系统评估欧几里德对齐与深度学习在EEG解码中的应用

系统评估欧几里德对齐与深度学习在EEG解码中的应用 背景介绍 脑电图(EEG)信号由于其无创性、便携性和低采集成本,广泛用于脑机接口(BCI)任务。然而,EEG信号存在低信噪比、易受电极位置影响及空间分辨率差等缺点。随着深度学习(DL)技术的进展,该技术在BCI领域表现出色,甚至在某些情况下超过了传统的机器学习方法。然而,DL模型对数据需求量大是其主要障碍。多受试者数据的迁移学习(Transfer Learning, TL)通过共享数据能够更高效地训练DL模型。欧几里得对齐(Euclidean Alignment,EA)因其易用性、低计算复杂度和与DL模型兼容性,逐渐受到关注。但现有研究对EA结合DL的全局和个体模型训练效果评估较少。这篇论文旨在系统性评估EA和DL结合对BCI信号解码训练性...

通过视觉运动整合任务揭示脑功能网络的变化

机能脑网络在视觉运动任务中的重组变化 研究背景 运动执行是一个复杂的认知功能,依赖于空间上接近和远离的脑区的协调激活。视觉运动整合任务需要处理和解释视觉输入以规划运动执行,并调整人类运动以与环境互动。基于功能性磁共振成像(fMRI)的研究表明,前额叶和顶叶区域在视觉运动整合过程中起着重要作用。此外,sensorimotor皮层也涉及其中。然而,现有研究主要使用fMRI技术探索这些过程,对于脑电图(EEG)信号的研究相对较少。 在诸多研究中,通过功能连接性分析明确了不同脑区之间的统计依赖关系,并研究它们在不同条件下如何相互作用和交流。有研究通过脑磁图(MEG)和颅内EEG探讨了大脑在gamma波段的连接性,发现大脑在视觉运动过程中的动态参与。此外,基于脑电图的研究确认了前顶叶区域在视觉运动过程...

贝叶斯估计群体事件相关电位成分

背景介绍 事件相关电位(Event-Related Potentials,ERPs)的研究提供了关于大脑机制的重要信息,尤其在解释各种心理过程时具有独特优势。在这些研究中,通常在被试执行特定任务时记录多通道脑电图(EEG),根据刺激类型和被试反应将试验分为不同类别,并取各类别试验的平均值计算ERPs。记录头皮表面的ERPs有较好的时间分辨率,但由于体积传导效应,其空间分辨率较低。 解决体积传导问题的一种方法是使用盲源分离(Blind Source Separation,BSS)方法。若BSS方法用在单次试验数据间,其主要目标是更准确地刻画个体ERPs;若BSS方法用在个体ERPs数据间,其主要目标是识别大脑反应的共性特征。然而,目前的大多数BSS算法并不能充分考虑ERPs噪声的复杂特性:空间...

神经电极在慢性植入过程中对小鼠神经功能连接的层依赖性影响

神经电极在慢性植入过程中对小鼠神经功能连接的层依赖性影响 引言 该研究探讨了慢性植入微观电极对小鼠C57BL6野生型小鼠脑内神经功能连接的长期影响。植入脑内的电极能够进行神经信号的记录和电刺激,在脑机接口(Brain-Computer Interface, 简称BCI)系统中有着广泛的应用,如恢复运动控制和感官感知。然而,随着时间的推移,植入电极记录到的信号会逐渐衰退,该退化被认为是“异物反应”(Foreign-Body Response, FBR)造成的。然而,FBR如何具体影响植入周围区域的神经回路功能及其稳定性尚不明确。本研究旨在揭示长期FBR如何改变局部神经回路功能,深入理解其对BCI解码装置的影响。 研究背景与目的 植入神经电极虽然有潜在的应用价值,然而其在记录灵敏度和稳定性上仍存...

基于EEG信号检测重度抑郁症的图卷积Transformer网络GCTNet

GCTNet:基于EEG信号检测重度抑郁症的图卷积Transformer网络 研究背景 重度抑郁症(Major Depressive Disorder, MDD)是一种普遍的精神疾病,其特征是显著且持续的低落情绪,全球约有超过3.5亿人受到影响。MDD是导致自杀的主要原因之一,每年约有80万人因此丧生。当前MDD的诊断主要依赖于患者的自我报告和临床医生的专业判断。然而,诊断过程的主观性可能会导致不同医生之间的一致性较低,从而可能产生不准确的诊断。研究发现,被诊断为MDD的一般医生的正确率仅为47.3%。因此,探索客观可靠的生理指标,并采用有效的方法及时识别MDD,对于促进早期诊断和干预至关重要。 论文来源 本论文由Beijing Advanced Innovation Center for ...

表面肌电信号的拓扑结构:利用黎曼流形解码手部手势

表面肌电信号的拓扑结构:利用黎曼流形解码手部手势 本论文由Harshavardhana T. Gowda(加利福尼亚大学戴维斯分校电子与计算机工程系)和Lee M. Miller(加利福尼亚大学戴维斯分校心理与脑科学中心、神经生理学和行为系、耳鼻喉科-头颈外科系)联合撰写。该论文发表于《Journal of Neural Engineering》。 研究背景 表面肌电图(sEMG)信号通过在皮肤表面放置传感器来非侵入性地记录来自运动单元(MU)激活的电信号。这些信号在上肢手势解码中的应用,对于截肢者的康复、人造肢体增强、计算机手势控制以及虚拟/增强现实等领域具有重要意义。然而,sEMG信号的实际应用受到了许多因素的限制,比如皮下组织的厚度、依赖于电极位置的信号变异性等。因此,如何解码和区分不...