脑机接口培训材料.pptVIP

脑际接口的形态与发展 脑际接口的系统的组成 脑机接口研究中所使用的脑神经信号 脑际接口的发展现状及前景 1 2 3 4 脑机接口的研究 2018-3-26 脑际接口的系统的组成 要想实现脑机接口,有三个必要条件: 第一,必须有一种能够可靠反应大脑思维的信号; 第二,这种信号能够被实时且快速地收集; 第三,这种信号有明确的分类。 目前可用于脑机接口的人脑信号EEG(脑电图)、EMG(脑磁图)和MfRI(功能性核磁共振图像)等。目前大多数BCI研究机构采用的大脑信号是EEG。 2018-3-26 脑机接口的系统的组成 1.1信号采集 受试者头部戴一个电极帽,采集EEG信号,并传送给放大器,信号一般需要放大10000倍左右,经过预处理,包括信号的滤波和A/D转换,最后转化为数字信号存储于计算机中。 1.2信号分析 利用FFT、小波分析等算法,从经过预处理的EEG信号中提取与受试者意图相关的特定特征量。特征量提取后交给分类器进行分类,分类器的输出即作为控制器的输入 1.3控制器 将已分类的信号转换为实际的动作,如在显示器上的光标移动、机械手运动、字母输入、轮椅控制、开电视等。有些BCI系统还设置了反馈环节,不仅能让受试者清楚自己思维产生的控制结果,同时还能够帮助受试者根据这个结果来自主调整脑电信号,以达到预期目标。 2018-3-26 脑机接口研究中所使用的脑神经信号 1. P300(诱发电位) P300是一种事件相关电位(ERP),在时间相关刺激300~400ms后出现的正电位,主要位于中央皮层区域,其峰值大约出现在时间发生后300ms,相关事件发生的概率越小,所引起的P300越显著 基于P300的BCI的优点是P300属于内部响应,使用者无需通过训练就可产生P300。 2.视觉诱发电位(诱发电位) 视觉诱发电位是指从视觉通路的不同水平区域记录的不同生物电反应,其诱发刺激可以是荧光、闪光刺激。视觉诱发电位又可以分成短时视觉诱发电位和稳态视觉诱发电位两种。 3.时间相关同步或时间相关去同步电位(自发脑电) 单边的肢体运动或想象运动,大脑同侧产生事件相关同步电位(ERS),大脑对侧产生时间相关去同步电位(ERD)。ERS、ERD是与运动相关的,主要位于感觉运动皮层。 4.皮层慢电位(自发脑电) 皮层慢电位也称慢波电位(SlowCorticalPotentials,SCPs),是皮层电位的变化,是脑电信号中从300ms持续到几秒钟的大的负电位或正电位,能反应皮层I和II层的兴奋性,个人可以通过生物反馈训练产生这种电位。 5.自发脑电信号(自发脑电) 在不同的知觉意识下,人们脑电中的不同节律呈现出各异的活动状态。这些节律是受不同动作或思想的影响。 2018-3-26 脑机接口的研究 研究方法 包括信号预处理、特征提取、特征分类等，其中特征提取和特征分类是脑机接口信号处理中最为关键的环节。 特征分类方法：特征信号分类是基于脑电信号根据不同的运动或意识能使脑电活动产生不同响应的特性，确定运动或意识的类型与特征信号之间的关系。 几种典型的脑机接口信号分类方法介绍如下： 线性判别分析：在线性判别分析中，先为每一类建立概率密度方程式模型，输入新的数据，计算每一类产生的概率，概率值最大的点所对应的类就是输入权的类别。 2018-3-26 脑机接口信号分类 遗传算法： 用遗传算法对特征信号进行分类时，要从检测到的脑电信号中提取出大量特征信号(包括有用的特征信号和伪特征信号)，然后通过遗传算法去除伪特征信号，保留有用的特征信号作为驱动信号。遗传算法没有能及时利用网络的反馈信息,故其搜索速度比较慢，要得要较精确的解需要较多的训练时间，其并行机制的潜在能力没有得到充分的利用，这也是当前遗传算法的一个研究热点方向。 2018-3-26 特征提取 信号特征提取：特征提取是从经过了预处理，这是一种经验估值方法，它能把脑电信号转化成相应的感知状态的概率，因此允许不同状态之间以及一系列训练产生的脑电之间的衔接存在非平稳性。 常用的提取方法有回归模型，小波变换，独立分量分析等。 自回归AR模型：AR模型参数的估计方法是 基于分段法，数据被分为若干段，估计每段数据的AR模型参数，得到一个关于AR模型参数的时间过程，AR的系数就是线性回归模型的参数，也是代表信号特征的特征信号，改变这些系数，可以得到不同的特征信号。 小波变换：小波变换是一种时频信号处理方法在缺乏先验知识的条件下，小波变换能有效检测出脑电信号中短时、低能量的瞬时脉冲，其最大的优点是采用可变的时频窗口去分析信号的不同频率成分。 独立分量分析 展起来的一项统计信号处理的新技术。其处理的对象是相互统计独立的信源经线性组合而产生的一组混合信号，最终