Sep, 2023

脑机接口中的相位同步组件自组织

PDF
TL;DR通过自主学习数据依赖的空间滤波器来自动化预处理和通道选择过程，并从原始 EEG 信号中提取基于相位同步的特征并进行分类。通过该网络学习到的最佳滤波器在训练时获得，并通过在所有舌部 MI 样本中计算两个信号对之间的 PLV，得到了平均高于 0.87 的 PLV，这表明在舌部 MI 的同步模式中取得了突破性的发现。
phase synchronyfunctional brain connectivityeeg signalsdeep learningmotor imagery
发现论文，激发创造
  • 不同同步测量在实际数据中的性能：以脑电信号为例的案例研究

    本文研究双半球大鼠脑电图信号同步的不同测量方法，包括非线性相关、相位同步、互信息、互相关和相干函数；研究发现这些方法可以用于实际数据同步的研究，并且这些测量方法可以用作临床相关的补充变量。

    Sep, 2001

  • 基于相空间的几何神经网络用于 BCI 解码

    我们的研究旨在开发一个深度学习算法，它能在较少数量的电极上提供有效的结果，并通过使用 SPDNet 的增强协方差方法来分析其性能和计算影响以及结果的解释性。通过使用 Mother Of All BCI Benchmark（MOABB）框架在 5 折交叉验证上对方法进行评估，使用仅位于运动皮层上方的三个电极进行实验验证。结果表明，我们的 SPDNet 在 MI 解码方面明显优于所有当前最先进的深度学习架构。

    Mar, 2024

  • 复数深度神经网络的神经元同步

    利用复数神经元将神经元同步性的角度引入深度学习模型中，有效提高网络的灵活性和丰富性。

    Dec, 2013

  • 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

  • 昏迷患者自身和交叉通道关注机制下的多通道脑电图数据分析

    通过深度学习方法对双极脑电图记录进行预测，在高特异性、减少误报的目标函数优化下，利用多通道脑电图阵列对神经系统不良结局进行有效预测，并通过我们团队提出的 ONG IVS 框架，在挑战性验证数据上取得了 0.57 的得分。

    Sep, 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

  • LGL-BCI: 一种轻量级几何学学习框架，适用于基于运动想象的脑机接口

    这项研究介绍了 LGL-BCI 框架，采用几何深度学习方法处理脑电图并捕捉空间相关性，通过特征分解算法提出了一种减小 SPD 矩阵维度的解决方案，进而提高推理速度，该方法在实验中表现出优越的准确性和效率，显示了几何深度学习在 MI-BCI 应用中的潜力。

    Oct, 2023

  • 相位匹配用于样本外泛化

    通过引入基于 Fourier 变换的结构性因果模型，本文旨在阐明领域泛化和频率组分之间的关系，将相位谱解释为半因果因素，将幅度谱解释为非因果因素。在多个基准测试中，通过对幅度谱进行扰动并建立空间关系来匹配相位组分，我们的方法在领域泛化和超出分布鲁棒性任务中取得了最先进的性能。

    Jul, 2023

  • 稀疏时空脑机接口的分解方法

    本研究提出了一种稀疏情况下基于因子分解的脑机接口信号处理方法，通过采用不同的特征提取器从潜空间获取不同表示并最小化潜空间共享情况，成功地提取到了稀疏条件下的脑电信号的决定性特征。

    Jun, 2022

  • BrainVis：通过图像重建探索大脑和视觉信号之间的桥梁

    通过将 EEG 信号分解成多个单元并自我监督学习获取时间域特征，利用频域特征增强 EEG 表示，将 EEG 时频嵌入与 CLIP 空间中的粗粒度语义插值对齐，使用级联扩散模型重建图像，我们提出的 BrainVis 在语义保真度重建和生成质量方面均优于现有技术，值得注意的是，我们将训练数据规模降低到以前的 10%。

    Dec, 2023