期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于EEG溯源分析的情绪调节研究
1
作者 董煜阳 吕晓彤 《电视技术》 2022年第6期85-90,共6页
基于情绪调节的脑机接口(Brain-Computer Interface,BCI)能够通过采集大脑信号进行情绪的检测与识别,目前已成为科研的热点方向。但目前情绪识别所使用的脑电信号采集电极过多,部分电极所对应脑区与情绪并无关联,容易造成信号处理的烦琐... 基于情绪调节的脑机接口(Brain-Computer Interface,BCI)能够通过采集大脑信号进行情绪的检测与识别,目前已成为科研的热点方向。但目前情绪识别所使用的脑电信号采集电极过多,部分电极所对应脑区与情绪并无关联,容易造成信号处理的烦琐,因此本文采集情绪相关脑电信号,并使用标准低分辨率断层成像(sLORETA)溯源分析对情绪相关通道进行选择,随后对上海交通大学情感脑电数据集(SEED)使用Hjorth参数与差分方法进行特征提取,并对特征向量分别使用支持向量机(Support Vector Machine,SVM)、k-近邻(K-NearestNeighbor,KNN)及朴素贝叶斯分类器(Naive Bayes Classifier,NBC)进行分类。实验结果表明,对于筛选后的通道,SVM、KNN、NBC的分类平均准确率分别为68%±13.14%,74.67%±10.74%,87.11%±6.65%,其中使用NBC分类器最高分类精度达到93.33%。 展开更多
关键词 脑机接口 情绪识别 溯源分析 特征提取 分类
下载PDF
运动想象与其子过程相关脑电特征的数学分解和融合
2
作者 吕晓彤 董煜阳 《通信技术》 2022年第8期998-1005,共8页
现有的基于运动想象的脑机接口(Motor Imagery-Brain-Computer Interface,MI-BCI)研究主要将每个运动想象过程作为一个整体来识别,但是这样的控制是不精细的,因此提出MI子过程的概念,通过把MI分解为子过程,对MI及其子过程相关脑电特征... 现有的基于运动想象的脑机接口(Motor Imagery-Brain-Computer Interface,MI-BCI)研究主要将每个运动想象过程作为一个整体来识别,但是这样的控制是不精细的,因此提出MI子过程的概念,通过把MI分解为子过程,对MI及其子过程相关脑电特征进行数学分解和融合,以提高解码的精细度、精度和鲁棒性。研究证明,一个连续完整的MI过程可以分解为若干子过程,反之,若干子过程可以融合为一个连续完整的MI过程。该研究可望为MI-EEG-BCI系统的精细控制提供思路。 展开更多
关键词 运动想象 静息态特征空间 特征分解与融合 脑机接口 脑电
下载PDF
神经反馈训练促进精神障碍康复的方法及其应用现状
3
作者 丁鹏 +2 位作者 南文雅 龚安民 伏云发 《中华神经医学杂志》 CAS CSCD 北大核心 2022年第9期956-963,共8页
神经反馈训练(NFT)是一种重要的神经调控方法,可对中枢神经系统产生一定的可塑性,有望成为促进精神障碍康复的有效物理干预方法。目前已有许多NFT促进常见精神障碍康复的研究,而针对不同的精神障碍,有着不同的NFT方案,干预效果和作用机... 神经反馈训练(NFT)是一种重要的神经调控方法,可对中枢神经系统产生一定的可塑性,有望成为促进精神障碍康复的有效物理干预方法。目前已有许多NFT促进常见精神障碍康复的研究,而针对不同的精神障碍,有着不同的NFT方案,干预效果和作用机制也不相同。本文围绕NFT技术在精神障碍康复中的应用问题,介绍了NFT概念、过程和常用方案,并重点阐述了NFT促进常见精神障碍康复的方法及应用现状,最后讨论了其中面临的问题及未来研究趋势,以期为NFT促进精神障碍康复方法的创新研究和临床深入应用提供参考。 展开更多
关键词 神经反馈训练 精神障碍 注意力缺陷多动障碍 创伤后应激障碍
原文传递
一种新型结合下肢动觉运动想象和视觉运动想象的脑机接口 被引量:2
4
作者 董煜阳 龚安民 +3 位作者 丁鹏 王东庆 伏云发 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2022年第3期460-468,共9页
基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)是一类重要的BCI,传统的MI方式是动觉运动想象(Kinesthetic Motor Imagery,KMI),较少采用视觉运动想象(Visual Motor Imagery,VMI).提出一种KMI与VMI混合的BC... 基于运动想象(Motor Imagery,MI)的脑-机接口(Brain-Computer Interface,BCI)是一类重要的BCI,传统的MI方式是动觉运动想象(Kinesthetic Motor Imagery,KMI),较少采用视觉运动想象(Visual Motor Imagery,VMI).提出一种KMI与VMI混合的BCI并评估其性能.共招募12名被试参加离线与在线实验EEG(Electroencephalogram)数据采集,离线实验先以KMI方式分别进行屈膝和伸膝,然后分别以KMI,VMI和VKMI三种方式行走,由离线分类精度与三种不同方式想象行走的脑激活程度确定在线实验方案.提取EEG幅值包络线特征,并采用朴素贝叶斯分类器、二次线性判别和决策树进行在线分类,验证系统性能.溯源分析表明,使用新的想象方式进行行走想象时,运动皮层的激活时长高于VMI,体感皮层的激活时长高于KMI,混合的想象方式可能更有利于促进这些脑区的可塑性. 12名被试在线测试三分类的平均准确度达到63.29%±0.09%,平均卡帕系数为0.45±0.13.该研究可望为未来研发下肢运动功能障碍康复训练BCI系统提供思路. 展开更多
关键词 视觉运动想象 动觉运动想象 溯源分析 下肢运动意图 在线模型选择
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部