基于功能性近红外光谱技术的脑机接口
本文选题:功能性近红外光谱技术 + 脑机接口 ; 参考:《上海交通大学学报》2017年12期
【摘要】:为了探究功能性近红外光谱技术(fNIRS)对相同动作的运动想象和运动执行区分可行性以及前额皮层对运动想象和运动执行分类准确率的影响,研究测量了15位受试者手臂伸展和手指敲击的运动想象过程和运动执行过程的前额皮层和运动功能皮层的血氧变化信号.提取均值,斜率,二次项系数和近似熵特征建立基于支持向量机的四分类模型.对应于手臂伸展和手指敲击的四分类模型,分别实现了87.65%和87.58%的分类准确率.相对于单独运动功能皮层区域建立的运动功能皮层-fNIRS-脑机接口,引入前额皮层血氧变化信息能显著提高脑机接口分类性能,且对手指敲击动作的提高效果大于手臂伸展动作.因此,前额皮层区域的血氧响应生理特征能提高fNIRS-脑机接口的分辨性能,同时验证了fNIRS-脑机接口应用于多种肢体动作脑功能活动提取的可行性.
[Abstract]:To explore the feasibility of functional near infrared spectroscopy (FNIRS) in differentiating motion imagination and motion execution for the same motion, and the effect of the prefrontal cortex on the classification accuracy of motion imagination and motor execution, The changes of blood oxygen in the prefrontal cortex and motor functional cortex of 15 subjects during arm extension and finger tapping were measured. Four classification models based on support vector machine (SVM) are established by extracting mean, slope, quadratic coefficients and approximate entropy features. The classification accuracy is 87.65% and 87.58%, respectively, corresponding to the four classification models of arm extension and finger tapping. Compared with the motor functional cortex -fNIRS- brain-computer interface established in the single motor functional cortex region, the classification performance of brain-computer interface can be improved significantly by introducing the information of blood oxygen change in the prefrontal cortex, and the effect of finger tapping is better than that of arm stretching. Therefore, the physiological characteristics of the blood oxygen response in the prefrontal cortex region can improve the resolution of the fNIRS- brain-computer interface, and the feasibility of the application of the fNIRS- brain-computer interface in the extraction of various limb action brain functions is verified.
【作者单位】: 中国航天员科研训练中心人因工程国家重点实验室;
【基金】:国家自然科学基金项目(81671861) 中国航天医学工程预先研究项目(YJGF151204) 中国航天员科研训练中心人因国家重点实验室自主课题(SYFD150051805)资助
【分类号】:R318;TN911.7
【相似文献】
相关期刊论文 前1条
1 奇云;李大可;;脑机接口——2012年生命科学研究的六大突破之一[J];生命世界;2013年05期
相关重要报纸文章 前1条
1 黄岚 华轩;意念移物:用大脑控制机械[N];大众卫生报;2013年
相关博士学位论文 前6条
1 赵慧霞;蜜蜂(Apis mellifera L.)脑机接口的飞行控制神经机理研究[D];浙江大学;2014年
2 汪芳;基于强化学习的植入式脑机接口神经信息解码:算法设计及应用[D];浙江大学;2015年
3 姚林;刺激辅助的脑电信号特征增强方法与混合式脑机接口[D];上海交通大学;2015年
4 马征;高性能视觉ERP脑机接口若干问题研究[D];大连理工大学;2016年
5 苏亿;多通道无线低功耗双向脑机接口关键技术研究[D];武汉大学;2016年
6 苏丽娟;基于迁移学习的脑机融合系统的研究[D];浙江大学;2017年
相关硕士学位论文 前10条
1 李佳乘;基于稳态视觉诱发电位脑机接口系统的脑信号处理与研究[D];华南理工大学;2015年
2 吴俊;EEG-fMRI混合脑机接口去噪及信号源定位技术研究[D];华南理工大学;2015年
3 赵萍萍;基于伪随机序列的彩色视觉刺激的脑机接口系统[D];苏州大学;2015年
4 蔺冬雪;多模态脑机接口系统开发及应用研究[D];南开大学;2016年
5 孟天伟;基于稳态视觉诱发电位频相特征提取的脑机接口算法设计[D];天津大学;2014年
6 张楠楠;现场环境下的目标选择脑控技术研究[D];国防科学技术大学;2014年
7 康嘉辉;基于OVR-CSP和互相关的运动想象脑机接口研究[D];西安电子科技大学;2015年
8 刘建辉;基于稳态视觉诱发电位的脑机接口系统研究[D];杭州电子科技大学;2016年
9 王祯;脑机接口中非平衡数据的分类研究[D];浙江理工大学;2017年
10 陆明伟;基于ECoG信号的嵌入式脑机接口系统[D];浙江大学;2017年
,本文编号:1993741
本文链接:https://www.wllwen.com/yixuelunwen/swyx/1993741.html