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...

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 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...

前运动阶段的脑电图帮助脑机接口识别运动意图 背景与研究目的 脑机接口(Brain-Computer Interface, BCI)是一项通过神经信号直接翻译人类意图以控制设备的技术，具有广泛的应用前景[1]。脑机接口有可能改变日常生活、娱乐、通信、康复以及教育等多个领域。然而，现阶段基于运动意图的脑机接口存在一些挑战，特别是前运动阶段的脑电图（EEG）特征不明显且容易受注意力影响，这制约了运动BCI性能的提升。 基于上述背景，河北工业大学健康科学与生物医学工程学院、可靠性与智能化电气设备国家重点实验室和天津生物电磁技术与智能健康重点实验室的Yuxin Zhang、Mengfan Li、Haili Wang、Mingyu Zhang和Guizhi Xu（通讯作者）针对如何在前运动编码时加入准备...

基于高频稳态视觉诱发场的视觉脑机接口 背景介绍 脑机接口（Brain-Computer Interface, BCI）技术通过解码特定的脑活动信号，使用户能够控制机器。尽管侵入性BCI在捕获高质量脑信号方面表现出色，但其应用主要局限于临床环境。而非侵入性方法，如脑电图（Electroencephalography, EEG），则为广泛应用BCI提供了更具可行性的途径。然而，由于脑脊液和颅骨的影响，EEG信号在传播过程中会变得非常微弱，且颅骨的差异性和各向异性导电性让定位EEG信号位置变得更加困难。 磁源成像（Magnetoencephalography, MEG）是一种非侵入性成像脑活动的方法，它在捕捉精细空间信息方面优于EEG。这种优势主要源自磁通量不会像电流那样受到衰减。然而，传统MEG...

帕金森病(Parkinson’s Disease, PD)患者通常会经历步态障碍，这种障碍严重影响他们的生活质量。以往的研究表明，基底神经节的β频率(15-30 Hz)振荡活动可能与步态障碍相关，但这些振荡活动在步态过程中的确切动态信息尚不清楚。此外，已有研究发现音频提示可以改善PD患者的步态运动学，如果能更好地了解这一提示的神经生理机制，则可以通过自适应深部脑刺激(ADBS)技术治疗步态障碍。因此，本研究旨在描绘步态过程中丘脑下核(subthalamic nucleus, STN)振荡活动的动态特征，并探索音频提示调节步态的神经生理机制。 来源和作者信息 本文由Chien-Hung Yeh、Yifan Xu、Wenbin Shi、James J. Fitzgerald、Alexander ...