摘要 - 脑部计算机接口(BCI)允许其用户仅使用大脑活动与计算机或其他机器进行交互。运动障碍者是这项技术的潜在用户,因为它可以使他们在不使用周围神经的情况下与周围环境互动,从而帮助他们恢复失去的自主权。P300拼写器是最受欢迎的BCI应用程序之一。其性能取决于其分类器识别和区分p300电位与脑电图(EEG)信号的能力。为了使分类器正确执行此操作,有必要使用平衡的数据集训练它。但是,由于p300通常是用奇数范式引起的,因此只能获得不平衡的分布。本文在P300 EEG信号上采用了一种基于自组织图(SOM)的采样下采样方法,希望提高分类器的准确性。通过从健康受试者和中风后受害者获得的数据集测试了两个分类模型,一个深层喂养网络(DFN)和深信仰网络(DBN)。我们将结果与以前的作品进行了比较,并观察到我们最关键的主题的分类准确性增加了7%。对于健康和中风的受试者,DBN的最高分类准确性为95.53%和94.93%,而DFN为96.25%和93.75%。索引术语 - 脑计算机界面,神经网络,自组织图,击球后,脑电图
脑电图(EEG)是脑机接口(BCI)系统中最常用的方法之一。基于EEG的BCI系统可以利用外部设备恢复神经肌肉系统。放置在头皮上的电极记录的脑脉冲被转换成控制机械臂、外骨骼、轮椅或其他机器人的命令。在基于EEG的BCI中,有许多范式,例如基于事件相关去同步/同步(ERD / ERS)的运动想象(MI),称为感觉运动节律(SMR),基于体感的感觉想象,注意定向电位(SAO),稳态视觉诱发电位(SSVEP),稳态体感诱发电位(SSSEP),P300电位和慢皮质电位(SCP)。
大脑解码不仅是一个有趣的研究领域,而且从认知和临床的角度也具有收益。近年来,大脑解码从脑电图记录中有很大的增长。通常,基于EEG的非侵入性脑部计算机界面(BCI)通常用于解码精神情绪/意图(从宽松的意义上)。这种解码的实用且有用的例子是,BCI控制轮椅或BCI控制的用户界面,可以帮助不同的人。自1924年被德国精神主义者汉斯·伯杰(Hans Berger)(Chen,2014年)发现以来,脑电图(EEG)主要被卫生工作者用于诸如癫痫发作的应用(Chen,2014年)。然而,多年来,它在认知神经科学和生物医学工程领域的用途显着改善。与其他一些大脑感应性相比,该技术的主要收益不仅是其非侵入性,而且是其高时间分辨率以及相对较低的成本。除了这些优势之外,脑电图信号的劣势是非常差的SNR。说过,由于信号与噪声比率较差,因此很难吸收来自脑电图的大脑中发生的事情。尽管如此,已经为诸如解码情感和分析的应用程序完成了大量的BCI成功工作(Chen等,2019; Craik等,2019; Gao等,2015)等。受到此类研究的启发,我们进一步探索了一个重新
保留。未经许可不得重复使用。此预印本(未经同行评审认证)的版权所有者是作者/资助者。保留所有权利 此版本于 2020 年 6 月 23 日发布。;https://doi.org/10.1101/2020.05.28.118281 doi:bioRxiv preprint
1. 简介。脑机接口是一种利用从大脑记录的信号为功能受损的个体提供通信和控制应用的系统。这项技术已经发展到现在正被能够从中受益的个人所使用。BCI 系统是一种快速发展的技术,涉及通过大脑活动控制外部设备的硬件和软件通信系统。BCI 技术的一个重要应用是帮助瘫痪患者等残疾人。BCI 为大脑提供了新的输出通道,这些通道依赖于大脑活动而不是周围神经和肌肉。BCI 已被研究了 20 多年。许多 BCI 使用非侵入性脑电图作为测量技术,并使用 P300 事件相关电位作为输入信号 (P300 BCI)。自 1988 年 Farwell 和 Donchin 首次使用 P300 BCI 系统进行实验以来,不仅数据处理得到了改进,而且刺激呈现也多种多样,并且开发和改进了大量应用程序 [1,2]。
脑机接口 (BCI) 是一种通信系统,它从大脑活动获取输入并将其转换为外部设备的输出命令,而无需用户进行身体移动 (Wolpaw 等人,2002)。因此,BCI 可以帮助运动障碍患者通过各种控制范式重新获得与环境沟通和互动的能力。收集用户的大脑活动的方法有很多种,其中脑电图 (EEG) 最受欢迎,因为它是非侵入性的并且具有很高的时间分辨率 (Abiri 等人,2019)。根据从大脑中提取的 EEG 成分,BCI 系统可分为三大范式:P300、稳态视觉诱发电位 (SSVEP) 和运动意象 (Abiri 等人,2019)。 P300 范式依赖于事件相关电位 (ERP) 形式的正偏转,该正偏转在遇到奇异范式中的预期刺激后约 300 毫秒引发 (Mat-tout 等人,2015)。因此,通过比较在一系列刺激呈现中诱发的事件相关电位,P300 BCI 可以识别用户的目标选择。与其他范式相比,P300 范式需要的用户培训较少 (Guger 等人,2009),使其成为设计 BCI 控制的交互式环境的有前途的工具 (Fazel-Rezai 等人,2012)。BCI 控制的智能家居已经使用虚拟现实 (VR) 模拟和物理
摘要 目的:通过脑机接口进行的神经反馈 (NFB) 训练已被证明可有效治疗神经系统缺陷和疾病,并提高健康个体的认知能力。之前的研究显示,使用 P300 拼写器的基于事件相关电位 (ERP) 的 NFB 训练可以通过逐步增加拼写任务的难度来提高健康成年人的注意力。本研究旨在评估任务难度适应对健康成人基于 ERP 的注意力训练的影响。为此,我们引入了一种采用迭代学习控制 (ILC) 的新型适应方法,并将其与现有方法和具有随机任务难度变化的对照组进行比较。方法:该研究涉及 45 名健康参与者,为一项单盲、三组随机对照试验。每组接受一次 NFB 训练,使用不同的方法来调整 P300 拼写任务中的任务难度:两组采用个性化难度调整(我们提出的 ILC 和现有方法),一组采用随机难度。我们使用视觉空间注意任务在训练课程之前和之后评估认知表现,并通过问卷收集参与者的反馈。主要结果。所有组在训练后的空间注意任务中都表现出显著的表现提高,平均增加了 12.63%。值得注意的是,使用所提出的迭代学习控制器的组在训练期间实现了 P300 幅度增加 22%,训练后 alpha 功率降低 17%,同时与其他组相比显著加快了训练过程。意义。我们的结果表明,使用 P300 拼写器的基于 ERP 的 NFB 训练可有效增强健康成年人的注意力,一次课程后即可观察到显著的改善。使用 ILC 的个性化任务难度调整不仅可以加速训练,还可以增强训练期间的 ERP。加速 NFB 训练,同时保持其有效性,对于最终用户和临床医生的接受度至关重要。
随着人口老龄化,轻度认知障碍 (MCI) 和痴呆症的患病率上升越来越令人担忧,因此需要一种客观、易用且经济高效的工具来促进早期发现和干预。本文研究了便携式脑电图 (EEG) 系统是否可以使用视觉异常任务来针对记忆和注意力事件相关电位 (ERP) 成分 P300 来有效测量 MCI。在这项研究中,40 名参与者被分成两组:被诊断为认知障碍的个体和年龄匹配的健康对照组。参与者完成两次典型的纸笔 MCI 评估以收集行为数据,然后进行感知 EEG 异常任务以收集大脑数据。结果表明,与健康对照组相比,MCI 组在纸笔评估中表现出行为任务表现下降,在异常任务期间大脑反应发生调节,便携式 EEG 系统显示 P300 峰值幅度下降。这些结果表明便携式脑电图能够识别 MCI 的生物标志物,并可能在诊断过程中发挥作用。这种能力可以为患者、患者家属和医生带来巨大益处,也将有助于阿尔茨海默病的研究。未来的研究可以扩展这些发现,应用寿命或疾病跨度方法来研究健康个体生命过程中的 P300 变化,并与 MCI 患者整个病程中的 P300 变化进行比较。这项研究还可以加深对 MCI 进展的了解,从而改善诊断或治疗的发展。关键词:轻度认知障碍;脑电图;痴呆症;阿尔茨海默病
背景:帕金森病是最常见的神经退行性疾病之一。虽然帕金森病的彻底治愈方法仍然难以捉摸,但有多种治疗方法可以减缓其进展并抵消其症状。经颅直流电刺激(tDCS)是一种诱导大脑可塑性的非侵入性方法。本研究的目的是检查两周 tDCS 对左侧背外侧前额皮质(DLPFC)对帕金森病患者神经生理功能的影响。方法:30 名年龄在 67 至 82 岁之间的帕金森病患者参与了实验。15 名患者在左侧 DLPFC 上接受了 tDCS,而 15 名患者接受了假 tDCS。在 tDCS 之前和之后,使用脑电图方法对 alpha 和 beta 波段节律和 P300 事件相关电位潜伏期进行评估神经生理功能。结果:经颅直流电刺激 (tDCS) 可缩短 P300 反应的起始潜伏期,并增加 alpha 和 beta 波段节律的功率谱。结论:本研究加深了我们对 tDCS 在帕金森病治疗中的潜在作用的理解,因为 P300 潜伏期的缩短以及 alpha 和 beta 波段的增加与认知方面的改善相关。
