脑机接口(1):运动想象(MI)原理、算法、问题和发展趋势
“脑机接口”(Brain Cpmputer Interface, BCI)研究的核心是在大脑和外部设备之间建立直接的联通通路,因此脑机接口也被誉为“人工智能的顶级科学”。脑机接口的应用包括6个方面[1]:
(1)脑机接口替代(Replace)原有中枢神经系统的输出;
(2)脑机接口重建(Restore)丧失的中枢神经系统的输出;
(3)脑机接口增强(Enhance)正常的中枢神经系统的输出;
(4)脑机接口补充(Supplement)正常中枢神经系统的输出;
(5)脑机接口改善(Imporve)正常中枢神经系统的输出;
(6)脑机接口作为研究工具(Research Tool)来研究中枢神经系统的功能;
脑机接口范式主要包括:运动想象、稳态视觉诱发电位、P300、慢皮层电位、精神状态监测等。本文主要简介运动想象原理、经典算法和发展趋势。
1.MI基本原理
运动想象(Motor Imagery, MI),顾名思义,人在想象自己肢体(或肌肉)运动但没有实际运动输出时,人的特定脑区仍会有激活。通过分析脑电信号,检测识别不同脑区的激活效果来判断用户意图,进而实现人脑与外部设备之间的直接通信与控制。目前常见的运动想象部位为:左右,右手,双脚和舌头。
人在运动想象的过程中,大脑皮层会产生两种变化明显的节律信号,分别是8-15Hz的μ节律信号和 18-24Hz 的β节律。在运动想象时,神经元细胞被激活、新陈代谢速度加快,大脑皮层对侧运动感觉区的脑电节律能量会明显降低,而同侧运动感觉区的脑电节律能量增大,这种现象称为事件相关去同步(Event Related Desynchronization,ERD)/事件相关同步(Event Related Synchronization,ERS)。基于这种关系,通过人大脑主动控制左、右脑μ 、β 节律幅度的高低就可以产生多种控制指令。如图是左右手运动想象的ERD/ERS现象[2]。
图2 左右手运动想象的ERD/ERS
2.MI特征提取算法
国际上对运动想象的特征提取算法进行了诸多研究,包括:功率谱分析、小波变换、自回归(AR)模型、样本熵(SampEn)、共空间模式(Common Spatial Paternal,CSP)等。各方法的优缺点如下[3]:
其中共空间模式(CSP)是目前在单次两分类运动想象中最广泛应用的方法。CSP是一种利用特征的空间分布,将来自两类的多导联EEG信号投影到子空间中,将其分解为不同的空间模式的特征提取方法。其基本原理:利用矩阵的对角化,找到一组最优空间滤波器进行投影,使得两类信号的方差值差异最大化,从而得到具有较高区分度的特征向量。CSP算法原理如下:
(1)设Yk = [y1(t), y2(t),…, yp(t)]T是第k次实验采集到的脑电信号,其中电极数为p。N为单次实验个数。设两类运动想象平均协方差矩阵为C1和C2,其求解方法如下:
(2)两类运动想象的协方差矩阵空间为:Cc = C1 + C2。按如下公式对该协方差空间进行白化处理得到矩阵P。
(3)设S1 = PC1PT 和S2 = PC2PT。同时对S1和S2进行奇异值分解得到对角矩阵D和正交矩阵R,如下列公式所示:
(4)由于I = S1 + S2,D2 = I - D1。因此当Si中的一个矩阵趋近于I时,另一个Si矩阵趋近于0矩阵。从而使得两类的差异最大化。则其空间滤波器为:
则对第k次采集信号的空间滤波结果为:
(5)最终,可以得到运动想象待分类特征为:
式中:Zi —— Yk在空间滤波器上的投影;m —— 选择的特征参数个数;f —— 特征值。
CSP特征需要多通道分析,且非常容易受噪声干扰。因此国际上对CSP进行了诸多改进算法的研究。包括共空间频率模式(Common Spatio-Spectral Pattern,CSSP)、滤波器组共空间模式(Filter Bank Common Spatial Pattern,FBCSP)等,具体发展路径如图所示[4]:
图4 CSP改进算法
3.MI分类算法
为了实现运动想象的识别,在完成特征提取后需要对特征进行分类。运动想象中经典的分类方法,包括:线性判别式分析(Linear Discriminant Analysis, LDA)、支持向量机(Support Vector Machines, SVM)、人工神经网络(Artificial Neural Network, ANN)、贝叶斯分类器(Bayes Classifier)等。各方法的优缺点如下[3]:
以上这些分类方法都是机器学习中最常见的分类方法,具体原理不再赘述。
4.MI问题和发展趋势
运动想象目前面临的主要问题是:
(1)时间、场景和个体的差异对准确度影响较大;
(2)复杂运动想象模式少;
(3)离散控制,难以实现连续控制;
(4)异步检测准确率低;
运动想象在算法层面的发展趋势:
(1)算法改进:研究抗噪性能更好的特征提取算法和分类算法,提高运动想象的准确率。
(2)算法联合:单一算法都有各自的缺陷,可以将多种算法联合(例如多特征联合),取长补短,充分发挥每个算法的优势。
(3)深度学习:目前深度学习在运动想象领域还未实现“质”的飞跃。后续可研究更加适应EEG的网络模型(例EEGNet),利用深度神经网络对信号特征进行自适应提取。
参考文献
[1] Brunner C , Birbaumer N , Blankertz B , et al. BNCI Horizon 2020: towards a roadmap for the BCI community[J]. Brain Computer Interfaces, 2015, 2(1):1-10.
[2] Maeder C L , Sannelli C , Haufe S , et al. Pre-Stimulus Sensorimotor Rhythms Influence Brain–Computer Interface Classification Performance[J]. IEEE Transactions on Neural Systems & Rehabilitation Engineering, 2012, 20(5):653-662.
[3] 裴一飞, 杨淑娟. 运动想象脑电信号算法研究进展[J]. 北京生物医学工程, 2018, 37(2):208-214.
[4] oh__NO.运动想象| EEG信号、共空间模式算法(CSP)[EB/OL].https://blog.csdn.net/oh__NO/article/details/84310982, 2020–03–22
脑机接口(1):运动想象(MI)原理、算法、问题和发展趋势相关推荐
- 论文阅读——用于脑机接口的运动意图和运动想象脑电数据分析研究
最近在看脑电数据处理相关的论文,为了更加系统的学习,现在特别做一个论文阅读总结专栏,总结每篇经典论文中的核心点. 用于脑机接口的运动意图和运动想象脑电数据分析研究--庞雅杰(哈尔滨工业大学) 摘 要: ...
- 从运动脑机接口到情绪脑机接口:马斯克脑机接口公司Neuralink背后的原理
从运动脑机接口到情绪脑机接口(1) 脑机接口(BMI)是一种闭环控制系统,通过记录和调控神经活动的方式与大脑进行交互.目前应用是恢复失去的神经功能,尤其是恢复瘫痪患者的运动功能.由于运动脑机接口可以精 ...
- 脑机接口基础学习06---机器学习算法随机森林判断睡眠类型
案例介绍 本案例对多导睡眠图(Polysomnography,PSG)数据进行睡眠阶段的分类来判断睡眠类型 训练:对Alice的睡眠数据进行训练 测试:利用训练结果对Bob的睡眠数据进行测试,判断其睡 ...
- 腾讯天衍实验室夺世界机器人大赛双冠军,新算法突破脑机接口瓶颈
日前,"2020世界机器人大赛-BCI脑控机器人大赛"公布成绩,腾讯天衍实验室和天津大学高忠科教授团队组成的C2Mind战队,经过多轮赛程的激烈比拼,实力入围BCI脑控机器人大赛& ...
- 基于耳-脑电图的脑机接口研究进展
头皮-脑电图(EEG)常被用来开发脑机接口(BCI)系统.近年来,记录在耳朵周围或内部的脑电图被称为ear-EEG,被频繁地用于开发实用的脑机接口系统,并且之前的许多研究已经证明了其在性能和长期使用方 ...
- 脑机综述(一) | 脑机接口在康复医学中的应用进展
来源:<中国康复医学>杂志 .臻泰智能 论文<脑机接口在康复医学中的应用进展> 琚芬1,赵晨光1,袁华1,牟翔1,王冰水2 [关键词] 脑机接口:运动功能:康复 [基金项目]国 ...
- 研究人员探索gaze fixation对基于运动想象的脑机接口性能的影响
基于运动想象的脑机接口(BCI)已经在之前没有控制受试者注视位置的情况下进行了研究.gaze fixation和内隐注意(covert attention)对 BCI 行为表现的影响尚不清楚. 内隐注 ...
- 运动想象脑机接口中迁移学习的完整流程
点击上面"脑机接口社区"关注我们 更多技术干货第一时间送达 脑机接口(Brain-Computer Interface, BCI)可以让用户使用脑电信号直接与计算机或其他外部设备进 ...
- 国内研究团队利用神经反馈训练提高运动想象脑机接口的性能
运动想象(MI)任务表现的显著性差异严重阻碍了MI在脑机接口(BCI)中的广泛应用.先前的研究人员发现,静息态的alpha波段功率与MI-BCI性能呈正相关.在本研究中,研究人员设计了一种基于上调al ...
最新文章
- Linux 0.12内核与现代内核在内存管理上的区别
- mysql 日志还原数据库_通过Mysql-bin日志恢复还原数据
- 索引---B+Tree
- julia与python对比_有人说Julia比Python好,还给出了5个理由
- 云计算-从基础到应用架构系列-云计算的演进
- android 生成debug.keystore,android sdk 如何重新生成debug.keystore
- AutoCAD2020左键单击长按套锁功能
- Android进阶学习视频
- 2021兴业数金Java笔试题面经
- 管家婆普及版_昆明逸马软件 — 管家婆服装普及版
- 使用hashcat破解Windows账户密码
- 全球及中国工业自动化电缆行业研究及十四五规划分析报告
- fiilt1左耳连不上_FIIL T1完美解决真无线耳机的痛点:更快更稳更自由
- 商务智能-系统概述-商务智能作用
- echarts饼图百分比不为100%
- 【JVM】<Java虚拟机>JVM架构各种**虚拟机
- 熊猫关闭服务器微信,熊猫直播开始关闭服务器:App已在苹果应用商店下架
- 阿里云BaaS下蚂蚁区块链开发实践(一)
- 鸿蒙渊更新公告,《天下3》更新公告(版本2.0.706)
- cocos3.5塔防游戏开发---复习cocos2dx结束(明天重启仙剑)
热门文章
- 如何将图片压缩到15k以下?教你一键压缩图片的大小
- Unity3d实现双人网络坦克大战
- 一文读懂pid控制器
- Java函数式编程(Lambda表达式、Stream流用法)
- 蓝桥杯算法训练-强力党逗志芃
- 重装系统打开Unity编辑器弹窗:sentinel key not found(h0007)
- 可以学计算机知识的手游,玩手游还能学知识?寓教于乐的游戏可不止《大航海时代》一个...
- gnu linux额外支持的运算符,《Shell编程从入门到精通》张昊-chap1-8
- 安装office2016专业增强版
- 支付宝钱包系统架构图解,真的太优秀了!