基于想象的腦機接口(Brain-Computer Interface,BCI)在運動障礙康復(fù)中有潛在的應(yīng)用.傳統(tǒng)的想象任務(wù)是運動想象(Motor Imagery,MI),但MI不易習(xí)得和控制,且存在"BCI(Brain Computer Interface)盲"現(xiàn)象,使得該類BCI的實用化受限.為尋找下肢運動障礙的康復(fù)方法,采用一種較少被研究且易完成的心理想象,即"視覺想象(Visual Imagery,VI)"來構(gòu)建BCI,但該類BCI的分類難度較大,需要探索有效的特征提取方法 .招募18名被試參加兩種動態(tài)圖片的視覺想象任務(wù)并采集腦電(Electroencephalogram,EEG)數(shù)據(jù);采用EEG互信息構(gòu)建功能網(wǎng)絡(luò),利用圖論分析方法計算腦網(wǎng)絡(luò)的網(wǎng)絡(luò)屬性特征,分別以網(wǎng)絡(luò)屬性特征、不同維度鄰接矩陣空間特征與網(wǎng)絡(luò)屬性與鄰接矩陣組合特征構(gòu)建特征向量;最后采用支持向量機(Support Vector Machine,SVM)對兩類視覺想象任務(wù)進行分類.結(jié)果顯示,采用八維互信息鄰接矩陣構(gòu)建的空間特征集具有較好的可分性,平均分類精度為90.12%±5.43%,表明基于EEG互信息鄰接矩陣空間特...

【文章頁數(shù)】：11 頁

【文章目錄】：
1 材料和方法
    1.1 被試、視覺想象任務(wù)、一個試次的時序與過程及實驗設(shè)置
        1.1.1 被試
        1.1.2 視覺想象任務(wù)
        1.1.3 一個試次的時序與過程
        1.1.4 實驗設(shè)置
    1.2 數(shù)據(jù)預(yù)處理
    1.3 基于EEG的腦網(wǎng)絡(luò)計算
        1.3.1 節(jié)點的定義
        1.3.2 邊的度量
        1.3.3 閾值的選取
        1.3.4 圖論分析
    1.4 支持向量機
2 實驗結(jié)果
3 討論
4 結(jié)論



本文編號：3747606