本文選題：功能性近紅外光譜技術 + 腦機接口�。� 參考：《上海交通大學學報》2017年12期

【摘要】：為了探究功能性近紅外光譜技術(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,二次項系數和近似熵特征建立基于支持向量機的四分類模型.對應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-腦機接口,引入前額皮層血氧變化信息能顯著提高腦機接口分類性能,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)域的血氧響應生理特征能提高fNIRS-腦機接口的分辨性能,同時驗證了fNIRS-腦機接口應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】： 中國航天員科研訓練中心人因工程國家重點實驗室;
【基金】：國家自然科學基金項目(81671861) 中國航天醫(yī)學工程預先研究項目(YJGF151204) 中國航天員科研訓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】

相關期刊論文 前1條

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

相關重要報紙文章 前1條

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

相關博士學位論文 前6條

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

2 汪芳;基于強化學習的植入式腦機接口神經信息解碼：算法設計及應用[D];浙江大學;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接口[D];上海交通大學;2015年

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

5 蘇億;多通道無線低功耗雙向腦機接口關鍵技術研究[D];武漢大學;2016年

6 蘇麗娟;基于遷移學習的腦機融合系統(tǒng)的研究[D];浙江大學;2017年

相關碩士學位論文 前10條

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

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

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

4 藺冬雪;多模態(tài)腦機接口系統(tǒng)開發(fā)及應用研究[D];南開大學;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接口算法設計[D];天津大學;2014年

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

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

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

9 王禎;腦機接口中非平衡數據的分類研究[D];浙江理工大學;2017年

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

，

本文編號：1993741