發(fā)布時間：2023-01-30 16:56

　　在相同的外部刺激下,不同受試大腦之間的腦電響應(yīng)存在著一定的聯(lián)系,同時表現(xiàn)出一定的相似性與差異性。腦電數(shù)據(jù)在受試維度上豐富的信息還沒有被充分的挖掘與利用。本論文旨在挖掘腦電受試維度上的信息,并將其應(yīng)用于腦-機接口中。瞬態(tài)誘發(fā)電位和穩(wěn)態(tài)誘發(fā)電位是兩大類具有不同特點的腦電誘發(fā)響應(yīng)信號。本文針對它們在受試維度所表現(xiàn)出的不同特點,采用不同的策略挖掘和利用它們在受試維度的信息。對于單試次瞬態(tài)誘發(fā)電位信號,由于其信噪比低,受自發(fā)腦電影響嚴(yán)重,受試間差異較大。本文采用信息整合的策略利用受試間信息。首先,本文通過整合多個受試的事件相關(guān)電位信號,構(gòu)建了可基于群體腦電進行快速決策的協(xié)同腦-機接口系統(tǒng),擴展了腦-機接口的應(yīng)用。同時,本文利用協(xié)同腦-機接口中受試間差異,提出了高效的受試信息整合方法和分類器更新升級方法。此外,本文通過引入相似感知熵分?jǐn)?shù)及多任務(wù)學(xué)習(xí)方法,進一步挖掘受試間的相似性,提出了新的多受試信息整合方法與潛在應(yīng)用。對于穩(wěn)態(tài)誘發(fā)電位信號,由于其信噪比相對較高,信號特征主要由外部刺激決定,受試間相似性較強。本文采用信息遷移的策略利用受試間信息。首先,本文提出了tt-CCA和ott-CCA算法,可將... 

【文章頁數(shù)】：138 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第1章 引言
    1.1 神經(jīng)活動記錄工具與神經(jīng)信息學(xué)
    1.2 腦電基本知識簡介
        1.2.1 腦電的生理機制
        1.2.2 腦電的種類
        1.2.3 腦電數(shù)據(jù)的記錄
        1.2.4 腦電數(shù)據(jù)的結(jié)構(gòu)
    1.3 腦-機接口簡介
        1.3.1 腦-機接口的定義
        1.3.2 腦-機接口的范式
        1.3.3 腦-機接口的應(yīng)用
    1.4 腦-機接口面臨的問題和發(fā)展趨勢
        1.4.1 應(yīng)用范圍有待擴展
        1.4.2 用戶體驗有待改善
        1.4.3 評估方法有待規(guī)范
    1.5 論文的結(jié)構(gòu)和內(nèi)容
第2章 跨腦信息挖掘與應(yīng)用的總體思路
    2.1 本章引論
    2.2 瞬態(tài)誘發(fā)電位
        2.2.1 瞬態(tài)誘發(fā)電位信號特點
        2.2.2 瞬態(tài)誘發(fā)電位受試間關(guān)系
    2.3 穩(wěn)態(tài)誘發(fā)電位
        2.3.1 穩(wěn)態(tài)視覺誘發(fā)電位信號特點
        2.3.2 穩(wěn)態(tài)視覺誘發(fā)電位受試間關(guān)系
    2.4 瞬態(tài)誘發(fā)電位跨腦信息挖掘與應(yīng)用
        2.4.1 瞬態(tài)誘發(fā)電位跨腦信息整合
        2.4.2 瞬態(tài)誘發(fā)電位腦間相似性信息挖掘
    2.5 穩(wěn)態(tài)誘發(fā)電位跨腦信息挖掘與應(yīng)用
        2.5.1 穩(wěn)態(tài)誘發(fā)電位跨腦信息遷移
        2.5.2 穩(wěn)態(tài)誘發(fā)電位腦間差異性信息挖掘
    2.6 跨腦信息挖掘中的機器學(xué)習(xí)方法
        2.6.1 跨腦信息整合中的機器學(xué)習(xí)方法
        2.6.2 跨腦信息遷移中的機器學(xué)習(xí)方法
    2.7 本章小結(jié)
第3章 瞬態(tài)誘發(fā)電位跨腦信息整合
    3.1 本章引論
    3.2 實驗范式與平臺
        3.2.1 Go/NoGo決策范式
        3.2.2 群體腦活動監(jiān)測平臺
    3.3 行為學(xué)分析
    3.4 離線腦電分析
        3.4.1 誘發(fā)腦電波形
        3.4.2 信息提取與整合方法
        3.4.3 不同參數(shù)下系統(tǒng)性能
    3.5 在線系統(tǒng)測試
    3.6 受試間差異分析
    3.7 分類器更新方法
    3.8 討論
    3.9 本章小結(jié)
第4章 瞬態(tài)誘發(fā)電位腦間相似性信息挖掘
    4.1 本章引論
    4.2 數(shù)據(jù)層面腦間相似性信息挖掘
        4.2.1 問題定義
        4.2.2 相似感知熵分?jǐn)?shù)方法
        4.2.3 實驗范式與數(shù)據(jù)處理
        4.2.4 結(jié)果與討論
    4.3 模型參數(shù)層面腦間相似性信息挖掘
        4.3.1 問題定義
        4.3.2 多任務(wù)學(xué)習(xí)方法
        4.3.3 實驗范式與數(shù)據(jù)處理
        4.3.4 結(jié)果與討論
    4.4 本章小結(jié)
第5章 穩(wěn)態(tài)誘發(fā)電位跨腦信息遷移
    5.1 本章引論
    5.2 方法
        5.2.1 標(biāo)準(zhǔn)CCA算法
        5.2.2 單導(dǎo)聯(lián)tt-CCA算法
        5.2.3 多導(dǎo)聯(lián)tt-CCA算法
        5.2.4 多導(dǎo)聯(lián)ott-CCA算法
    5.3 實驗數(shù)據(jù)與評估方法
        5.3.1 實驗范式與數(shù)據(jù)介紹
        5.3.2 評估方法
    5.4 實驗結(jié)果
        5.4.1 單導(dǎo)聯(lián)tt-CCA算法
        5.4.2 多導(dǎo)聯(lián)tt-CCA算法
        5.4.3 多導(dǎo)聯(lián)ott-CCA算法
    5.5 討論
    5.6 本章小結(jié)
第6章 穩(wěn)態(tài)誘發(fā)電位腦間差異性信息挖掘
    6.1 本章引論
    6.2 方法
        6.2.1 SSVEP范式無訓(xùn)練數(shù)據(jù)情形
        6.2.2 SSVEP范式少量訓(xùn)練數(shù)據(jù)情形
        6.2.3 c-VEP范式少量訓(xùn)練數(shù)據(jù)情形
    6.3 實驗數(shù)據(jù)與評估方法
        6.3.1 數(shù)據(jù)介紹
        6.3.2 評估方法
    6.4 實驗結(jié)果
        6.4.1 SSVEP范式無訓(xùn)練數(shù)據(jù)情形
        6.4.2 SSVEP范式少量訓(xùn)練數(shù)據(jù)情形
        6.4.3 c-VEP范式少量訓(xùn)練數(shù)據(jù)情形
    6.5 討論
    6.6 本章小結(jié)
第7章 在線腦-機接口信息傳輸率的估計問題
    7.1 本章引論
    7.2 基于WOLPAW定義的ITR的計算
        7.2.1 同步BCI系統(tǒng)
        7.2.2 異步BCI系統(tǒng)
        7.2.3 特別種類的BCI系統(tǒng)
    7.3 在線同步BCI系統(tǒng)參數(shù)估計指導(dǎo)原則
        7.3.1 誤差分析
        7.3.2 估計P
        7.3.3 估計T
        7.3.4 估計N
        7.3.5 受試
    7.4 在線BCI系統(tǒng)性能測試平臺
        7.4.1 測試平臺的必要性
        7.4.2 測試平臺簡介
        7.4.3 測試平臺打字任務(wù)
    7.5 討論
        7.5.1 ITR的客觀認(rèn)識
        7.5.2 BCI的全面評估
        7.5.3 平臺的實用價值
    7.6 本章小結(jié)
第8章 總結(jié)與展望
    8.1 論文的主要工作成果
    8.2 論文的創(chuàng)新點
    8.3 跨腦信息挖掘與應(yīng)用研究展望
參考文獻
致謝
個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻】：
博士論文
[1]基于統(tǒng)計建模的多導(dǎo)聯(lián)腦電信號時空建模方法研究[D]. 吳畏.清華大學(xué) 2012
[2]基于穩(wěn)態(tài)誘發(fā)電位的多通道選擇性注意研究[D]. 張丹.清華大學(xué) 2010



本文編號：3733268