基于CNN的运动想象盲被试脑电特征提取与可视化研究
发布时间：2021-08-30 11:28
脑机接口是一种不依赖身体外围的肌肉和神经,直接读取人的脑电信号就能使人控制外围设备的系统。它的出现给不仅残疾人带来了希望,也给社会养老带来了保障。在众多脑机接口系统中,运动想象因其无需外界刺激的特点成为目前脑机接口研究的热点,共空间模式（Common Spatial Pattern,CSP）是目前提取运动想象脑电特征最常用方法,利用的是运动想象的事件相关去同步化（Event-Related Desynchronization,ERD）以及事件相关同步化（Event-Related Synchronization,ERS）现象。但是有研究显示,普通人群中大约存在15%-30%是运动想象“盲”,他们在想象肢体运动的时候没有ERD/ERS现象的出现,所以CSP算法针对这些运动想象“盲”的效果比较差。由于运动想象“盲”的存在,限制了脑机接口的使用人群,容易使人们对脑机接口技术的有效性产生质疑。为了更好的研究运动想象“盲”现象,已有研究把CSP+LDA两分类运动想象脑电信号低于70%的被试定义为运动想象“盲”,发现用静息态脑电谱熵和脑网络属性可以提前筛选运动想象“盲”被试。但这不能从根本上解决该...
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
我国各类图残疾人所占比例图
1绪论31.2国内外研究现状1973年，美国加州大学洛杉矶分校的Vidal等人首次提出了脑-机接口的系统框架雏形并使用brain-computerinterface一词来表述脑与外界的直接信息传输通路[15]，这也是脑-机接口的首篇研究论文。但由于当时生物信号处理技术、计算机硬件设备性能等限制，直到20世纪末脑-机接口技术才真正的发展起来，并且开始走向生活应用。2009年7月，日本丰田汽车公司最早宣布成功研发出脑电波控制轮椅的新技术。该产品可通过轮椅上的信号处理系统来分析使用者的脑电信号，从而控制电动轮椅的前进、后退和转动等。2015年，中国清华大学的高小榕等人构建了一种基于稳态视觉诱发电位（Steady-StateVisualEvokedPotential，SSVEP）无创的脑机接口系统，将信息传输速率提升到最快的约每分钟60个字符，使脑-机接口拼读系统的信息传输速率更接近于实用的水平[16]。2020年1月16日，浙江大学和浙江大学医学院附属第二医院神经外科合作通过运动想象脑-机接口技术，让一位72岁高位截瘫患者用意念吃油条，是全国首例，具有开创性意义。脑-机接口系统本身是一系列硬件和软件的集合，关键技术包括脑电信号采集、模式识别和外围设备三大部分，它们组合起来就是一套脑机接口系统，模式识别直接把采集到的脑电信号转化为对外围设备的控制指令，用户能否有效的控制硬件设备，除了有相应脑电信号被采集到，还需要准确的脑电识别算法，脑机接口系统的组成模块一般如下图所示：图1.2BCI系统的完整结构图
1绪论51.2.2运动想象脑电信号识别算法的研究现状在脑机接口系统中，要得到一个合适的运动想象脑电模式识别模型，一般可分为两个阶段，即训练阶段和测试阶段。在训练阶段，一般要经过脑电频段的挑选，导联的优化组合，脑电特征提娶挑选有效分类特征，训练分类器等[24]。在测试阶段，我们把未知的样本放入已经优化好的脑电识别模型，得到最终的识别结果。在BCI系统中典型脑电信号的分类过程示意图如下，斜箭头表示算法中可以优化的部分。通常需要一个训练集数据来训练初最佳滤波器和特征，并对分类器进行训练。得到最佳的滤波器、特征和分类器随后用于在线操作BCI。图1.3典型脑电分类算法示意图[24]脑电模式识别算法作为BCI系统中的一个重要环节，脑电特征作为分类器的输入，具有重要研究意义，下面我们从脑电的特征提取和特征选择及常用分类器进行介绍。1）脑电特征提取脑电信号有多种表现形式[25,26]，表示EEG信号最常见的两类特征是频带功率特征和时间点特征。由于运动想象脑电(EEG)的事件相关去同步/同步(ERD/ERS)现象的存在，所以，运动想象的脑电信号的表现形式一般为频带特征。频带功率特征表示在给定的时间窗内和给定信道中频带的脑电信号的功率(能
【参考文献】：
期刊论文
[1]我国残疾人社会救助现状、困境及对策研究[J]. 代阔. 智富时代. 2019(03)
[2]基于SSVEP脑机接口的残疾人出行辅助系统[J]. 王辅国. 科技传播. 2018(23)
[3]中国“脑计划”研究正在悄然布局[J]. 中国总会计师. 2018(03)
[4]对脑科学发展态势和前景的思考[J]. 杨雄里. 科学中国人. 2014(23)
博士论文
[1]运动想象脑—机接口的神经机制与识别算法研究[D]. 张锐.电子科技大学 2015
本文编号：3372694
【文章来源】：郑州大学河南省 211工程院校
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
我国各类图残疾人所占比例图
1绪论31.2国内外研究现状1973年，美国加州大学洛杉矶分校的Vidal等人首次提出了脑-机接口的系统框架雏形并使用brain-computerinterface一词来表述脑与外界的直接信息传输通路[15]，这也是脑-机接口的首篇研究论文。但由于当时生物信号处理技术、计算机硬件设备性能等限制，直到20世纪末脑-机接口技术才真正的发展起来，并且开始走向生活应用。2009年7月，日本丰田汽车公司最早宣布成功研发出脑电波控制轮椅的新技术。该产品可通过轮椅上的信号处理系统来分析使用者的脑电信号，从而控制电动轮椅的前进、后退和转动等。2015年，中国清华大学的高小榕等人构建了一种基于稳态视觉诱发电位（Steady-StateVisualEvokedPotential，SSVEP）无创的脑机接口系统，将信息传输速率提升到最快的约每分钟60个字符，使脑-机接口拼读系统的信息传输速率更接近于实用的水平[16]。2020年1月16日，浙江大学和浙江大学医学院附属第二医院神经外科合作通过运动想象脑-机接口技术，让一位72岁高位截瘫患者用意念吃油条，是全国首例，具有开创性意义。脑-机接口系统本身是一系列硬件和软件的集合，关键技术包括脑电信号采集、模式识别和外围设备三大部分，它们组合起来就是一套脑机接口系统，模式识别直接把采集到的脑电信号转化为对外围设备的控制指令，用户能否有效的控制硬件设备，除了有相应脑电信号被采集到，还需要准确的脑电识别算法，脑机接口系统的组成模块一般如下图所示：图1.2BCI系统的完整结构图
1绪论51.2.2运动想象脑电信号识别算法的研究现状在脑机接口系统中，要得到一个合适的运动想象脑电模式识别模型，一般可分为两个阶段，即训练阶段和测试阶段。在训练阶段，一般要经过脑电频段的挑选，导联的优化组合，脑电特征提娶挑选有效分类特征，训练分类器等[24]。在测试阶段，我们把未知的样本放入已经优化好的脑电识别模型，得到最终的识别结果。在BCI系统中典型脑电信号的分类过程示意图如下，斜箭头表示算法中可以优化的部分。通常需要一个训练集数据来训练初最佳滤波器和特征，并对分类器进行训练。得到最佳的滤波器、特征和分类器随后用于在线操作BCI。图1.3典型脑电分类算法示意图[24]脑电模式识别算法作为BCI系统中的一个重要环节，脑电特征作为分类器的输入，具有重要研究意义，下面我们从脑电的特征提取和特征选择及常用分类器进行介绍。1）脑电特征提取脑电信号有多种表现形式[25,26]，表示EEG信号最常见的两类特征是频带功率特征和时间点特征。由于运动想象脑电(EEG)的事件相关去同步/同步(ERD/ERS)现象的存在，所以，运动想象的脑电信号的表现形式一般为频带特征。频带功率特征表示在给定的时间窗内和给定信道中频带的脑电信号的功率(能
【参考文献】：
期刊论文
[1]我国残疾人社会救助现状、困境及对策研究[J]. 代阔. 智富时代. 2019(03)
[2]基于SSVEP脑机接口的残疾人出行辅助系统[J]. 王辅国. 科技传播. 2018(23)
[3]中国“脑计划”研究正在悄然布局[J]. 中国总会计师. 2018(03)
[4]对脑科学发展态势和前景的思考[J]. 杨雄里. 科学中国人. 2014(23)
博士论文
[1]运动想象脑—机接口的神经机制与识别算法研究[D]. 张锐.电子科技大学 2015
本文编号：3372694
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3372694.html
