發(fā)布時間：2018-06-08 01:25

  本文選題：功能性近紅外光譜技術(shù) + 腦機(jī)接口��； 參考：《上海交通大學(xué)學(xué)報》2017年12期

【摘要】：為了探究功能性近紅外光譜技術(shù)(fNIRS)對相同動作的運動想象和運動執(zhí)行區(qū)分可行性以及前額皮層對運動想象和運動執(zhí)行分類準(zhǔn)確率的影響,研究測量了15位受試者手臂伸展和手指敲擊的運動想象過程和運動執(zhí)行過程的前額皮層和運動功能皮層的血氧變化信號.提取均值,斜率,二次項系數(shù)和近似熵特征建立基于支持向量機(jī)的四分類模型.對應(yīng)于手臂伸展和手指敲擊的四分類模型,分別實現(xiàn)了87.65%和87.58%的分類準(zhǔn)確率.相對于單獨運動功能皮層區(qū)域建立的運動功能皮層-fNIRS-腦機(jī)接口,引入前額皮層血氧變化信息能顯著提高腦機(jī)接口分類性能,且對手指敲擊動作的提高效果大于手臂伸展動作.因此,前額皮層區(qū)域的血氧響應(yīng)生理特征能提高fNIRS-腦機(jī)接口的分辨性能,同時驗證了fNIRS-腦機(jī)接口應(yīng)用于多種肢體動作腦功能活動提取的可行性.
[Abstract]:To explore the feasibility of functional near infrared spectroscopy (FNIRS) in differentiating motion imagination and motion execution for the same motion, and the effect of the prefrontal cortex on the classification accuracy of motion imagination and motor execution, The changes of blood oxygen in the prefrontal cortex and motor functional cortex of 15 subjects during arm extension and finger tapping were measured. Four classification models based on support vector machine (SVM) are established by extracting mean, slope, quadratic coefficients and approximate entropy features. The classification accuracy is 87.65% and 87.58%, respectively, corresponding to the four classification models of arm extension and finger tapping. Compared with the motor functional cortex -fNIRS- brain-computer interface established in the single motor functional cortex region, the classification performance of brain-computer interface can be improved significantly by introducing the information of blood oxygen change in the prefrontal cortex, and the effect of finger tapping is better than that of arm stretching. Therefore, the physiological characteristics of the blood oxygen response in the prefrontal cortex region can improve the resolution of the fNIRS- brain-computer interface, and the feasibility of the application of the fNIRS- brain-computer interface in the extraction of various limb action brain functions is verified.
【作者單位】： 中國航天員科研訓(xùn)練中心人因工程國家重點實驗室;
【基金】：國家自然科學(xué)基金項目(81671861) 中國航天醫(yī)學(xué)工程預(yù)先研究項目(YJGF151204) 中國航天員科研訓(xùn)練中心人因國家重點實驗室自主課題(SYFD150051805)資助
【分類號】：R318;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 奇云;李大可;;腦機(jī)接口——2012年生命科學(xué)研究的六大突破之一[J];生命世界;2013年05期

相關(guān)重要報紙文章 前1條

1 黃嵐 華軒;意念移物：用大腦控制機(jī)械[N];大眾衛(wèi)生報;2013年

相關(guān)博士學(xué)位論文 前6條

1 趙慧霞;蜜蜂（Apis mellifera L.）腦機(jī)接口的飛行控制神經(jīng)機(jī)理研究[D];浙江大學(xué);2014年

2 汪芳;基于強化學(xué)習(xí)的植入式腦機(jī)接口神經(jīng)信息解碼：算法設(shè)計及應(yīng)用[D];浙江大學(xué);2015年

3 姚林;刺激輔助的腦電信號特征增強方法與混合式腦機(jī)接口[D];上海交通大學(xué);2015年

4 馬征;高性能視覺ERP腦機(jī)接口若干問題研究[D];大連理工大學(xué);2016年

5 蘇億;多通道無線低功耗雙向腦機(jī)接口關(guān)鍵技術(shù)研究[D];武漢大學(xué);2016年

6 蘇麗娟;基于遷移學(xué)習(xí)的腦機(jī)融合系統(tǒng)的研究[D];浙江大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 李佳乘;基于穩(wěn)態(tài)視覺誘發(fā)電位腦機(jī)接口系統(tǒng)的腦信號處理與研究[D];華南理工大學(xué);2015年

2 吳俊;EEG-fMRI混合腦機(jī)接口去噪及信號源定位技術(shù)研究[D];華南理工大學(xué);2015年

3 趙萍萍;基于偽隨機(jī)序列的彩色視覺刺激的腦機(jī)接口系統(tǒng)[D];蘇州大學(xué);2015年

4 藺冬雪;多模態(tài)腦機(jī)接口系統(tǒng)開發(fā)及應(yīng)用研究[D];南開大學(xué);2016年

5 孟天偉;基于穩(wěn)態(tài)視覺誘發(fā)電位頻相特征提取的腦機(jī)接口算法設(shè)計[D];天津大學(xué);2014年

6 張楠楠;現(xiàn)場環(huán)境下的目標(biāo)選擇腦控技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

7 康嘉輝;基于OVR-CSP和互相關(guān)的運動想象腦機(jī)接口研究[D];西安電子科技大學(xué);2015年

8 劉建輝;基于穩(wěn)態(tài)視覺誘發(fā)電位的腦機(jī)接口系統(tǒng)研究[D];杭州電子科技大學(xué);2016年

9 王禎;腦機(jī)接口中非平衡數(shù)據(jù)的分類研究[D];浙江理工大學(xué);2017年

10 陸明偉;基于ECoG信號的嵌入式腦機(jī)接口系統(tǒng)[D];浙江大學(xué);2017年

，

本文編號：1993741