摘要 - 目的:功能性近红外光谱(FNIRS)最近在基于运动成像(MI)的基于脑部计算机界面(BCIS)的研究方面已经获得了动力。令人惊讶的是,大多数研究工作主要致力于增强基于FNIRS的BCIS的健康个体。尚未探索尚未探索尚未探讨BCI最终用户利用基于FNIRS的血液动力学反应来有效控制基于MI的BCI的主要BCI最终用户中的患者(ALS)的能力。本研究旨在量化ALS患者对MI任务的血液动力学反应的主体特异性时空特征,并研究使用这些反应作为控制二进制BCI的通信手段的可行性。方法:使用八名ALS患者的FNIR记录血液动力学反应,同时执行MI-REST任务。进行了广义线性模型(GLM)分析以统计估计并评估个性化的空间激活。选定的通道集已在统计上优化用于分类。特定于主题的判别特征,包括从GLM获得的提议的数据驱动的估计系数,并确定了优化的分类参数,并用于使用线性支持向量机(SVM)分类器进一步评估性能。结果:在患者血流动力学反应的时空特征中观察到了受试者间的变化。使用优化的分类参数和特征集,所有受试者都可以成功使用其MI血流动力学反应来控制BCI,平均分类精度为85.4%±9.8%。显着性:我们的结果表明,基于FNIRS的MI血流动力学反应可用于控制ALS患者的二元BCI。这些发现突出了特定于特定数据驱动的方法在识别优化BCI性能的歧视时空特征方面的重要性。
摘要 在患者完全清醒之前,患者和医生之间的交流非常常见。但由于不幸的事件,有时患者会进入无意识状态,即意识障碍 (DOC) 患者,无法与医生交流他们的感受。恢复沟通是 DOC 患者的主要目标之一。本文详细讨论了恢复与 DOC 患者沟通的几种不同方法。解释了使用所有这些不同方法的优势以及由于使用它们而出现的问题。与 DOC 患者建立沟通有不同的方法,并且在应用这些方法时面临若干挑战。脑电图 (EEG) 和磁共振成像 (MRI) 信号都以不同的方法使用。本文对这些方法及其挑战进行了全面讨论。
事实证明,通过结合两种不同的 BCI 模态,可以显著提高典型的单模态脑机接口 (BCI) 的性能。这种所谓的“混合 BCI”技术已经研究了几十年;然而,特别是结合脑电图 (EEG) 和功能性近红外光谱 (fNIRS) 的混合 BCI(以下称为 hBCI)尚未在实际环境中得到广泛应用。hBCI 系统不受欢迎的主要原因之一是它们的硬件通常过于笨重和复杂。因此,为了使 hBCI 更具吸引力,有必要实现一个轻量级、紧凑且性能下降最小的 hBCI 系统。在本研究中,我们调查了实现紧凑型 hBCI 系统的可行性,该系统具有明显较少的 EEG 通道和 fNIRS 源检测器 (SD) 对,但可以实现足够高的分类准确率,可用于实际 BCI 应用。当被试执行三个不同的心理任务时,获取 EEG 和 fNIRS 数据,这三个心理任务包括心算、右手运动想象和空闲状态。我们的分析结果表明,使用仅具有两个 EEG 通道和两个 fNIRS SD 对的 hBCI 系统可以对这三种心理状态进行分类,分类准确率高达 77.6 ± 12.1%。
动力学运动图像(KMI)在运动皮层(称为事件相关的(DE) - 同时化,ERD/ERS)上产生特定的脑模式,使KMI可以通过电脑范围(BCI)通过电脑(EEGEEG)信号来检测到KMI。由于执行KMI任务会刺激突触可塑性,因此基于KMI的BCIS对许多需要长期KMI实践的应用(例如,运动训练或中风后康复)有望。但是,缺乏对基于KMI的BCI相互作用的研究,尤其是关于人际因素与运动模式变化之间的关系。这项试验研究旨在更好地理解给定个人的脑运动模式如何随着时间的流逝而变化,(ii)人际因素是否可能影响BCI实践,以及(iii)BCI用户的经验会随着时间的推移调节KMI任务(即ERDS和ERS)的脑运动模式。为此,我们在这项心理任务中招募了一名专家,他在五个月的时间内在26个不同的课程中进行了2080公里的时间。这项研究的原始性在于对来自EEG信号,BCI数据性能和13个不同调查的交叉引用数据的详细检查。结果表明,这种重复和延长的实践并没有减少他的福祉,尤其是对任务的自动化感。,我们观察到随着会话的积累,ERD振幅的进行性衰减和运动区域的浓度。所有这些元素都指向神经效率的现象。情绪,任务控制,饮食等)如果通过其他研究确认,这种现象可能会质疑BCI在向用户提供持续刺激时的质量。此外,这项试验研究的结果表明了可能影响运动皮层反应的洞察力(例如,和有希望的改善旨在长期使用的BCI的教学设计的机会。
1蒂宾根大学医院神经和中风系,德国图宾根72076; eric-james.mcdermott@medizin.uni-tuebingen.de(E.J.M.); philipp.raggam@univie.ac.at(P.R.); paolo.belardinelli@unitn.it(P.B.)2赫蒂临床脑研究所,图宾根大学,72076德国Tubingen 3研究小组神经信息学,计算机科学学院,维也纳大学,维也纳大学,1010 Wien,Wien,奥地利4InstitutFürGames,Hochschule derien,70569 Stuttgart,70569 Stuttgart,Germany,Fermany; kirsch@hdm-stuttgart.de 5 CIMEC,特伦托大学的思维/脑科学中心,38123,意大利特伦托38123,多伦多大学多伦多大学精神病学系,在多伦多大学,多伦多大学,M5T 1R8,M5T 1R8,加拿大7 Temerty temerty temerty脑干预中心,用于成立和心理健康,M6J ulf.ziemann@uni-tuebingen.de(U.Z); Christoph.zrenner@utoronto.ca(C.Z.)
(2018) 2017 年工程、技术与创新国际会议:2020 年以后的工程、技术与创新管理:新挑战、新方法,ICE/ITMC 2017 - 会议录,2018 年 1 月,第 1578-1583 页。ISBN:978-153860774-9 doi:10.1109/ICE.2017.8280071
摘要:本文旨在全面研究脑机接口及其产生的更多科学发现。本综述的最终目标是对 BCI 系统进行广泛的研究,同时关注最近在 BCI 中使用的伪影去除技术或方法以及 BCI 的重要方面。在预处理中,伪影去除方法至关重要。此外,本综述强调了与 BCI 进步相关的适用性、实际挑战和成果。这有可能加速该领域的未来进步。这项关键评估考察了 BCI 技术的现状以及最近的进展。它还确定了各种 BCI 技术应用领域。这项详细的研究表明,虽然正在取得进展,但用户进步仍面临重大挑战。对 BCI 中的 EEG 伪影去除方法进行了比较,并讨论了它们在现实世界的 EEG-BCI 应用中的实用性。还根据综述结果和现有的伪影去除方法提出了该领域未来研究的一些方向和建议。
关键词:脑机接口、机械臂、脑电图(EEG)、机器学习 I. 引言 近年来,脑机接口(BCI)技术受到了广泛关注,因为它为我们提供了一种操作事物和与外界联系的新方式。BCI 技术使运动障碍人士无需做出任何身体动作即可操作机械臂或假肢,也使健全人能够用大脑控制机器人设备。这项技术将非常有益,并有可能极大地帮助那些运动障碍人士,例如失去肢体或瘫痪的人。我们将在本出版物中讨论一项关于操作机械臂的非侵入式 BCI 系统的研究。该设备利用从头皮获取的脑电图(EEG)数据来对用户的意图、脑信号进行分类,并控制机械臂的运动。非侵入式 BCI 设备将使运动受限人士和失去肢体或手臂的人的生活更加轻松。该方法提高了其实用性和实际应用的适用性。
摘要 — 尽管目前已有研究,但运动想象 (MI) 任务中产生的事件相关去同步 (ERD) 的变异性与 MI-BCI 性能之间的关系仍未得到很好的理解。事实上,之前的许多研究表明,ERD 模式在受试者之间和受试者内存在很大的变异性,但仍然难以理解这种变异的起源。缺乏对大脑运动模式变异性的了解限制了提高 BCI 性能的可能性,BCI 的性能平均仍然很差。我们认为,更好地了解 BCI 使用过程中 ERD 的变异性对于开发有效的接口至关重要。事实上,大多数研究都忽视了对 MI 期间试验间 ERD 及其整个实验会话期间的变异性的分析,这些研究主要集中于识别跨试验平均甚至跨参与者的 ERD 模式。在本研究中,我们计划分析大型 MI-BCI 数据库(n=75 名受试者),并研究右手和左手 MIs 任务(即 ERD)背后的大脑运动模式的个体间/个体内变异性与 BCI 性能之间的关系。我们的研究表明,尽管 ERD 幅度和基线功率与 BCI 性能相关,但 ERD 幅度或基线功率的变异性却无关。索引术语 — 运动意象;脑机接口;脑电图;变异性