本文關(guān)鍵詞：基于實(shí)時(shí)功能磁共振成像的腦機(jī)接口技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：腦機(jī)接口(Brain Computer Interface, BCI)通過腦信號解碼大腦活動狀態(tài),將大腦活動編碼成計(jì)算機(jī)指令以控制外部設(shè)備,在大腦與外部設(shè)備間構(gòu)建連接通路。通過這種通路,人可以不依賴于語言或動作對外部設(shè)備進(jìn)行操作,是目前涉及生物、醫(yī)學(xué)、計(jì)算機(jī)和通信等交叉領(lǐng)域的研究熱點(diǎn)。實(shí)時(shí)功能磁共振技術(shù)(real-time functional Magnetic Resonance Imaging, rtfMRI)突破傳統(tǒng)功能磁共振成像(functional Magnetic Resonance Imaging, fMRI)離線數(shù)據(jù)處理分析方式,能夠?qū)崟r(shí)對大腦的高級功能活動進(jìn)行無損和反復(fù)測量,正發(fā)展成為一種新的腦機(jī)接口方式。研究如何構(gòu)建穩(wěn)定可靠的rtfMRI系統(tǒng),并基于rtfMI技術(shù)實(shí)現(xiàn)非侵入式BCI系統(tǒng)具有很好的理論和應(yīng)用價(jià)值。本文針對基于rtfMRI的BCI技術(shù)在處理速度、穩(wěn)定性和準(zhǔn)確性方面的要求,研究rtfMRI腦機(jī)接口系統(tǒng)的設(shè)計(jì)方法、在線大腦激活狀態(tài)檢測算法和腦機(jī)接口分類器的訓(xùn)練與在線更新等關(guān)鍵問題,主要工作如下：1.基于rtfMRI腦機(jī)接口的功能需求分析,提出了基于rtfMRI的腦機(jī)接口系統(tǒng)的功能模塊化設(shè)計(jì)方法,并通過fMRI數(shù)據(jù)實(shí)時(shí)獲取、實(shí)時(shí)處理和信息反饋等核心子模塊的性能優(yōu)化和功能擴(kuò)展,構(gòu)建了基于rtfMRI的腦機(jī)接口平臺。針對跨MRI設(shè)備平臺的fMRI數(shù)據(jù)實(shí)時(shí)獲取問題,提出基于文件系統(tǒng)監(jiān)控的數(shù)據(jù)獲取方法,改善了數(shù)據(jù)獲取模塊的通用性和穩(wěn)定性；面向在線腦狀態(tài)分析和多形式信息反饋的功能需求,設(shè)計(jì)實(shí)現(xiàn)了支持功能擴(kuò)展的數(shù)據(jù)實(shí)時(shí)處理模塊和反饋模塊。對構(gòu)建的rtfMRI腦機(jī)接口系統(tǒng)進(jìn)行測試和性能分析,結(jié)果表明該系統(tǒng)能夠在一個(gè)采集重復(fù)時(shí)間內(nèi)完成數(shù)據(jù)實(shí)時(shí)獲取、數(shù)據(jù)預(yù)處理、腦功能狀態(tài)的分類和神經(jīng)信息反饋,具有很好的穩(wěn)定性、實(shí)用性和可擴(kuò)展性,為rtfMRI腦機(jī)接口技術(shù)研究提供了測試平臺。2.針對fMRI數(shù)據(jù)采集過程中,由于受試者頭動或設(shè)備不穩(wěn)定等因素產(chǎn)生偶發(fā)性信號突變,導(dǎo)致實(shí)時(shí)大腦激活檢測算法可靠性下降的問題,提出了一種基于Robust Kalman濾波的在線大腦激活檢測算法。該算法基于偶發(fā)突變信號的稀疏特性,將偶發(fā)信號突變建模為稀疏噪聲項(xiàng),結(jié)合實(shí)時(shí)凸優(yōu)化方法估計(jì)稀疏噪聲的幅度,以此為基礎(chǔ)進(jìn)行信號的實(shí)時(shí)監(jiān)測和Robust Kalman濾波模型參數(shù)的實(shí)時(shí)更新,抑制數(shù)據(jù)采集過程中偶發(fā)信號突變對實(shí)時(shí)檢測大腦激活區(qū)域的影響。實(shí)驗(yàn)結(jié)果表明,該方法可以快速準(zhǔn)確估計(jì)稀疏噪聲出現(xiàn)的時(shí)間和幅度,有效提高大腦功能區(qū)域激活檢測的穩(wěn)定性,為后續(xù)腦機(jī)接口分類器提供穩(wěn)定的功能區(qū)域信息。3..腦機(jī)接口需要快速準(zhǔn)確地對大腦功能狀態(tài)進(jìn)行分類,本文引入線性核函數(shù)支持向量機(jī)(Support Vector Machine,SVM)研究基于大腦功能區(qū)域的大腦狀態(tài)分類方法,提出了一種基于K均值聚類的SVM分界面在線更新算法。fMRI數(shù)據(jù)體素值的漂移會改變SVM分類樣本的動態(tài)范圍,導(dǎo)致SVM決策值出現(xiàn)漂移。針對此問題,該方法使用K均值聚類算法估計(jì)決策值的偏移中心,在線調(diào)整SVM分類函數(shù)的偏置,實(shí)現(xiàn)分類器對決策值漂移的在線適應(yīng)。將該算法應(yīng)用于面向運(yùn)動功能區(qū)的腦機(jī)接口三分類實(shí)驗(yàn),結(jié)果表明分類器參數(shù)能夠?qū)崟r(shí)適應(yīng)決策值的漂移,從而提高腦狀態(tài)分類正確率。
【關(guān)鍵詞】：實(shí)時(shí)功能核磁共振成像 腦機(jī)接口 文件實(shí)時(shí)獲取 在線激活檢測 Robust Kalman濾波 實(shí)時(shí)凸優(yōu)化 支持向量機(jī) K均值聚類
【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：R318;TP18
【目錄】：

• 摘要4-6
• Abstract6-13
• 第一章 緒論13-23
• 1.1 課題背景與研究意義13
• 1.2 實(shí)時(shí)功能磁共振成像技術(shù)13-17
• 1.2.1 rtfMRI硬件系統(tǒng)15-16
• 1.2.2 rtfMRI軟件平臺16-17
• 1.3 基于rtfMRI的腦機(jī)接口技術(shù)17-19
• 1.4 國內(nèi)外研究現(xiàn)狀19-21
• 1.4.1 rtfMRI在線激活檢測技術(shù)19-20
• 1.4.2 基于rtfMRI的大腦功能狀態(tài)分類技術(shù)20-21
• 1.5 課題研究內(nèi)容及論文結(jié)構(gòu)安排21-23
• 第二章 rtfMRI腦機(jī)接口系統(tǒng)設(shè)計(jì)23-37
• 2.1 rtfMRI系統(tǒng)功能模塊劃分23-25
• 2.2 基于rtfMRI的腦機(jī)接口系統(tǒng)設(shè)計(jì)25-34
• 2.2.1 基于文件系統(tǒng)監(jiān)控的數(shù)據(jù)獲取模塊26-29
• 2.2.2 基于AFNI的實(shí)時(shí)數(shù)據(jù)處理模塊29-31
• 2.2.3 視覺刺激生成與顯示模塊31-34
• 2.3 功能模塊的性能改善與組合策略分析34-35
• 2.4 本章小結(jié)35-37
• 第三章 rtfMRI大腦激活在線檢測算法37-49
• 3.1 激活檢測問題分析37-40
• 3.2 基于Robust Kalman濾波的在線激活檢測算法40-43
• 3.2.1 Robust Kalman濾波稀疏噪聲模型構(gòu)建40-41
• 3.2.2 基于實(shí)時(shí)凸優(yōu)化的Robust Kalman濾波遞歸激活檢測算法41-43
• 3.3 結(jié)果分析43-48
• 3.4 本章小結(jié)48-49
• 第四章 rtfMRI腦機(jī)接口分類器設(shè)計(jì)與在線更新49-65
• 4.1 基于SVM的腦機(jī)接口分類器設(shè)計(jì)49-53
• 4.1.1 基于功能區(qū)的SVM功能狀態(tài)分類模型構(gòu)建49-51
• 4.1.2 多功能狀態(tài)的分類器組合方法51-52
• 4.1.3 分類器訓(xùn)練的樣本選擇方法52-53
• 4.2 基于K均值聚類的SVM在線更新算法53-56
• 4.3 面向運(yùn)動功能區(qū)的腦機(jī)接口實(shí)驗(yàn)56-64
• 4.3.1 實(shí)驗(yàn)設(shè)計(jì)56-58
• 4.3.2 數(shù)據(jù)處理58-59
• 4.3.3 結(jié)果分析59-64
• 4.4 本章小結(jié)64-65
• 第五章 總結(jié)與展望65-67
• 5.1 總結(jié)65-66
• 5.2 展望66-67
• 致謝67-69
• 參考文獻(xiàn)69-75
• 作者簡歷75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 呂柄江;趙小杰;姚力;高家紅;;實(shí)時(shí)功能磁共振成像及其應(yīng)用[J];科學(xué)通報(bào);2014年02期

  本文關(guān)鍵詞：基于實(shí)時(shí)功能磁共振成像的腦機(jī)接口技術(shù)研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：332777