Aug, 2023

脑 - 计算机接口扩展现实框架中的自适应 SSVEP 识别

PDF
TL;DR提出了一个简单的自适应集成分类系统来处理 SSVEP-BCI-AR 应用中的个体间变异性，并评估了在带有头部旋转的应用中我们的集成算法的性能。在多个受试者上进行的测试在 PC 上达到了平均 80% 的准确率，并且在 HoloLens AR 耳机上达到了 77% 的准确率，均超过了前期研究中采用个体分类器和头部运动的结果。此外，我们的视觉刺激时间相对较短，为 5 秒，并表明我们的集成分类方法在 SSVEP-BCI 中表现优于个体分类器。
brain-computer interfaceaugmented realitysteady-state visually-evoked potentialensemble classification systemssvep-based bci-ar applications
发现论文，激发创造
  • 基于 SSVEP 的脑机接口轮椅控制系统

    针对运动失能的残疾人，本文提出了一种基于 SSVEP 的脑机接口技术并应用于电动轮椅控制，使用 Butterworth 和 FFT 算法处理 EEG 信号并采用谐波分类法，实验结果表明该系统易于操作且可实现最少 1 秒的延迟，具有未来推广应用的巨大潜力。

    Jul, 2023

  • 基于 Transformer 深度神经网络的 SSVEP 分类模型

    研究使用 Transformer 结构的深度学习模型，命名为 SSVEPformer，应用于 SSVEP 分类任务的首个应用，结果表明该模型能够在跨受试者情况下提高分类准确性和信息传输速率，成为缓解 SSVEP BCI 系统实际应用中校准程序的潜在模型。

    Oct, 2022

  • 基于序列的最优臂识别及其在脑机接口中的应用

    采用先前任务学习得到的先验知识，我们提出了一种串联的前两名 Thompson 抽样算法 (Sequential Top-two Thompson Sampling, STTS)，将广义多臂老虎机中的最佳臂序列问题视为一系列任务。这种算法取得了实质性的实验性改进。

    May, 2023

  • 基于 SSVEP 的脑机接口的免源域自适应 DNN

    本研究提出了一种基于深度神经网络的领域自适应方法，用于实现没有源数据的 SSVEP 脑机接口拼写器，该方法显著提高了信息传输速率并优于现有技术。

    May, 2023

  • 用于异步稳态视觉诱发电位分类的紧凑卷积神经网络

    本文介绍了如何使用仅需原始脑电波信号的紧凑型卷积神经网络 (Compact-CNN)，来对 12 类 SSVEP 数据集进行信号解码，较之手工方法具有更高的平均精度。同时，我们发现 Compact-CNN 提取了与数据集结构有关的其他相位和振幅相关特征，并探讨如何利用此方法加强我们对视觉皮层基础处理的理解。

    Mar, 2018

  • 迈向独立于注视的 c-VEP 脑机接口：初步研究

    探索利用 c-VEP 协议进行凝视无关的脑机接口技术，使用隐藏空间注意力代替眼部运动，实现基于脑电图的两种条件下高准确率的刺激解码。

    Mar, 2024

  • 视觉追踪脑机接口

    该研究提出了一种基于视觉的脑机接口控制方法，超越了离散指令，允许基于神经活动进行自然连续控制。

    Nov, 2023

  • 用于脑机接口诱发电位的跨受试者深度转移模型

    本文介绍一种基于深度学习的脑机接口技术，通过使用多组数据进行训练，实现了一定的性能，同时通过迁移学习，使得该技术能够用于不同用户，从而解决了目前脑机接口技术中需要耗费大量数据搜集的问题，该技术有望提高脑机接口技术的临床应用性和可行性。

    Jan, 2023

  • SSVEP-DAN: 用于基于 SSVEP 的脑机接口的数据对齐网络

    SSVEP-DAN 是第一个专门设计用于对齐不同领域 SSVEP 数据的神经网络模型，能够将现有的源 SSVEP 数据转化为补充校准数据，极大地提高了在有限校准数据情况下的 SSVEP 解码准确性。

    Nov, 2023

  • 人机联合学习框架以提升内生脑机接口训练

    脑机接口（BCIs）提供了从大脑到外部设备的直接路径，具有辅助和康复技术的巨大潜力。通过引导用户生成朝向解码器估计的最优分布的脑信号，提出了一种人机联合学习框架来加速内源性 BCIs 中的学习过程。通过 18 名健康受试者的在线和伪在线 BCI 实验，证明了所提出的联合学习过程在学习效率和效果上的优势。

    Aug, 2023