發(fā)布時間：2018-06-13 20:13

  本文選題：功能性近紅外光譜技術 + 腦機接口　； 參考：《天津大學學報(自然科學與工程技術版)》2017年05期

【摘要】：功能性近紅外光譜技術(functional near-infrared spectroscopy,fNIRS)作為一種無損光學腦成像技術,可用于構建腦機接口(brain-computer interface,BCI)以識別操作者肢體控制意圖.利用fNIRS技術測量11位參試者的手臂伸展、腿部伸展和手指敲擊的前額皮層(prefrontal cortex,PFC)和運動功能皮層(motor cortex,MC)的血氧變化信號,并利用fNIRS的生理特征和支持向量機建立fNIRS-BCI分類器.結果表明手臂伸展、手指敲擊和腿部伸展的四分類fNIRS-BCI平均正確率分別為89.32%,、88.66%,和91.35%,;fNIRS-BCI的運動想象動作的分類正確率不低于運動執(zhí)行動作;3種任務范式的混淆矩陣分析結果表明:運動想象誘發(fā)的腦功能活動與同側肢體的運動執(zhí)行、對側肢體的運動想象活動產(chǎn)生混淆,3種任務范式的同側運動想象和運動執(zhí)行的血氧數(shù)據(jù)檢驗結果存在顯著差異.因此,fNIRS-BCI能有效識別運動想象和運動執(zhí)行活動,且運動想象和運動執(zhí)行活動的血氧數(shù)據(jù)變化具有可分性.
[Abstract]:Functional near infrared spectroscopy (FNIR) as a nondestructive optical brain imaging technique, it can be used to construct brain-computer interface (BCI) to identify the operator's limb control intention. The changes of blood oxygen in forefrontal cortex (PFCC) and motor cortexus (MCMC) of 11 subjects were measured by fNIRS technique. The fNIRS-BCI classifier was established by using the physiological characteristics of fNIRS and support vector machine. The results showed that the arms were stretched, The average correct rate of fNIRS-BCI in four categories of finger tapping and leg stretching is 89.32 and 88.66, respectively, and the classification accuracy of fNIRS-BCI in motion imagination is not lower than that of the confusion matrix analysis of three task paradigms of motion execution. The results show that: 1. Brain function and ipsilateral limb movement, There were significant differences in the results of hemodynamics data test between ipsilateral motion imagination and exercise execution in three task paradigms of contralateral limbs. Therefore, fNIRS-BCI can effectively identify movement imagination and movement execution activities, and the changes of blood oxygen data between motion imagination and motion execution activities are separable.
【作者單位】： 中國航天員科研訓練中心人因工程國防科技重點實驗室;
【基金】：國家自然科學基金青年基金資助項目(71201148) 國防科技重點實驗室的實驗技術課題資助項目(9140C770208150C77320,2012SY54B1701,SYFD150051805) 飛天基金資助項目(FTK201509)~~
【分類號】：R338;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3條

1 趙慧霞;蜜蜂（Apis mellifera L.）腦機接口的飛行控制神經(jīng)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(jīng)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

相關碩士學位論文 前9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 崔鵬舉;基于VC++的腦電撥號系統(tǒng)的研究與實現(xiàn)[D];天津職業(yè)技術師范大學;2014年

，

本文編號：2015269