深度学习算法在脑电信号解码中的应用 被引量：12

1

作者 韦梦莹 李琳玲 +2 位作者 黄淦 唐翡 张治国 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第4期464-472,共9页

近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用... 近年来深度学习算法得到飞速发展,在生物医学工程领域的应用也越来越广泛。其中,利用深度学习算法从脑电信号(EEG)中解码生理、心理或病理状态也受到越来越多的关注。综述近年来深度学习算法在EEG解码中的应用,介绍常用算法、典型应用场景、重要进展和现存的问题。首先,论述常用于EEG解码的几类深度学习算法的基本原理,包括卷积神经网络、深度信念网络、自编码器和循环神经网络等。然后,讨论深度学习算法的几个典型EEG解码应用场景,包括脑机接口、情绪与认知识别、疾病辅助诊断。结合应用实例,归纳深度学习算法在EEG解码中的常见问题、解决方案、主要进展和研究趋势。最后,总结深度学习应用于EEG信号解码中仍待解决的一些关键问题,如参数复杂度、训练时间以及泛化能力等。 展开更多

关键词 深度学习 神经网络 脑电 解码 脑机接口

下载PDF 职称材料

特征可分性显式建模的跨数据库脑电解码方法 被引量：1

2

作者 李易 张本鑫 +2 位作者 莫云 路仲伟 李智 《电子测量技术》 北大核心 2024年第7期95-105,共11页

目前,在运动想象解码领域,研究主要集中在被试依赖和被试独立解码两种方法上。然而,这两种解码方式在脑机接口(BCI)系统的实际使用中存在较大局限性。被试依赖和被试独立解码都依赖于同一中心数据集,当解码模型应用于其他中心的数据集时... 目前,在运动想象解码领域,研究主要集中在被试依赖和被试独立解码两种方法上。然而,这两种解码方式在脑机接口(BCI)系统的实际使用中存在较大局限性。被试依赖和被试独立解码都依赖于同一中心数据集,当解码模型应用于其他中心的数据集时,性能将显著下降,无法满足BCI系统跨中心使用的需求。为提升运动想象脑电跨数据库解码性能,基于领域泛化的方法框架,提出了一种基于Fisher准则正则化的稀疏选择模型。在最小绝对值收缩和选择算子(LASSO)模型的基础上,引入Fisher准则正则项,以在特征选择过程中显式建模特征的可分性。这有助于提高领域泛化的表示学习能力,从而增强分类模型在不同数据集上的泛化性能。采用两个公开的运动想象脑电数据集,并使用滤波器组共空间模式(FBCSP)和多时频共空间模式(MTFCSP)两种特征提取方法,验证了所提方法的有效性,进一步使用自采集的数据也证实了该方法在实际应用中同样有效。与现有的方法相比,所提方法取得了最高平均分类准确率,达到67.26%。实验结果表明,所提方法在运动想象跨数据库解码中具有更好的泛化能力、更高的特征可分性、更好的鲁棒性。所提方法有望促进BCI系统跨中心使用,提高通用性。 展开更多

关键词 运动想象 脑电解码 稀疏正则化 领域泛化 跨数据库

下载PDF 职称材料

一种基于手部精细运动分类的脑机接口方法研究

3

作者 李睿 刘宇琪 +5 位作者 刘卫平 兀瑞 白端阳 杨东 张俊峰 赵杰 《临床神经外科杂志》 2024年第4期384-388,395,共6页

目的 探索一种基于6种手部精细运动解码的脑机接口(BCI)技术。方法 在分析了6种手部常见精细运动脑电图(EEG)产生机理与响应特性的基础上,设计了手部精细运动执行BCI范式,实现了一种基于卷积神经网络的运动相关EEG信号解码模型,并搭建... 目的 探索一种基于6种手部精细运动解码的脑机接口(BCI)技术。方法 在分析了6种手部常见精细运动脑电图(EEG)产生机理与响应特性的基础上,设计了手部精细运动执行BCI范式,实现了一种基于卷积神经网络的运动相关EEG信号解码模型,并搭建了基于手部精细运动的BCI系统,对8例健康受试者、2例因病变累及顶叶而出现明显运动功能障碍患者的6种精细运动手势EEG信号进行了分类。结果 10例受试者在基于手部精细运动的BCI系统下,EEG信号的分类准确率为(79.20±6.05)%。结论 基于6种手部精细运动解码的BCI方法具有一定有效性和泛化能力。 展开更多

关键词 精细运动 脑机接口 脑电信号 解码方法

下载PDF 职称材料

基于非凸log模型的脑电时-频-空特征选择方法

4

作者 王棋辉 莫云 +2 位作者 梁国富 许川佩 张本鑫 《桂林电子科技大学学报》 2024年第2期153-161,共9页

针对运动想象脑电时-频-空特征选择问题,提出了基于非凸log模型的稀疏特征选择方法(LOG方法)。首先,对原始脑电信号进行时-频分解,得到多个时-频段;其次,针对每个时-频段使用共空域模式(CSP)提取特征,得到时-频-空特征集合;最后,通过提... 针对运动想象脑电时-频-空特征选择问题,提出了基于非凸log模型的稀疏特征选择方法(LOG方法)。首先,对原始脑电信号进行时-频分解,得到多个时-频段;其次,针对每个时-频段使用共空域模式(CSP)提取特征,得到时-频-空特征集合;最后,通过提出的基于log函数的非凸稀疏优化模型进行特征选择和分类,该模型可有效缓解L1范数正则化的有偏估计。为验证本方法的有效性,用3个公开的运动想象脑电数据集进行实验,相比现有的凸稀疏优化模型,非凸log模型取得了82.5%的平均分类准确率。实验结果表明,LOG方法不仅分类准确率高,且模型具有较好的稳定性和鲁棒性。 展开更多

关键词 脑电解码 运动想象 时-频-空特征 特征选择 非凸模型

下载PDF 职称材料

一种面向运动解码的EEG-fNIRS时频特征融合与协同分类方法 被引量：3

5

作者 刘晋瑞 宋婷 +2 位作者 舒智林 韩建达 于宁波 《仪器仪表学报》 EI CAS CSCD 北大核心 2022年第7期165-173,共9页

脑功能成像技术可以反映人体运动时的大脑生理变化,进而解码运动状态,但单模态信号反映的大脑生理信息存在局限性。为此,本文提出了一种基于EEG和fNIRS信号的时频特征融合与协同分类方法,利用脑神经电活动和血氧信息的互补特性提高运动... 脑功能成像技术可以反映人体运动时的大脑生理变化,进而解码运动状态,但单模态信号反映的大脑生理信息存在局限性。为此,本文提出了一种基于EEG和fNIRS信号的时频特征融合与协同分类方法,利用脑神经电活动和血氧信息的互补特性提高运动状态解码精度。首先,提取EEG的小波包能量熵特征,使用双向长短期记忆网络(Bi-LSTM)提取fNIRS的时域特征,将两类特征组合得到包含时频域信息的融合特征,实现EEG和fNIRS不同层次特征的信息互补。然后,利用1DCNN提取融合特征深层次信息。最后,采用全连接神经网络进行任务分类。将所提方法应用于公开数据集,本文所提的EEG-fNIRS信号协同分类方法准确率为95.31%,较单模态分类高7.81%~9.60%。结果表明,该方法充分融合了两互补信号的时频域信息,提高了对左右手握力运动的分类准确率。 展开更多

关键词 eeg FNIRS 时频特征融合 协同分类 运动解码

下载PDF 职称材料

基于多输入三维卷积神经网络的脑电解码模型 被引量：1

6

作者 邓豪东 王俊易 +2 位作者 葛骏一 林放 李梦凡 《现代电子技术》 2023年第19期149-154,共6页

脑机接口是实现人脑与外界交互的关键技术,脑电解码是其中的核心环节,并随着深度学习发展在预测大脑意图的精度方面得到显著提升。然而个体内脑电信号差异降低了脑电解码模型的鲁棒性。为此,提出一种多输入三维卷积神经网络(MT-3D-CNN)... 脑机接口是实现人脑与外界交互的关键技术,脑电解码是其中的核心环节,并随着深度学习发展在预测大脑意图的精度方面得到显著提升。然而个体内脑电信号差异降低了脑电解码模型的鲁棒性。为此,提出一种多输入三维卷积神经网络(MT-3D-CNN)的脑电解码模型,通过融合脑电数据的空间排布与时间排布,形成两种三维矩阵数据作为卷积网络的多输入,采用三维卷积核沿时-空方向进行特征提取与解码。10名被试参加了间隔6 h和12 h的脑机接口实验,并采用MT-3D-CNN进行跨时间的解码预测。MT-3D-CNN的单次解码准确率在长时间下分别维持在78.15%和72.56%,高于单输入的3D-CNN(62.89%和52.35%),表明MT-3D-CNN通过对脑电数据的时间和空间的多种排布方式形成的多输入能够充分利用其三维卷积核学习与提取特征的能力,并且针对个体内脑电差异具有更强的解码性能,有助于推动脑机接口系统的普及使用。 展开更多

关键词 脑电图 个体内差异 三维卷积神经网络 数据排布 脑电解码 跨时间 脑机接口 鲁棒性

下载PDF 职称材料

基于小波变换共空间模式的脑电信号解码 被引量：2

7

作者 曲思霖 王从庆 +2 位作者 李建亮 展文豪 张民 《郑州大学学报（工学版）》 CAS 北大核心 2022年第3期31-36,共6页

针对运动想象脑电信号实现任务少、识别准确率低等问题,提出了一种基于小波包分解的共空间模式脑电信号特征提取方法。该方法通过长短期记忆网络进行脑电信号解码,采用独立成分分析的方法将运动想象信号进行盲源分离,采用小波包分解方... 针对运动想象脑电信号实现任务少、识别准确率低等问题,提出了一种基于小波包分解的共空间模式脑电信号特征提取方法。该方法通过长短期记忆网络进行脑电信号解码,采用独立成分分析的方法将运动想象信号进行盲源分离,采用小波包分解方法将每个通道脑电信号按频率分为8组。计算每组信号的功率值,采用递归特性消除方法去除对分类不重要的10个节点特征,将被选择的节点信号采用1对1共空间模式提取空域特征,将特征矩阵输入长短期记忆网络进行脑电信号解码,得到4类运动想象信号分类结果。采用本文方法对公开的脑机接口竞赛数据集(包括左手想象信号、右手想象信号、舌头想象信号、双脚想象信号)前3位受试者数据进行验证,结果表明:本文方法的识别准确率分别为90.28%、94.25%、96.55%,平均识别准确率达到93.69%。与其他方法对比,本文方法识别准确率较高。用识别的脑电信号作为解码控制信号,控制虚拟太空环境中的空间机械臂顺时针或逆时针运动,达到抓取空间中目标物体的目的。 展开更多

关键词 脑机接口 脑电信号解码 长短期记忆网络 空间机械臂 共空间模式

下载PDF 职称材料

基于深度学习的头皮脑电信息解码研究进展 被引量：2

8

作者 刘政 何峰 +2 位作者 汤佳贝 万柏坤 明东 《中国生物医学工程学报》 CAS CSCD 北大核心 2020年第2期215-228,共14页

头皮脑电(EEG)拥有毫秒级时间分辨力,可实时获取大脑意念认知、思维决策的神经电生理信息。EEG已广泛用于脑成像研究,并成为21世纪神经科学与工程研究开发的重要工具之一。但受颅内组织容积导电效应的影响,使其信噪比与空间分辨率较差,... 头皮脑电(EEG)拥有毫秒级时间分辨力,可实时获取大脑意念认知、思维决策的神经电生理信息。EEG已广泛用于脑成像研究,并成为21世纪神经科学与工程研究开发的重要工具之一。但受颅内组织容积导电效应的影响,使其信噪比与空间分辨率较差,信息解码严重受阻。随着本世纪深度学习(DL)的快速兴起与深入发展,研究者开始尝试将深度学习与脑科学研究相结合,探究深度学习应用于脑电数据处理的新方法,并已取得瞩目的阶段性成果,但采用现有方法进行EEG信息解码仍面临诸多急需解决的难题。结合近些年深度学习在EEG数据处理领域的研究和应用,综合论述目前主流DNN模型结构在EEG信息解码领域的研究现状及进展成果,分析归纳其潜力优势与瓶颈难题及未来趋势,以促进深度学习解码脑电信息的研究更深入有效发展。 展开更多

关键词 深度学习 头皮脑电 数据处理 神经网络 信息解码

下载PDF 职称材料

基于PCA的EEG-fNIRS特征融合

9

作者 刘化东 许博俊 李梦琪 《现代电子技术》 2023年第19期29-33,共5页

运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光... 运动想象脑-机接口(MI-BCI)可解码用户运动意图,它无需任何外部刺激就能产生指令,可以为无法自主运动患者提供一种额外交流通道,辅助或改善其生活方式,但目前还没有一个比较好的方法能对MI-BCI进行高效解码。脑电图(EEG)和功能近红外光谱(fNIRS)是目前一种无创的功能神经成像技术。在单个模式上,EEG的空间分辨率较差,而时间分辨率较高,相比之下,fNIRS提供了更好的空间分辨率,所以文中采用双模态的方式对MI信号进行解码。由于EEG和fNIRS是两种不同类型的信号,如何对两种信号进行融合是目前研究的重点和难点,文中首先对特征提取后的两种信号进行归一化处理,然后采用主成分分析(PCA)算法进行信号融合。实验招募了12名被试做抬左右腿的运动想象。结果表明单独使用EEG和fNIRS进行信号解码精度最高为73.8%,使用PCA对EEG-fNIRS的特征进行融合后分类精度实现了81.2%,提高了7.4%。实验结果证明提出的方法可以为未来的多模态在线BCI系统提供新的思路。 展开更多

关键词 双模态融合 脑电图 功能近红外光谱 运动想象 支持向量机 共空间模式 信号解码 主成分分析

下载PDF 职称材料

嵌入式系统中运动想象脑-机接口编解码算法综述

10

作者 于钦雯 周王成 +1 位作者 戴亚康 刘燕 《计算机工程与应用》 CSCD 北大核心 2024年第18期50-65,共16页

脑-机接口技术通过在大脑与外部设备之间建立信息传输通路,使用户能够对外部设备进行直接控制。近年来,基于运动想象范式的脑-机接口编解码算法研究在医疗健康、教育娱乐及日常生活设备中的应用范围越来越广,这些算法通常需要嵌入到硬... 脑-机接口技术通过在大脑与外部设备之间建立信息传输通路,使用户能够对外部设备进行直接控制。近年来,基于运动想象范式的脑-机接口编解码算法研究在医疗健康、教育娱乐及日常生活设备中的应用范围越来越广,这些算法通常需要嵌入到硬件设备中来满足实际应用的需求。介绍了近年来嵌入式系统中运动想象脑-机接口编解码算法研究现状,从传统机器学习算法和深度学习算法两个角度指出其对应的优缺点。重点介绍四类常用嵌入式平台的代表性设备及其优缺点,并针对不同的应用场景给出相应的硬件选型建议。归纳了更适用于嵌入式脑-机接口系统的评价指标并最终总结了领域内现存的挑战与未来发展方向。 展开更多

关键词 脑-机接口 运动想象 脑电信号编解码算法 嵌入式系统

下载PDF 职称材料

基于频域和时域脑电特征解码自然抓握动作 被引量：2

11

作者 张大林 徐宝国 宋爱国 《传感器与微系统》 CSCD 北大核心 2023年第1期67-70,74,共5页

基于脑电(EEG)解码了与日常生活行为密切相关的3种自然抓握动作,分别是推拉、旋转和插拔抓握。设计了自然手部抓握运动的EEG诱发实验,并采集了5名受试者的EEG数据进行离线分析。神经生理学分析表明,3种自然手部抓握动作与不运动条件之... 基于脑电(EEG)解码了与日常生活行为密切相关的3种自然抓握动作,分别是推拉、旋转和插拔抓握。设计了自然手部抓握运动的EEG诱发实验,并采集了5名受试者的EEG数据进行离线分析。神经生理学分析表明,3种自然手部抓握动作与不运动条件之间存在显著差异,且不同的抓握动作之间表现出不同的激活模式。多分类结果表明:仅使用时域EEG特征,4分类获得了46.1%的总体平均峰值分类正确率,而联合时域和频域特征,达到了49.9%。本文的发现有助于实现直观和自然的脑机接口(BCI)控制,也为上肢截肢者和先天性运动障碍患者的功能康复提供一条新途径。 展开更多

关键词 脑机接口 运动相关皮质电位 脑电 手部自然抓握解码

下载PDF 职称材料

运动想象脑电多视角深度森林解码算法 被引量：1

12

作者 郑龙鑫 苗敏敏 +1 位作者 徐宝国 胡文军 《中国医学物理学杂志》 CSCD 2022年第9期1159-1166,共8页

针对运动想象脑电信号特征提取操作繁琐及解码精度低等问题,提出一种基于多视角深度森林的运动想象脑电解码算法。首先,通过子频带滤波及时间窗口划分对原始信号进行细粒度分析,生成空时频能量特征。然后,对上述空时频能量特征分别进行... 针对运动想象脑电信号特征提取操作繁琐及解码精度低等问题,提出一种基于多视角深度森林的运动想象脑电解码算法。首先,通过子频带滤波及时间窗口划分对原始信号进行细粒度分析,生成空时频能量特征。然后,对上述空时频能量特征分别进行稀疏选择和时序扫描得到重要的浅层能量特征及多示例先验类别特征。继而,将上述两类特征进行融合构建运动想象脑电多视角特征集。最后,利用级联森林的逐层特征变换挖掘深层次的抽象特征进行脑电解码。根据脑机接口竞赛数据和自行采集的数据进行算法测试,并与单视角特征模型、传统共空间模式方法以及深度神经网络算法进行对比。在2个脑机接口竞赛数据集和1个真实数据集上分别取得了91.4%、75.2%和70.7%的最高平均分类准确率,结果表明该文所提多视角深度森林算法具有更优的分类识别准确率。 展开更多

关键词 运动想象脑电信号 解码算法 多视角 特征提取 深度森林

下载PDF 职称材料