检索结果-南通市图书馆

融合EEG信号可信度指标的运动想象解码方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合EEG信号可信度指标的运动想象解码方法研究

作者：李科杭州电子科技大学

学位级别：硕士

运动想象脑-机接口技术作为一项实现大脑和外界设备信息流通的技术被人们广泛关注，其不需要外界的诱发刺激，能够由用户主动生成脑电信号，并解码出对应的控制指令，目前已在康复医疗领域被逐渐应用。脑电信号解码是运动想象脑-机接口... 详细信息

运动想象脑-机接口技术作为一项实现大脑和外界设备信息流通的技术被人们广泛关注，其不需要外界的诱发刺激，能够由用户主动生成脑电信号，并解码出对应的控制指令，目前已在康复医疗领域被逐渐应用。脑电信号解码是运动想象脑-机接口技术的核心，如何利用采集到的脑电信号数据训练得到一个良好的分类结果是脑电解码的关键，现有研究都默认实验采集过程中标注的标签绝对可信，忽略了运动想象脑电信号作为一种自发式脑电信号具有高度的不可控性，有可能会出现数据和标签无法真实对应的情况。此外现有方法往往无法兼顾运动想象脑电信号的多种特征，进而性能难以进一步提高。因此，本文开展了基于运动想象脑电信号可信度评估的研究，并将其融合进所提出的一种基于时空频注意力的解码方法之中，最后引入了一种迁移学习策略，提升了方法的泛化能力。具体的研究工作包括：　　1、针对标签可信度难以量化的问题，本文提出了四种具有不同信息表征的脑电信号可信度评估指标，分别是：波段功率比指标、非线性动力学指标、大脑偏侧性指标、脑连接关系指标，然后在不同的任务状态下验证了这些指标的显著性差异。接着综合利用这四种指标，将原数据集按可信度高低分割成两组，再用经典机器学习算法对两组数据集分别进行解码，实验结果显示，在经典机器学习算法下，109名被试有75人在可信度评价较高的数据集组中取得了更高的分类准确率。　　2、针对标签异常样本导致的准确率低的问题，本文在研究1的工作基础上，提出了一种样本权重的计算方法，通过对可信度较低的样本赋予较低的权重，使得模型减少对异常样本的关注，进而减轻标签异常样本带来的负面影响。为了使得分类器能够关注到脑电信号的频域、空域和时域信息，本文借鉴滤波器组共空间模式的思想，提出了一种基于时空频注意力的Transformer模型，并将该模型与样本权重结合使用，同时，本文还使用了一种滤波器组黎曼几何特征方法。结果显示，通过加入样本权重机制，两种方法在运动想象四分类上平均准确率从81.8%和73.9%，分别上升到了83.0%和75.8%。　　3、为了解决运动想象脑电信号个体差异性大的问题，提升解码方法的鲁棒性。本文利用域对抗训练策略（DANN）对解码模型进行了优化，使得模型在最佳迁移方案之下，跨被分类准确率提升了25.9%。本文还基于信号可信度评价指标采用了不同的数据选取方案，结果显示，信号可信度相对较低的数据会对迁移过程产生一定的不利影响，平均跨被试分类准确率降低了约2-3%左右。

关键词：脑-机接口运动想象脑电解码信号评估

基于EEG的单侧上肢精细动作运动想象解码方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于EEG的单侧上肢精细动作运动想象解码方法研究

作者：陈游杭州电子科技大学

学位级别：硕士

基于运动想象的脑机接口技术对于中风康复至关重要,可以将大脑的运动想象意图转化为控制指令。目前,对上肢运动想象的研究主要集中左、右手运动想象上。然而,由此来控制单侧上肢康复装置执行不同的动作,会导致运动意图和末端执行器的动... 详细信息

基于运动想象的脑机接口技术对于中风康复至关重要,可以将大脑的运动想象意图转化为控制指令。目前,对上肢运动想象的研究主要集中左、右手运动想象上。然而,由此来控制单侧上肢康复装置执行不同的动作,会导致运动意图和末端执行器的动作不一致,即:出现认知脱节的情况。因此,解码单侧上肢精细动作运动想象任务对于恢复中风患者的上肢运动能力至关重要。由于单侧上肢不同动作的运动想象任务激活的区域在大脑皮层上有相似的表征,并且脑电信号具有非平稳的特性,导致检测同一肢体不同的运动想象任务具有很大的挑战。本文旨在基于脑电信号研究单侧上肢精细动作运动想象解码,具体工作如下:(1)本文分别基于单通道和脑网络探索精细动作运动想象的脑机制,为解码方法设计提供支持。使用FCSI算法评估不同频段、脑区以及脑连接在区分空闲态与运动想象任务上的重要性以及区分想象手掌抓握和想象肘关节弯曲任务上的重要性。结果显示,在空闲态与运动想象任务之间,具备较高区分性的频段为beta、gamma以及整个运动想象频段8-30Hz;涉及的脑区主要为感觉运动皮层、前额叶、中央顶叶和顶叶;频域特征更重要;有效脑连接主要集中在前额叶和额叶。对于想象手掌抓握与想象肘关节弯曲之间,具有区分性的频段主要为alpha以及包含alpha的8-30Hz;涉及的脑区主要集中在感觉运动皮层和中央顶叶;时域特征更重要;有效脑连接则主要集中在C5、C3、C1与额中央以及中央顶叶之间的通道连接。(2)针对精细动作运动想象解码缺少相应的可解释性特征提取和分类方法,基于研究工作(1)的关键频段,提出了多特征融合的上肢精细动作解码方法。多种特征包括提取时域的能量、频域的频谱距离,以及脑网络特征。脑网络特征提取包括图论中的度和偏心率、所有被试共同选择有效脑连接,以及被试独立选择有效脑连接三种方式,并在多个维度上进行特征层和决策层两种信息融合策略的上肢精细动作解码。结果显示,在多种分类器上,时频域特征的平均分类准确率最高为61.07%;脑网络特征的平均准确率最高为60.44%,并且发现通道之间的相关性比同步性更重要(p脑电特征提取方法难以学到原始信号全部信息的局限,本文在研究工作(1)和(2)的基础上,提出了一种基于多视角卷积注意力学习模型(MCAL,Multi-view convolution attention learning model)的上肢精细动作解码方法。该方法包括原始脑电信息学习模块以及基于相关系数的脑电通道耦合关系学习模块。结果显示:MCAL模型在自采数据集和公开数据集上分别取得了75.78%和73.07%的平均准确率。在公开数据集上对比其他现有模型有4.39%的提高(p<0.05)。

关键词：单侧肢体运动想象精细动作脑电解码脑机制多视角信息融合

样本和特征质量联合量化的脑电信号解码方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

样本和特征质量联合量化的脑电信号解码方法研究

作者：李幸杭州电子科技大学

学位级别：硕士

随着脑科学的迅速发展,脑机接口技术作为多学科相互融合的前言技术被广泛应用于各个领域,作为主要的生理信号之一,脑电信号的研究受到了很大的关注。脑电信号的弱、非平稳、多节律和多通道特性容易导致提取的脑电信号的样本和特征对模... 详细信息

随着脑科学的迅速发展,脑机接口技术作为多学科相互融合的前言技术被广泛应用于各个领域,作为主要的生理信号之一,脑电信号的研究受到了很大的关注。脑电信号的弱、非平稳、多节律和多通道特性容易导致提取的脑电信号的样本和特征对模式识别有不同的贡献。然而,已有的研究要么没有考虑样本和特征的重要性,要么只考虑其中之一。脑电信号的内隐信息发掘也是脑科学领域的一颗掌上明珠。随着对脑电信号的深入研究,我们发现该信号能够表征一些物理信息,但目前的研究对于该领域还知之甚少,存在可解释性较弱等问题,基于当前脑电信号领域中存在的问题,本文从两个方面提出了改进:(1)针对脑电信号中样本和特征贡献不一致导致模式识别任务精度降低的问题,本文提出了联合样本和特征质量量化评估的机器学习模型。该模型基于自步学习和特征权重自适应学习给每一个脑电样本和特征赋予一个权重,其中样本的权重是通过训练过程中样本的损失函数得到,损失函数值越大,则样本的权重越低,特征的权重是通过自适应学习获得,通过将特征权重嵌入最小二乘回归模型,训练结束后求解得到每一个特征的权重,本文中对样本和特征量化方法进行了理论证明。通过一系列实验对模型进行验证,首先在符合高斯分布的合成数据集上对样本和特征质量量化进行可视化展示,然后在SEED数据集上完成了跨时段的情感识别和疲劳检测任务,实验结果显示我们提出的模型在这两项脑电信号解码任务上的识别精度均取得了较好的结果。(2)针对脑电信号中的小样本问题,本文提出只利用少量标记样本和大量未标记样本来完成脑电信号解码任务,将联合样本和特征质量量化扩展到半监督学习。一方面,通过将未标记样本纳入模型训练,样本数量的增加可以更好地捕捉脑电数据的基本属性,另一方面,对未标记样本的标签矩阵与其他变量进行联合优化,有利于提高模型的泛化能力和效率。在SEED-IV数据集上的实验表明,基于半监督的样本和特征质量联合量化评估提高了情绪识别精度,与基于半监督的最小二乘回归模型相比,其识别精度得到了一定的提升。此外,将样本权重向量通过t-SNE投影到二维平面,得到了“样本-标签不一致性”的结论,具体表现为悲伤和恐惧试验的数据分布重叠,该结论有助于改进EEG数据采集实验范式,将特征重要性的频段图和脑区图进行可视化,从数据驱动的角度来看,Delta和Gamma频段对情感识别的贡献更大,与情感效应发生最相关的脑区为颞叶和前额叶。

关键词：脑电解码特征权重学习样本质量刻画联合学习半监督学习

基于三维卷积神经网络的双重刺激脑机接口解码研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于三维卷积神经网络的双重刺激脑机接口解码研究

作者：伍凌宇河北工业大学

学位级别：硕士

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受... 详细信息

脑机接口(brain-computer interface,BCI)是人脑与外界环境建立的一条不依赖于外周神经和肌肉组织的交流通路。事件相关电位(event related potential,ERP)是广泛应用于BCI的脑电信号之一,基于ERP的BCI具有指令数量大、训练时间短、受众人群多的特点,但是在解码方面仍然存在难以满足交互需求的问题。针对视觉刺激数量较多的视觉诱发ERP BCI,视觉刺激的诱发方式与个体内差异导致脑电非平稳,引起解码精度降低,不利于人机交互。因此,本文研究双重刺激的视觉诱发方法和三维卷积神经网络模型,建立多视觉刺激界面下的脑电解码模型,提高视觉诱发ERP BCI的解码稳定性。本文首先研究双重视觉刺激诱发方法。针对解码模型的精度问题,提出局部滑动的呈现方式,建立空间分布和随机呈现规则,进而构建双重刺激界面。分析十五个被试在该界面下的ERP特征和BCI性能,发现局部滑动刺激方式显著提高了脑电幅值以增加脑电特征;空间分布和随机呈现规则降低了刺激之间的混淆与干扰能力,为后续解码模型提供了平稳特征的脑电数据。双重视觉诱发界面研究表明该研究能够显著增加BCI的脑认知电位识别能力以提高模型的解码精度,增加BCI在复杂环境中的可行性,为本文建立ERP BCI提供坚实稳定的实验范式基础。本文其次研究三维卷积神经网络的脑电解码方法。针对脑电解码的个体内差异解码精度问题,提出视频流式的脑电处理方法,动态捕捉脑地形图并将脑电数据转化为三维输入矩阵;构建三维卷积核,使用立体卷积操作;构建多通道三维矩阵输入方式。将三维卷积神经网络与传统线性分类器和深度学习神经网络方法比对,运用准确率、信息传输率、Kappa系数和训练时间等指标分析算法性能。结果表明三维卷积神经网络,显著提高了BCI的识别准确率。本文完成了跨时间脑电诱发实验,实验证明了三维卷积神经网络在跨时分类上有较高的适应能力和解码性能。三维卷积神经网络的研究表明该网络显著提高了BCI的解码精度,提高了BCI的鲁棒性,神经网络的多输入方式降低了训练模型的数据冗余性,为本文建立ERP BCI提供了精准的深度学习解码模型。

关键词：脑机接口事件相关电位双重刺激三维卷积神经网络脑电解码

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多输入三维卷积神经网络的脑电解码模型

现代电子技术 2023年第19期46卷 149-154页

作者：邓豪东王俊易葛骏一林放李梦凡河北工业大学生命科学与健康工程学院天津300232 北京师范大学生命科学学院广东珠海519087 博睿康科技(常州)股份有限公司江苏常州213000

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)... 详细信息

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。

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

基于特征融合和集成学习的运动想象脑电解码方法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

桂林航天工业学院学报 2023年第2期28卷 184-192页

作者：莫云冯雨王棋辉路仲伟莫禾胜桂林航天工业学院电子信息与自动化学院广西桂林541004 桂林电子科技大学电子工程与自动化学院广西桂林541004

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特... 详细信息

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。

关键词：运动想象脑电解码特征融合集成学习

基于特征过滤和PCA降维的混合特征选择方法

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

桂林航天工业学院学报 2022年第2期27卷 145-151页

作者：莫云郭岩莫禾胜路仲伟张绍荣桂林航天工业学院电子信息与自动化学院广西桂林541004 桂林电子科技大学电子工程与自动化学院广西桂林541004

过滤式特征选择方法计算复杂度低、时间少,在运动想象脑电解码中应用广泛,但过滤式方法只考虑了特征对标签分类的重要性,忽略了特征之间的相关性。为此提出了一种基于特征过滤和主成分分析(PCA)降维的混合特征选择方法,并应用于运动想... 详细信息

过滤式特征选择方法计算复杂度低、时间少,在运动想象脑电解码中应用广泛,但过滤式方法只考虑了特征对标签分类的重要性,忽略了特征之间的相关性。为此提出了一种基于特征过滤和主成分分析(PCA)降维的混合特征选择方法,并应用于运动想象脑电解码。首先,使用方差、相关系数和Relief过滤式方法对特征的重要性进行排序。其次,对三种过滤式方法所选择的特征子集进行PCA降维,并结合Fisher线性判别分析(FLDA)和交叉验证选择最优的特征个数以及主成分个数。最后,使用FLDA对PCA降维后的特征进行分类。在两个公开的脑机接口(BCI)竞赛数据集上验证所提方法的有效性,其中基于Relief和PCA结合的混合特征选择方法取得了79.85%的最高平均分类准确率。实验结果表明,PCA降维对Relief过滤式方法的改进效果比较显著。

关键词：运动想象脑电解码特征选择特征降维分类

虚拟划船游戏诱导运动想象的脑电解码算法研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

虚拟划船游戏诱导运动想象的脑电解码算法研究

作者：潘林聪天津大学

学位级别：硕士

脑-机接口(brain-computer interface,BCI)技术可为人类建立不必依赖常规外周神经与肌骨系统的对外信息交互新渠道。其中,基于运动想象(motor imagery,MI)的BCI在卒中后运动功能康复训练方面,显示出重要的研究意义与应用价值,得到了广... 详细信息

脑-机接口(brain-computer interface,BCI)技术可为人类建立不必依赖常规外周神经与肌骨系统的对外信息交互新渠道。其中,基于运动想象(motor imagery,MI)的BCI在卒中后运动功能康复训练方面,显示出重要的研究意义与应用价值,得到了广泛关注。为了提升用户的参与度与积极性,最新的MI-BCI研究趋于使用内容更丰富、形式更有趣、体验更真实的范式。然而,这种新型MI范式诱导脑电响应特性及其解码算法研究尚且不足,还存在脑电解码正确率低、跨时间泛化性差等关键问题。为此,本文基于最新的MI-BCI范式,围绕其脑电响应分析和解码算法展开了深入研究。首先,在MI脑电响应分析方面,本文基于视觉效果和趣味性更强的虚拟划船游戏设计了左/右手MI两种模式的BCI实验,采集了14名健康被试跨3天共42次的脑电数据,然后分析了其在非跨时间和跨时间两种情况下时、频、空域的特征响应。结果显示出大多数受试者任务期脑电存在着明显的MI事件相关去同步(event-related desynchronization,ERD)及其空间分布的对侧占优现象。这些现象断断续续的存在于脑电的一些局部时、频区间里,并在跨时间情况下存在较大差异性。以上结果为后续MI脑电解码算法的研究提供了理论依据。其次,在提高非跨时间MI脑电解码性能方面,本文提出了一种新的基于集成学习框架的改进版共空间模式算法(ensemble learning based common spatial pattern,EL-CSP)。EL-CSP全面地考虑了脑电局部的时、频、空域信息,并对所有弱分类模型的权重进行了动态优化,获得了比传统脑电解码算法显著更高的平均分类正确率(EL-CSP:81.32%对比CSP:70.34%,提升了10.98%,p脑电局部时、频、空域信息的同时,强化了对训练样本的学习,对比传统算法,具有明显更高的跨时间平均分类正确率(EL-RAMDRM:70.22%对比CSP:62.88%,提升了7.34%,p解码算法的研究成果可以为设计高性能主动式人机交互系统及其在康复医学中的应用提供技术支持。

关键词：脑-机接口运动想象脑电解码共空间模式黎曼几何集成学习

基于alpha波相位解码与外部调控的神经反馈技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于alpha波相位解码与外部调控的神经反馈技术研究

作者：刘佳深圳大学

学位级别：硕士

神经反馈是一种重要的脑机交互技术,它利用视听觉等刺激反馈协助受试者自主调控其脑电活动,从而达到感知功能增强与精神疾病康复等目的。然而,神经反馈的有效性仍有争议,因为相当比例的使用者无法正确地调节其大脑活动,从而无法从神经... 详细信息

神经反馈是一种重要的脑机交互技术,它利用视听觉等刺激反馈协助受试者自主调控其脑电活动,从而达到感知功能增强与精神疾病康复等目的。然而,神经反馈的有效性仍有争议,因为相当比例的使用者无法正确地调节其大脑活动,从而无法从神经反馈中获益。事实上,神经反馈技术的效果极大地依赖于受试者的自主调控能力以及训练程度,其实时性、精准性和适用性都有所欠缺。为解决传统神经反馈技术的这些问题,本研究基于脑电alpha波的动力学特性和视觉感知周期性理论,发展了一套新型的、可快速准确灵活调控脑电alpha波的脑电解码反馈系统。具体地,本研究首先通过一系列视觉刺激实验验证了视觉刺激相位对alpha波的周期性调制效果。基于此实验观察,进一步设计并实现了一个新型的外部调控神经反馈软硬件系统。该系统可以实时解码alpha波相位,并通过在特定alpha波相位持续施加视觉刺激以实现alpha波幅度和频率的精准灵活稳定控制。实验数据分析显示,与传统的自主调控神经反馈系统相比,该新型的外部调控神经反馈系统对alpha波的调制效果更加一致（几乎对所有受试者均有效）、更加灵活（可以任意增加或降低alpha波幅度）、更加实时（在视觉刺激后即刻产生调控作用）、且无需训练。因此,此新型神经反馈系统有潜力更可靠更灵活地调节感知和行为,并最终为改善认知功能与治疗精神障碍提供更快速有效的手段。

关键词：神经反馈 alpha波视觉刺激脑电解码外部调控