首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    解码大脑:在脑机接口上寻求稳定性

    脑机接口(BCI) 寻求在神经科学和工程系统之间建立桥梁,使神经工程师能够记录大脑中的电活动,对其进行分析以推断个人正在尝试做什么,并使用它来控制假肢等设备。除了进一步加深我们对大脑如何工作的理解,提取有关预期的物理运动的信息可以用于恢复残疾人的运动。尽管如此,要开发一种能够长时间记录我们大脑中数十亿神经元的微小电信号而不崩溃的系统仍是一项挑战。大量的微小电极(电子传感器)可以由硅制成——计算机芯片中使用的材料也是硅。然而,这些设备往往会随着时间的推移而改变,在某些情况下甚至一天之内就会改变,从而改变了哪个神经元被哪个电极记录,从而导致记录数据的“不稳定性”。

    01

    天津大学研究团队提出基于源混叠矩阵估计的稳态视觉诱发电位扩增方法

    针对稳态视觉诱发电位(steady-state visual evoked potential, SSVEP)识别面临的校准数据不足的问题,天津大学神经工程团队提出了一种源混叠矩阵估计方法(source aliasing matrix estimation, SAME)来扩增SSVEP信号的校准数据。在Benchmark和BETA公开数据集上的结果表明,当与SAME方法结合后,两种先进的空间滤波方法(eTRCA, TDCA)在校准数据不足的情况下均有显著的性能提高。SAME可以有效扩增基于稳态视觉诱发电位的脑机接口系统的校准数据,从而减少系统的校准负担,相关研究成果在实用型脑机接口方面具有潜在的应用价值,已在线发表至《IEEE Transactions on Biomedical Engineering》期刊。

    03
    领券