跨脑信息挖掘及其在脑—机接口中的应用

发布时间：2023-01-30 16:56

　　在相同的外部刺激下,不同受试大脑之间的脑电响应存在着一定的联系,同时表现出一定的相似性与差异性。脑电数据在受试维度上丰富的信息还没有被充分的挖掘与利用。本论文旨在挖掘脑电受试维度上的信息,并将其应用于脑-机接口中。瞬态诱发电位和稳态诱发电位是两大类具有不同特点的脑电诱发响应信号。本文针对它们在受试维度所表现出的不同特点,采用不同的策略挖掘和利用它们在受试维度的信息。对于单试次瞬态诱发电位信号,由于其信噪比低,受自发脑电影响严重,受试间差异较大。本文采用信息整合的策略利用受试间信息。首先,本文通过整合多个受试的事件相关电位信号,构建了可基于群体脑电进行快速决策的协同脑-机接口系统,扩展了脑-机接口的应用。同时,本文利用协同脑-机接口中受试间差异,提出了高效的受试信息整合方法和分类器更新升级方法。此外,本文通过引入相似感知熵分数及多任务学习方法,进一步挖掘受试间的相似性,提出了新的多受试信息整合方法与潜在应用。对于稳态诱发电位信号,由于其信噪比相对较高,信号特征主要由外部刺激决定,受试间相似性较强。本文采用信息迁移的策略利用受试间信息。首先,本文提出了tt-CCA和ott-CCA算法,可将... 

【文章页数】：138 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 神经活动记录工具与神经信息学
    1.2 脑电基本知识简介
        1.2.1 脑电的生理机制
        1.2.2 脑电的种类
        1.2.3 脑电数据的记录
        1.2.4 脑电数据的结构
    1.3 脑-机接口简介
        1.3.1 脑-机接口的定义
        1.3.2 脑-机接口的范式
        1.3.3 脑-机接口的应用
    1.4 脑-机接口面临的问题和发展趋势
        1.4.1 应用范围有待扩展
        1.4.2 用户体验有待改善
        1.4.3 评估方法有待规范
    1.5 论文的结构和内容
第2章 跨脑信息挖掘与应用的总体思路
    2.1 本章引论
    2.2 瞬态诱发电位
        2.2.1 瞬态诱发电位信号特点
        2.2.2 瞬态诱发电位受试间关系
    2.3 稳态诱发电位
        2.3.1 稳态视觉诱发电位信号特点
        2.3.2 稳态视觉诱发电位受试间关系
    2.4 瞬态诱发电位跨脑信息挖掘与应用
        2.4.1 瞬态诱发电位跨脑信息整合
        2.4.2 瞬态诱发电位脑间相似性信息挖掘
    2.5 稳态诱发电位跨脑信息挖掘与应用
        2.5.1 稳态诱发电位跨脑信息迁移
        2.5.2 稳态诱发电位脑间差异性信息挖掘
    2.6 跨脑信息挖掘中的机器学习方法
        2.6.1 跨脑信息整合中的机器学习方法
        2.6.2 跨脑信息迁移中的机器学习方法
    2.7 本章小结
第3章 瞬态诱发电位跨脑信息整合
    3.1 本章引论
    3.2 实验范式与平台
        3.2.1 Go/NoGo决策范式
        3.2.2 群体脑活动监测平台
    3.3 行为学分析
    3.4 离线脑电分析
        3.4.1 诱发脑电波形
        3.4.2 信息提取与整合方法
        3.4.3 不同参数下系统性能
    3.5 在线系统测试
    3.6 受试间差异分析
    3.7 分类器更新方法
    3.8 讨论
    3.9 本章小结
第4章 瞬态诱发电位脑间相似性信息挖掘
    4.1 本章引论
    4.2 数据层面脑间相似性信息挖掘
        4.2.1 问题定义
        4.2.2 相似感知熵分数方法
        4.2.3 实验范式与数据处理
        4.2.4 结果与讨论
    4.3 模型参数层面脑间相似性信息挖掘
        4.3.1 问题定义
        4.3.2 多任务学习方法
        4.3.3 实验范式与数据处理
        4.3.4 结果与讨论
    4.4 本章小结
第5章 稳态诱发电位跨脑信息迁移
    5.1 本章引论
    5.2 方法
        5.2.1 标准CCA算法
        5.2.2 单导联tt-CCA算法
        5.2.3 多导联tt-CCA算法
        5.2.4 多导联ott-CCA算法
    5.3 实验数据与评估方法
        5.3.1 实验范式与数据介绍
        5.3.2 评估方法
    5.4 实验结果
        5.4.1 单导联tt-CCA算法
        5.4.2 多导联tt-CCA算法
        5.4.3 多导联ott-CCA算法
    5.5 讨论
    5.6 本章小结
第6章 稳态诱发电位脑间差异性信息挖掘
    6.1 本章引论
    6.2 方法
        6.2.1 SSVEP范式无训练数据情形
        6.2.2 SSVEP范式少量训练数据情形
        6.2.3 c-VEP范式少量训练数据情形
    6.3 实验数据与评估方法
        6.3.1 数据介绍
        6.3.2 评估方法
    6.4 实验结果
        6.4.1 SSVEP范式无训练数据情形
        6.4.2 SSVEP范式少量训练数据情形
        6.4.3 c-VEP范式少量训练数据情形
    6.5 讨论
    6.6 本章小结
第7章 在线脑-机接口信息传输率的估计问题
    7.1 本章引论
    7.2 基于WOLPAW定义的ITR的计算
        7.2.1 同步BCI系统
        7.2.2 异步BCI系统
        7.2.3 特别种类的BCI系统
    7.3 在线同步BCI系统参数估计指导原则
        7.3.1 误差分析
        7.3.2 估计P
        7.3.3 估计T
        7.3.4 估计N
        7.3.5 受试
    7.4 在线BCI系统性能测试平台
        7.4.1 测试平台的必要性
        7.4.2 测试平台简介
        7.4.3 测试平台打字任务
    7.5 讨论
        7.5.1 ITR的客观认识
        7.5.2 BCI的全面评估
        7.5.3 平台的实用价值
    7.6 本章小结
第8章 总结与展望
    8.1 论文的主要工作成果
    8.2 论文的创新点
    8.3 跨脑信息挖掘与应用研究展望
参考文献
致谢
个人简历、在学期间发表的学术论文与研究成果


【参考文献】：
博士论文
[1]基于统计建模的多导联脑电信号时空建模方法研究[D]. 吴畏.清华大学 2012
[2]基于稳态诱发电位的多通道选择性注意研究[D]. 张丹.清华大学 2010



本文编号：3733268