同济博士论丛——监测脑活动——EEG解码及其应用研究_王登，苗夺谦著，伍江，雷星晖编_9787560869629

　　《监测脑活动：EEG解码及其应用研究/同济博士论丛》主要基于脑电EEG，围绕运动想象脑一机接口、癫痫自动检测、隐蔽信息挖掘和感知预测四个方面对监测脑活动进行了比较深入的研究，详细考究了各自的研究历史与现状，结合机器学习与模式识别的方法，提出了相应的预处理，特征抽取／特征选择，模式分类的处理框架及算法，并分别从五个真实数据集中成功地验证了所提出方法的有效性，初步建立了一个基于电生理信号EEG的监测脑活动及基本架构。

人脑是整个宇宙中最为神秘的器官，解码人脑活动规律以探索智慧和生命的奥秘令无数科学家心驰神往。随着全球脑研究的持续升温，特别是2013年欧美先后启动具有战略意义的人脑研究计划，脑相关的科学研究对于提升人类健康水平、带动相关产业发展、刺激经济发展和促进社会进步势必带来革命性的意义。
　　从人的头皮采集到的脑电（electroencephalogram，EEG）信号作为大脑信息处理过程中所发生的电生理活动的一个直观而无损的反映，因其独特的属性（无创、高时间分辨率、使用简便等）而日益成为相关脑研究中必不可少的研究手段，特别为监测脑的研究提供了一种重要的技术支持。EEG解码技术涉及神经科学、认知心理学和智能信息处理等领域，它是从原始EEG信号中获取与任务相关的模式，解码脑的不同任务状态，旨在揭示人脑认知思维活动模式，建立脑活动的意向与行为之间的关联，达到认识脑、保护脑和开发脑的目的。本书的主要研究总结如下：
　　（1）为了准确地提取EEG信号的特征信息，提高脑思维任务的分类精度，在研究小波包变换的基础上，提出了一种改进小波包分解EEG特征的抽取方法。该方法首先进行小波包分解，然后结合能反映EEG信号在时域与频域上的能量分布特征的小波熵概念，从小波包库中选择最优小波包基，最后利用不同脑思维任务下脑区活动的非平衡性，对不同导联EEG信号求取不对称率来构成特征向量。实验采用一个5类不同脑思维任务EEG数据集，结果表明该方法具有较高的平均分类精度。本研究为脑思维任务下EEG信号的特征抽取提供了新的思路。
　　（2）EEG信号是脑一机接口（brain-computerinterface，BCI）-个重要的信号来源。为了更有效和可靠地对原始EEG信号进行解码，我们针对基于EEG的运动想象BCI多任务分类问题，提出了一套新的具有鲁棒性的处理框架。该框架可以直接处理带有噪声的原始EEG信号，而不用领域专家对信号伪迹进行手工标注和剔除。同时，该框架能够自动选择与任务相关联的EEG通道，从而减少计算复杂度。我们采用最新的竞赛数据集dataset2a-BCICompetitionⅣ验证了所提出的框架及其相关处理算法，结果证实了对于原始包含伪迹的运动想象EEG信号，该处理框架及算法比竞赛公布的前3名具有更好的分类性能。

你还可能感兴趣

我要评论