采集到的脑电信号经过预处理之后,采用共同空间模式对脑电信号进行特征提取,从而将这些特征应用于实验任务的分类识别。
本发明的要点在于利用经颅电刺激对神经兴奋性的调制过程。
1神经调制过程的设计
神经调制过程用的是NeurConn公司生的DC-STIMULATOR(PLUS version)经颅电刺激仪(见图1)。刺激类型为经颅交流电刺激,选择beta频段(18~24Hz)内的某一频率进行刺激,刺激靶区选择运动想象的对侧初级运动皮层(M1区),参考电极置于运动想象同侧的眶上区域,电流大小选择为100~200μA,刺激波形选择正弦波形,刺激时间为10~20分钟。
2脑电信号的处理过程
2.1脑电信号的预处理
脑电信号的预处理过程主要包括降采样过程和滤波过程。
3.降采样:对于一个样值序列问题间隔几个样值取样一次,这样得到的序列就是原序列的降采样序列,降采样的目的是减少采样点个数,降低计算成本。对于脑电信号,一般降采样到200Hz。
4.滤波:在脑电采集过程中的大部分非生理伪迹可以用适当的带通滤波器滤除。一般选择的带通滤波器有切比雪夫滤波器,巴特沃斯滤波器等。
2.2脑电信号的特征提取
我们选择共同空间模式(Common Spatial Patterns,CSP)对脑电信号进行特征提取。共同空间模式的基本思想是通过一个投影矩阵,将一组多通道采集的脑电信号投影到一个新空间,在这个新空间中,每一个维度的数据都是原始信号在各自通道数据的加权。通过使运动想象左右手的信号矩阵的方差最大化,从而区分这两类信号。这个过程的实现是靠这两类信号的协方差矩阵对角化。
设单次运动想象脑电信号为矩阵XN*Y,其中N为导联数,Y为采样点数,那么脑电信号正则化的空间协方差为:
左右手运动想象脑电信号合成的空间协方差矩阵可以表示为:
Cc=C1+C2
其中C1和C2分别表示左手和右手运动想象脑电数据的空间协方差矩阵,Cc又可以分解为:
其中Uc是Cc特征向量组成的矩阵,λc是相应的特征值组成的对角矩阵。上述分解过程是把特征值按降序排列,并用白化矩阵P对C1和C2进行白化,白化矩阵为:
平均协方差矩阵C1和C2可以变换为:
S1=PC1PT,S2=PC2PT
S1,S2分别表示左右手运动想象的特征矩阵,这时S1和S2有共同的特征向量,当S1的特征值最大时所对应的特征向量是S2的特征值最小时对应的特征向量,反之亦然,这样左右手运动想象的脑电信号的差别就最大化,因此得以区分左右手运动想象的脑电信号。
2.3脑电信号的分类方法
一般选择线性判别分析(Linear Discriminant Analysis,LDA)方法,线性判别分析是在已知的分类下遇到新样本时,选定一个判别标准来判别将新样本放置于哪一类中,实质是采用降低维数的方法,在低维度的空间寻找可分类的区域,进而能够实现不同类别的数据的分类识别。降低维度是线性判别分析的一个关键,这就需要找到一个映射函数能够将高维空间中数据的分类特征映射到一个低维空间,并且在这个低维空间中,实现左右手运动想象两分类的样本识别。
LDA具有分类速度快、稳定好和适合在线分类等优点,是一种将多维空间投影到一维空间的数学变换方法,通过最大化Fisher准则,即类间离散度和类内离散度的比值,找到最优的投影方向。当高维脑电信号向这个最优方向投影时,样本的类间离散度Sb和类内离散度Sw的比值最大。假设共有c个类别,表示第i类中的第j个样本,样本的类内离散度矩阵Sw表示为:
其中x(i)表示第i类样本的均值;Ni表示第i类的样本数;N表示样本总数,即
类间离散度矩阵Sb可以表示为:
其中,c表示类别数,x(i)表示第i类样本的均值,表示所有样本的均值,在这里类别数c为2,即进行二分类识别。
Fisher线性判别的准则函数定义为:
如果类间离散度越大,类内离散度越小,则类别的可分离性越好,即可以进行分类。使函数J(W)达到最大值的向量W*,即为最佳向量。求解出最佳向量后,即可计算阈值,确定线性判别函数f(X),然后输入高维运动想象脑电信号即可进行分类。
3 ERD/ERS的量化方法
ERD/ERS的计算公式为:
其中A表示实验期间特定频段的功率,R表示参考期间(基线)特定频段的功率。
当ERD/ERS值为负时,表明该频段能量降低,发生了事件相关去同步;当ERD/ERS值为正时,表明该频段能量上升,发生了事件相关同步;当ERD/ERS值为0,说明没有ERD,ERS现象发生。
本发明提出了一种能够提高脑机接口中运动想象能力的经颅电刺激方法,通过将经颅电刺激作用于受试者,能够有效提高MI-BCI的分类正确率和执行效率。该发明可以用于残疾人康复、电子娱乐、工业控制等领域,有望获得可观的社会效益和经济效益。

Claims (5)

1.一种提高脑-机接口中运动想象能力的经颅电刺激方法,其特征是,在使用MI-BCI之前,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布。
2.如权利要求1所述的提高脑-机接口中运动想象能力的经颅电刺激方法,其特征是,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布,具体步骤是:
1)神经调制过程的设计
神经调制过程用的是经颅电刺激仪,刺激类型为经颅交流电刺激,选择beta频段18~24Hz内的某一频率进行刺激,刺激靶区选择运动想象的对侧初级运动皮层M1区,参考电极置于运动想象同侧的眶上区域,电流大小选择为100~200μA,刺激波形选择正弦波形,刺激时间为10~20分钟;
2)脑电信号的处理过程
2.1)脑电信号的预处理
脑电信号的预处理过程主要包括降采样过程和滤波过程。
a降采样:对于一个样值序列问题间隔几个样值取样一次,这样得到的序列就是原序列的降采样;
b滤波:在脑电采集过程中的大部分非生理伪迹用适当的滤波器滤除;
2.2)脑电信号的特征提取
选择共同空间模式CSP(Common Spatial Patterns)对脑电信号进行特征提取:设单次运动想象脑电信号为矩阵XN*Y,其中N为导联数,Y为采样点数,那么脑电信号正则化的空间协方差为:
C = X N * Y X N * Y T t r a c e ( X N * Y X N * Y T )
左右手运动想象脑电信号合成的空间协方差矩阵可以表示为:
Cc=C1+C2
其中C1和C2分别表示左手和右手运动想象脑电数据的空间协方差矩阵,Cc又分解为:
C c = U c λ c U c T
其中Uc是Cc特征向量组成的矩阵,λc是相应的特征值组成的对角矩阵,上述分解过程是把特征值按降序排列,并用白化矩阵P对C1和C2进行白化,白化矩阵为:
P = λ c - 1 U c T
平均协方差矩阵C1和C2可以变换为:
S1=PC1PT,S2=PC2PT
S1,S2分别表示左右手运动想象的特征矩阵,这时S1和S2有共同的特征向量,当S1的特征值最大时所对应的特征向量是S2的特征值最小时对应的特征向量,反之亦然,这样左右手运动想象的脑电信号的差别就最大化,因此得以区分左右手运动想象的脑电信号;
2.3)脑电信号的分类方法
选择线性判别分析LDA(Linear Discriminant Analysis)方法;
3)ERD/ERS的量化方法
ERD/ERS的计算公式
E R D / E R S = A - R R × 100 %
其中A表示实验期间特定频段的功率,R表示参考期间特定频段的功率;
当ERD/ERS值为负时,表明该频段能量降低,发生了事件相关去同步;当ERD/ERS值为正时,表明该频段能量上升,发生了事件相关同步;当ERD/ERS值为0,说明没有ERD,ERS现象发生。
3.如权利要求2所述的提高脑-机接口中运动想象能力的经颅电刺激方法,其特征是,滤波器有切比雪夫滤波器,巴特沃斯滤波器。
4.如权利要求2所述的提高脑-机接口中运动想象能力的经颅电刺激方法,其特征是,只进行左右手运动想象的两分类的判别分析,采用Fisher线性判别分析。
5.一种提高脑-机接口中运动想象能力的经颅电刺激装置,其特征是,包括经颅电刺激仪、脑电信号采集装置、计算机组成,脑电信号采集装置采集脑电信号,计算机设置有脑电信号特征提取模块,提取脑电信号特征;其中,经颅电刺激仪用于,在使用MI-BCI之前,将特定频率的经颅电刺激施加于人脑的初级运动皮层,来调节运动想象期间的ERD,ERS幅值及分布。
CN201610959742.6A 2016-10-27 2016-10-27 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 Pending CN106502410A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610959742.6A CN106502410A (zh) 2016-10-27 2016-10-27 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610959742.6A CN106502410A (zh) 2016-10-27 2016-10-27 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法

Publications (1)

Publication Number Publication Date
CN106502410A true CN106502410A (zh) 2017-03-15

Family

ID=58321589

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610959742.6A Pending CN106502410A (zh) 2016-10-27 2016-10-27 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法

Country Status (1)

Country Link
CN (1) CN106502410A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470182A (zh) * 2018-01-23 2018-08-31 天津大学 一种用于非对称脑电特征增强与识别的脑-机接口方法
CN108543218A (zh) * 2018-05-03 2018-09-18 广东工业大学 一种低频微电流刺激器
CN109078262A (zh) * 2018-08-15 2018-12-25 北京机械设备研究所 一种基于外周神经电刺激的mi-bci训练方法
CN110548233A (zh) * 2019-09-30 2019-12-10 上海交通大学 一种用于神经调控的便携式双通道经颅超声刺激装置
CN110732082A (zh) * 2019-09-27 2020-01-31 杭州电子科技大学 一种经颅直流电刺激和功能性电刺激的运动功能康复方法
CN112236741A (zh) * 2018-07-31 2021-01-15 赫尔实验室有限公司 利用神经调节的增强型脑机接口
CN114533083A (zh) * 2022-01-24 2022-05-27 江苏省人民医院(南京医科大学第一附属医院) 基于多融合式卷积神经网络的运动想象状态识别方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102783948A (zh) * 2011-05-20 2012-11-21 索尼公司 脑电图激发装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102783948A (zh) * 2011-05-20 2012-11-21 索尼公司 脑电图激发装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
PENGFEI WEI等: "performance of motor imagery brain-computer interface based anodal transcranial direct current stimulation modulation", 《NEURAL SYSTEMS AND REHABILITATION ENGINEERING》 *
张振旺: "脑机接口中想象运动分类算法的研究", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *
方贺琪: "基于正则化CSP和SRC的运动想象脑电信号特征提取与分类算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470182A (zh) * 2018-01-23 2018-08-31 天津大学 一种用于非对称脑电特征增强与识别的脑-机接口方法
CN108470182B (zh) * 2018-01-23 2022-04-29 天津大学 一种用于非对称脑电特征增强与识别的脑-机接口方法
CN108543218A (zh) * 2018-05-03 2018-09-18 广东工业大学 一种低频微电流刺激器
CN112236741A (zh) * 2018-07-31 2021-01-15 赫尔实验室有限公司 利用神经调节的增强型脑机接口
CN112236741B (zh) * 2018-07-31 2024-03-08 赫尔实验室有限公司 利用神经调节的增强型脑机接口的系统、方法和介质
CN109078262B (zh) * 2018-08-15 2022-11-01 北京机械设备研究所 一种基于外周神经电刺激的mi-bci训练方法
CN109078262A (zh) * 2018-08-15 2018-12-25 北京机械设备研究所 一种基于外周神经电刺激的mi-bci训练方法
CN110732082A (zh) * 2019-09-27 2020-01-31 杭州电子科技大学 一种经颅直流电刺激和功能性电刺激的运动功能康复方法
CN110732082B (zh) * 2019-09-27 2023-09-12 杭州电子科技大学 一种经颅直流电刺激和功能性电刺激的运动功能康复方法
CN110548233A (zh) * 2019-09-30 2019-12-10 上海交通大学 一种用于神经调控的便携式双通道经颅超声刺激装置
CN110548233B (zh) * 2019-09-30 2021-07-27 上海交通大学 一种用于神经调控的便携式双通道经颅超声刺激装置
CN114533083A (zh) * 2022-01-24 2022-05-27 江苏省人民医院(南京医科大学第一附属医院) 基于多融合式卷积神经网络的运动想象状态识别方法
CN114533083B (zh) * 2022-01-24 2023-12-01 江苏省人民医院(南京医科大学第一附属医院) 基于多融合式卷积神经网络的运动想象状态识别方法

Similar Documents

Publication Publication Date Title
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
Liao et al. Combining spatial filters for the classification of single-trial EEG in a finger movement task
CN102715911B (zh) 基于脑电特征的情绪状态识别方法
Tong et al. Quantitative EEG analysis methods and clinical applications
CN106569604B (zh) 视听双模态语义匹配和语义失配协同刺激脑机接口方法
CN106362287A (zh) 一种新型mi‑sssep混合脑‑机接口方法及系统
CN104978035B (zh) 基于体感电刺激诱发p300的脑机接口系统及其实现方法
CN102319067A (zh) 用于大脑记忆功能改善的基于脑电信号的神经反馈训练仪
CN102200833B (zh) 一种Speller BCI系统及其控制方法
CN103892829B (zh) 一种基于共同空间模式的眼动信号识别系统及其识别方法
CN103019382B (zh) 一种利用诱发电位反映脑部主观动机信号的脑机接口方法
CN106175757B (zh) 基于脑电波的行为决策预测系统
CN108209909A (zh) 基于动作意图任务的双模特神经信号特征选择方法
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
Pun et al. Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva
CN113143293A (zh) 一种基于脑电源成像的连续语音包络神经夹带提取方法
Turnip et al. Deception detection of EEG-P300 component classified by SVM method
CN101339413B (zh) 基于脑电中人脸识别特异性波的开关控制方法
Mantri et al. EEG based emotional distress analysis—a survey
CN103869979A (zh) 一种基于选择性感受的脑机接口系统
CN109078262A (zh) 一种基于外周神经电刺激的mi-bci训练方法
CN113807402A (zh) 抑制mi-bci系统误触发的系统及其训练和测试方法
Kanoga et al. Semi-simulation experiments for quantifying the performance of SSVEP-based BCI after reducing artifacts from trapezius muscles
Bhuvaneswari et al. Classification of electromyography signal using wavelet decomposition method
Ravindran et al. Name Familiarity Detection using EEG-based Brain Computer Interface

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170315