CMMM 计算和数学方法在医学 1748 - 6718 1748 - 670 x Hindawi出版公司 10.1155 / 2015/346217 346217年 评论文章 回顾技术检测运动意图使用刺激皮层电位 沙基尔 Aqsa 1 Navid 默罕默德Samran 1 安瓦尔 默罕默德Nabeel 1 Mazhar Suleman 2 Jochumsen 麦斯 3 Niazi 伊姆兰汗 3、4、5 4 5 Humeau-Heurtier 安妮 1 人类系统实验室 生物医学工程和科学 学校的机械和制造工程 国立大学的科学和技术(社交) 44000年伊斯兰堡 巴基斯坦 nust.edu.pk 2 BiSMiL实验室 计算机科学系 信息技术大学 拉合尔54000 巴基斯坦 itu.edu.pk 3 中心感觉器官的相互作用 卫生部科学技术 Aalborg大学 9100 Aalborg 丹麦 aau.dk 4 脊椎按摩疗法研究中心 新西兰脊椎按摩疗法学院 1060年奥克兰 新西兰 chiropractic.ac.nz 5 健康与环境科学学院 健康与康复研究所 奥克兰理工大学的 1010年奥克兰 新西兰 aut.ac.nz 2015年 31日 12 2015年 2015年 17 09年 2015年 23 11 2015年 02 12 2015年 2015年 版权©2015 Aqsa沙克尔et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

刺激皮层电位(MRCP检查)是一种低频的消极转变脑电图(EEG)记录发生前约2秒生产自主运动。MRCP检查复制的皮质过程用于计划和准备运动。在这项研究中,我们概括等特征信号的采集、处理和增强和不同电极蒙太奇用于脑电图数据从不同的研究重新编码,mrcp检查用于预测即将到来的真实或虚构的运动。人体运动意图的真实身份,伴随肢体的知识从事的性能和它的方向运动,有一个潜在的含义的控制外部设备。这些信息可能有助于发展一个精通致病康复工具基于脑-机接口(bci)。这样一个BCI范式和较短的响应时间似乎更自然的截肢者,也可以导致大脑可塑性。随着不同的培训计划,这可能导致中风患者恢复运动控制。

 1。介绍

预测汽车的想法最初亥姆霍兹在1867年提出的任务。后来,在五十年代斯佩里和冯·霍尔斯特表示,汽车命令做一个内部复制揭示预期的运动及其随后的感觉( 1- - - - - - 3]。从那时起,一想到被人类预测机动任务的结果作为一个明显的上升理论在感觉运动命令的所有功能。

大脑的电流电机实时活动可以理解通过脑电图,可进一步用于预测下一个自愿的运动任务。实时脑电图可能现在小说nonmuscular控制通道脑机接口(bci)消息和命令传递到外部世界( 4]。bci是提供完全瘫痪的直接目标用户提供基本的通信功能,并确定他们的意图从一系列不同的电生理信号 4]。此外,研究表明脑节奏的前瞻性研究中,脑电图与事件相关电位(erp)记录。因此,了解和分析大脑的节奏和erp可用于预测未来汽车活动,可以用于恢复身体受损的人( 5]。

研究表明,脑电图包含足够的实时信息,用于不同的目的/互联网浏览等任务,控制环境(如光、电视、和温度),字(词)处理技术中,控制二维屏幕上光标移动,甚至操作neuroprosthesis [ 4]。任务可以设计可以用于neurorehabilitation患者影响的神经退行性疾病,如肌萎缩性脊髓侧索硬化症( 6)和其他创伤性脑疾病像中风( 7]。

“premovement的概念”或“运动”前显示的时候没有明显肌肉运动或无关如果它发生,但主题是完全熟悉行动他将执行在不久的将来。这也称为计划/准备的动作。在这个时间间隔(即。,0.5–2 s prior to the movement onset), the cortex is adapted for implementation of action [ 8, 9]。

本文的目的是审查的不同研究使用刺激皮层电位(mrcp检查)来预测即将到来的运动。在下一节中,我们说明了关键修改脑电图数据公布前随意运动和如何使用这些变化的知识提取关于即将到来的运动信息。在每种情况下,我们讨论的主要基础研究和评估EEG设置和协议。最后,在结论中,我们概括的关键想法希望将更多考虑premovement和运动图像脑电图的富裕。

 2。运动开始前可检测大脑的变化节奏

在本节中,我们总结报告发病前脑电图变化的实际或图像运动。所有以下现象描述当运动想象的和实际执行时。一个或一个合并这些进展的根本焦点研究获取特性从运动图像或premovement期间,在部分讨论 3。

2.1。MRCP检查及其组件

机动任务的实现在人类之前测量的初级运动皮层是缓慢减少脑电图振幅(至少在500 ms)这可能被称为一个MRCP检查( 10),如图 1。MRCP检查生产公司的计划和执行cue-based运动被称为或有负变化(CNV) [ 11),而产生的一个针对自学运动被称为Bereitschaftspotential (BP) ( 12, 13]。MRCP检查存在在现实和虚构的意志的运动( 10]。MRCP检查由三个事件称为准备潜在(RP)或英国石油(BP)电动机的潜力,和movement-monitoring潜力(MMP),这被认为反映了运动计划/准备、执行和控制性能,相应的( 14, 15]。MRCP检查进一步调查了在正常人员以及患者被诊断出患有肌萎缩性脊髓侧索硬化症,震颤,帕金森病,和中风,支持它们的运动任务的执行( 14, 16- - - - - - 18]。mrcp检查与虚构的任务让它们用于康复的病人阻塞与动作,但仍希望和想象一个运动 19, 20.]。

mrcp检查健康主题的真实和虚构的右踝背屈。每一波的平均50大拉普拉斯算子空间过滤脑电图试验记录从网站F3, F4, Fz, C3, C4、Cz, P3, Pz、P4。发病时间0被定义为运动。BP1是早期BP, BP2 BP,议员是汽车潜在,MMP movement-monitoring潜力。实验协议的更多信息,请参阅[ 23]。

 2.1.1。Bereitschaftspotential

英国石油公司或皮层RP是负的电位开始成长约1.5 1 s发病前自愿运动( 12, 13]。它有两个基本部分:第一部分是水位逐渐上涨负段发展约1.5秒在运动开始之前,被称为“早期英国石油(BP)”,更多的杰出central-medial头皮,而第二部分有一个陡峭的斜坡和发生前的400 - 500毫秒左右运动发作,称为“已故英国石油公司”在初级运动皮层(最大振幅 10]。BP关于运动的开始出现大幅变化在不同运动条件和对象( 10]。英国石油公司的更多细节可以在综合书“Bereitschaftspotential-Movement相关皮层电位”[ 21]。

 2.1.2。或有消极的变化

CNV是一个缓慢的负波起源于之间的间隔(1 - 1.5 s)“警告”和“去“刺激( 11]。它显示了迫在眉睫的期望信号和准备执行的响应。换句话说,CNV揭示了准备 暗示运动,是一个指标 期待。前面的一部分生成CNV在回答“警告”提示,最大振幅在额叶皮层反映阶段的运动,而后期或终端CNV,反映准备运动反应,开始于“走”信号前1.5秒左右,最大振幅的运动皮层( 3, 22]。CNV的后期发生即使主体回应当时他预计“走”的刺激 11]。

 2.2。发电机的MRCP检查来源

一些研究报道说,英国石油公司可能被记录从皮层下结构基底节和丘脑等 10]。工作( 24]推断早期英国石油(BP)是由两个感觉运动区域。工作( 25)同侧和对侧的验证,辅助运动区(sma)生成潜力符合早期的英国石油公司。

为了阐明确切的区域和时间的运动皮质激活在随意运动,偶极子源分析合并多个约束条件申请MRCP检查。工作( 26]表明,内侧frontocentral (MFC)和感觉运动区域(SM1)可能发电机MRCP检查。六个偶极子的力量,去籽的激活点(三个偶极子左SM1,两个在SM1,和一个在MFC)通过功能磁共振成像显示,测量。在双边SM1,中央前回的激活发生双边可比力量从−1.2 s,之后由中央前的银行从−0.5年代侧优势通过运动执行( 26]。因此,中央后银行会主动侧一边在0.1秒后运动。激活的MFC显示时间类似于两国中央前回。兴奋的强度和时机侧中央前回就像侧的中央前回和MFC。但身体的同侧的中央前银行证明比双侧中央前较小强度( 26]。

在一定程度上自动动作,如闪烁的眼皮,自发的眼球运动,吞咽、咀嚼,和呼吸也由意志控制因素;因此,英国石油(BP)是记录在这些运动重申以自学的速度( 10]。自学的手指运动前SMA的激活有关,两个侧感觉运动皮质和侧前运动皮质,但没有实质性的侧感觉运动皮质的激活( 27]。外部触发运动,premovement潜在刺激在场(前 27]。同样,几乎没有之间的区别在激活外部触发激活和自学激活。一个自学的手指运动, 28]运动皮层的激活SMA在…之前报道,800 ms。

背侧前运动皮层(PMd)被认为是在暗示运动准备发挥实质性的作用,而不是在自己发起的运动 29日]。生成终端CNV在前额皮质包括PMd,虽然后期英国石油生成的初级运动皮层,SMA,初级躯体感觉皮层( 29日]。本研究发现了PMd的变化对英国石油公司和CNV的影响反映自创的对比暗示运动准备通过增加和减少大脑的兴奋性使用5赫兹和1 Hz重复经颅磁刺激(rTMS),分别。他们发现rTMS左PMd导致终端CNV的变化但不迟BP rTMS SMA的导致修改的英国石油(BP)但不是终端CNV。这提供了证据表明,神经活动左PMd在人类顺利地包含在外部暗示运动的准备比自己发起的运动,对比与SMA的相反作用。

比较足运动用手运动的MRCP检查显示有趣的差异在一些运动部件( 30.]。手的运动,已故的英国石油(BP)在侧最高中心区域(约国际10 - 20的C1和C2系统)和脚运动,后期BP在中线最大(约Cz) ( 30.]。

 2.3。MRCP检查记录

BP在个别学科研究手部运动,是至关重要的记录脑电图从多个电极,包括C1和C2、识别突然增加的梯度 30.]。mrcp检查的主要记录位置C3, Cz, C4 ( 31日]。不同的研究使用不同数量的电极记录CNV和地点,例如,C3, Cz, C4 ( 32],Fz、Cz Pz、C3和C4 ( 33),只有Oz ( 34]。

MRCP检查可以很容易地掩饰了活动在高频段,因为其振幅通常位于5至30之间 μV和只发生在约0 - 5赫兹的频率( 31日]。几个录音必须采取相同的试验,然后在这些试验平均提取有意义的MRCP检查从脑电图的痕迹 35]。这种方法背后的原因是,从单个试验记录脑电图数据包含MRCP检查波形和自发的,随机噪声( 36]。通过平均,每个试验中的背景噪音将被取消,只留下MRCP检查,当数据从多个试验过滤消除高频率活动和平均在一起。

 2.4。英国石油公司的影响因素

MRCP检查组件可以受各种因素如预备状态,意图,水平运动选择,重复运动,运动的速度和精度,实践运动,认为努力,力,离散性和复杂性的运动,学习和技能习得,各种大脑结构的病理损伤。的审查( 10]总结几个因素影响英国石油公司。最近,一些研究旨在分析动力学的影响等运动的力量和速度在mrcp检查 37- - - - - - 40]。

 3所示。预测运动的意图

在本节中,我们提取信息premovement或preimageries从不同的研究。一些研究显示数据获取实时bci的有效性。研究利用不同的脑电图数据采集技术包括不同的电极蒙太奇和信号增强方法,因为这些相关报道的结果。研究中提到的表 1和 2试图回答这个问题是否主题想移动在短期的未来。这些研究证实通过mrcp检查正确的脑电图设置和信号处理技术,主要信息可以推导出的运动。本节简要介绍一些分类器、过滤器和性能指标用于表中提到的研究 2。

实验协议的研究进行了综述。

参考 数量的科目 数量的电极 移动类型 自学或cue-based 大脑信号
(Yom-Tov和Inbar, 2003) 43] 5(健康) 9日4 9频道 执行手指运动(按钮按下) 自学 可机读护照
(山楂et al ., 2006) 60] 5(未提及) 1 手指动作执行 Cue-based 英国石油公司
(白et al ., 2007) 61年] 12日(健康) 122年 执行手运动 自学 mrcp检查和ERD(与事件相关去同步化)
(Boye et al ., 2008) 53] 1(未提及) 9 执行和想象的脚运动(等距跖屈),但只是虚构的任务是进一步分析 Cue-based MRCP检查
(加藤et al ., 2011) 34] 7(未提及) 1 执行和想象手指运动(按钮按下) Cue-based CNV
(Niazi et al ., 2011) 42] 19日(健康)和5(中风患者) 10 执行和想象的脚运动(踝关节背屈) 自学 英国石油公司
(Lew et al ., 2012) 63年] 8(健康),2(控制)和2(中风患者) 64年,34岁的64个频道 执行机构动作(达到任务) 自学 英国石油公司
(Niazi et al ., 2012) 19] 16(健康) 10 想象的动作脚(背屈) 自学 MRCP检查
(Niazi et al ., 2013) 65年] 20(健康)和5(中风患者) 10 执行和想象的脚运动(背屈) 自学 MRCP检查
(Ahmadian et al ., 2013) 64年] 3(健康) 128个频道 手指运动(按钮按下) 自学 英国石油公司
(Jochumsen et al ., 2013) 39] 12日(健康) 10 执行脚运动(等距背屈) Cue-based MRCP检查
(江et al ., 2015) 66年] 9(健康) 9 执行脚运动(步进) 自学 MRCP检查
(徐et al ., 2014) 20.] 9(健康) 9 执行和图像脚运动(背屈) 自学 MRCP检查

技术用于预测的运动和主要发现的研究进展。

参考 预处理技术 分类器 性能 延迟(女士) 离线或在线系统 的实验分析 限制
(Yom-Tov和Inbar, 2003) 43] 使用8阶切比雪夫低通滤波器(10 Hz) 简单的阈值元素,支持向量机(SVM)和线性向量使量子化3-feature减少与1-nearest邻居(1-NN) 使用混合探测器性能提高25%达到比Mason-Birch低频异步检测器(LFASD) 25日决定年代−1 离线 - - - - - - 探测器未能正常工作一定程度上是由于可机读护照相关其他四肢和想象的动作
(山楂et al ., 2006) 60] 建立一个特定的模板在3或4为每个主题培训 阈值基于相关性和错误 精度是70%的假阳性率(玻璃钢)(5/24) - - - - - - - - - - - - 是的 性能用户之间变化
(白et al ., 2007) 61年] 低通滤波器(100赫兹)使用3 rd-order巴特沃斯滤波器 线性Mahalanobis距离(MD),二次MD,贝叶斯分类器(BC),多层感知器(MLP)神经网络,概率神经网络和支持向量机 精度为75% - - - - - - 离线 是的 大量的电极(122)
(Boye et al ., 2008) 53] 将采样500赫兹到20赫兹,抗锯齿前置过滤(0 - 5赫兹)和PCA和保局投影(垂直距离) 的一种变体 k 神经网络和支持向量机 敏感性为SVM = 96.3±2.0% k NN = 84.5±5.1%;特异性为SVM = 94.8±2.7%和 k NN = 98.9±1.2% - - - - - - - - - - - - 是的 方法测试正在进行分段数据而不是脑电图痕迹只有1
(加藤et al ., 2011) 34] 低通滤波器(35赫兹)和高通滤波器(0.05赫兹)为此次脑电图和0.1赫兹 支持向量机 检出率(打算开关= 99.3%,(开关= 2.1%) - - - - - - 这两个 是的 在线系统不能区分打算开关和不打算开关
(Niazi et al ., 2011) 42] 带通滤波器(0.05 -10 Hz)与优化空间滤波器(OSF) Neyman皮尔逊引理 健康的运动执行TPR = 82.5±7.81%,运动想象TPR = 64.5±5.33% −66.6±121 离线 是的 小样本大小(病人)和在线检测由于instrumentational限制
对中风患者TPR = 55.01±12.01% −56.8±139
(Lew et al ., 2012) 63年] 窄带零相位非因果IIR滤波器截止频率为0.1和1 Hz 线性判别分析(LDA) TPR = 76±7%(健康) −167±68(健康) 离线 是的 大量的电极(34)
中风和对照组TPR = 81±11%(左)与(右手)TPR = 79±12% 右手=−140±92和左手=−162±105
(Niazi et al ., 2012) 19] 带通滤波器(0.1 -100 Hz)和OSF 匹配滤波器 TPR = 67.15±7.87%,玻璃钢= 22.05±9.07% −125±309(线下) 在线 - - - - - - 刺激引发的不同方面没有充分考虑
(Niazi et al ., 2013) 65年] 带通滤波器(0.05 -10 Hz), OSF最大化信噪比 匹配滤波器 电动机执行(健康)TPR = 69±21%,玻璃钢= 2.8±1.7 −196±162 离线 是的 - - - - - -
中风患者TPR = 58和玻璃钢= 4.1±3.9±11% 152±239
运动图像(健康)TPR = 65±22%和玻璃钢= 4.0±1.7 - - - - - -
(Ahmadian et al ., 2013) 64年] 过滤数据0.1赫兹到70赫兹 独立分量分析(ICA) 计算时间约束盲源提取(CBSE)算法0.26年代和盲源分离(BSS)算法51.90秒 260年 - - - - - - 是的 大量的电极(128)与少量的科目
(Jochumsen et al ., 2013) 39] 带通滤波器(0.05 -10 Hz)使用二阶巴特沃斯在正向和反向方向有三个空间过滤器、大拉普拉斯算子空间滤波器(LLSF) OSF,常见的空间模式(CSP) 支持向量机 TPR = 1.5 ~ 80%和玻璃钢<精度= 80±10%(速度)和75±9%(力) 317±73 离线 是的 仅包含健康的主题
(江et al ., 2015) 66年] ICA LSF提高信噪比 ICA TPR = 76.9±8.97%和玻璃钢= 2.93±1.09每分钟 −180±354 离线 是的 预测的步态起始没有完成
(徐et al ., 2014) 20.] 带通滤波器(0.05 3 Hz)和大型LSF提高信噪比 垂直距离LDA紧随其后 LPP-LDA TPR = 79±12%玻璃钢= 1.4±0.8每分钟 315±165 在线 - - - - - - 仅包含健康受试者和分类器不工作的培训试验不到15
3.1。分类算法

本节简要介绍了用于研究本文中提到的分类算法。分类算法包括支持向量机(SVM),线性判别分析(LDA),神经网络(NN),多层感知器(MLP),贝叶斯分类器(BC), k 最近的邻居( k 神经网络),而距离(MD)。这些分类技术受到详细审查( 41]。可以找到的细节匹配滤波器技术( 42)和保局投影(垂直距离)( 20.]。

3.1.1。支持向量机

支持向量机(SVM)是一种模式识别算法已成功应用于各种各样的分类问题。它学会区分各种类的对象被一些复杂的数据转换,然后单独的数据基于定义的类标签。例如,两舱问题包括对象的数据标记对应两个类,例如,+ 1(数据属于类1)或−1(数据属于二班)。然后系统自动识别输入点,并使用它们来表示解决方案( 43]。

 3.1.2。线性判别分析

线性判别分析(LDA)的目的(也叫费雪的LDA)是使用超平面隔离数据到不同的类( 44]。分离超平面是寻求收购投影,增加组内的方差和减少两个类之间的距离的意思。解决两舱问题隔离输入数据向量到类的依赖存在的数据向量在超平面的哪一边 44]。

 3.1.3。神经网络

神经网络(NN)可以被认为极大的电路互联单位和灵活的互连权重,这让我们产生非线性边界的决定。他们可以分类架构,对校准权重算法,这种单位利用作为电路的一部分( 45]。使用最广泛的神经网络中的延时。

 3.1.4。多层感知器

多层感知器(MLP)是由几层的神经元:一个输入层,也许一个或多个隐藏层和输出层( 45]。每个输入层与上一层的输出,而输出层的神经元推断类的输入特征向量。延时时逼近任意连续函数可以由足够的神经元和层。它还可以分类任意数量的类,这使得延时非常灵活的分类器和自适应各种各样的问题( 46]。

 3.1.5。贝叶斯分类器

贝叶斯分类器(BC)取决于贝叶斯定理,可以预测类成员概率,例如,给定样本的可能性符合一个特定的类。为了分类特征向量,它学习的方法计算每个类的概率。公元前假设估计的具体特性不依赖于任何其他的价值功能,提供类变量。生成分类器,它产生非线性决策边界和执行更有效的拒绝不确定样品相比有识别力的分类器( 44]。

 3.1.6。< inline-formula > < mml:数学xmlns: mml = " http://www.w3.org/1998/Math/MathML " id = " M6 " > < mml: mrow > < mml: mi > k < / mml: mi > < / mml: mrow > < / mml:数学> < / inline-formula >最近的邻居

这种方法的目的是分配给一个看不见的点在其统治阶级 k 最近的邻居在训练集。 k 神经网络可以逼近任意函数有足够的训练样本和一个足够高的价值 k ,这将使它能够产生非线性决策边界( 47]。

 3.1.7。Mahalanobis距离

Mahalanobis距离分配一个特征向量类根据其最近邻(s)从一个类原型。它假定一个高斯分布 N ( μ c , 米 c ) 为每个类的原型 c 。然后一个特征向量 x 分配给类链接到最近的原型( 48]: (1) d c x = x - - - - - - μ c 米 c - - - - - - 1 x - - - - - - μ c T 。

3.2。空间过滤器

一个空间滤波器将数据从两个或两个以上的位置(电极)。空间滤波技术包括常见的空间模式(CSP),常见的平均引用(汽车),表面拉普拉斯算子(SL),独立分量分析(ICA)和主成分分析(PCA)。本节简要介绍一些空间过滤器;更多细节请参阅[ 49]。

ICA方法旨在找到一个非高斯数据的线性插图的形式统计独立组成组件( 50]。组成的测量信号统计独立的源信号的线性混合可以溶解到至关重要的独立组件(ICs),因此推断原始信号使用ICA [ 50, 51]。ICA发现频道从数据的加权主成分分析和CSP ( 4),而汽车和SL合并通道线性产生一组权重,不依赖于底层数据( 4]。SL强调了神经活动的径向分量直接放置在每个记录电极来源,而ICA能够检测径向和切向来源,因此可能是有益的SL ( 4, 52]。细节对于CSP和汽车可以在[ 49]。

 3.3。性能的措施

性能的研究是计算使用敏感性,特异性,检测错误。灵敏度(也称为真阳性率(TPR))量化的分数实际阳性(运动),恰恰是公认的。特异性(也称为真阴性率(TNR))评估分数的底片(没有运动或噪音)检测。敏感性和特异性计算使用以下方程,分别在TP、TN代表真正的优势和真正的数量不足,数量分别为( 53]: (2) 灵敏度 = T P T P + F N , (3) 特异性 = T N T N + F P 。

4所示。研究预测运动的目的

发展自学闭环bci,电动机的健壮的检测目的是一个至关重要的和关键的问题。在过去的几十年里,感觉运动节奏已经被用于检测运动意图研究包括bci来控制视觉反馈( 54)或触发外部设备( 55没有调查延迟)。在最初的研究中,可接受的延迟控制尚未详细考虑BCI控制应用程序。在其他领域,例如,多功能假肢控制通过肌电的信号,200毫秒的延迟是可以接受的( 56- - - - - - 58]。导致BCI-based可塑性neurorehabilitation应用,证明所需的延迟是在相同的范围控制,也就是说,在几百毫秒的顺序( 59]。因此,以最小的延迟和高可靠的检测精度将发挥至关重要的作用在一个有效的BCI康复工具( 7]。

4.1。技术使用和性能

近年来,缓慢的皮质康复领域的潜力引起了关注。几项研究已经报道,集中他们的注意力用于通信的目的。

Yom-Tov和Inbar 43结合匹配滤波器)开发了一个算法,非线性变换和分类器使用少量的脑电图检测MRCP检查通道。算法与Mason-Birch低频异步检测器(LFASD)和最优检测器的离线评价和理论分析。这项研究显示,25%使用的算法改进和探测器工作25的速度决定−1比16的决定−1LFASD。但探测器可能不是有用的在每一个应用程序,未能正确操作,部分原因是干扰身体的其他肢体的可机读护照,可能由于想象动作。这些裁决表明,正确识别特征有一个重要的角色不仅在丢弃mrcp检查由于运动不是BCI系统的一部分,而且在决定肢体移动用户(或想象运动)。会议期间,培训主题,以减少身体活动可以达到更好的效果。

检测运动规划, 60)使用一个特定于用户的模板匹配结构作为一个方法的一部分。在这项研究中,重点是运动检测比预测。执行实际的手指运动与线索,一个电极记录BP波形,然后用于构建模板。然而,性能不一致对象之间明显在这项研究中,需要更多的调查或者一个不同的方法。

从单一审判脑电图, 61年)表明,有效的组合计算方法可以提供可能的人体运动意图分类使用大量的电极。时域滤波的组合使用功率谱密度估计和离散小波变换,使用ICA和表面拉普拉斯算子推导空间滤波,使用LMD和分类方法,QMD,公元前和SVM比其他组合提供更高的性能。评价建议为了检查是否性能可以加强训练后反馈。

OSF的有效性在等距跖屈的想象力被确认在进行的一项研究[ 53]。与PCA特征提取和分类进行使用 k 神经网络和支持向量机。在这项研究中,tpr高(80 - 90%),但该方法验证分割数据,而不是只与一个主题进行脑电图的痕迹。

加藤et al。 34)设计了一个BCI总开关通过检测CNV相关势和执行离线和在线研究。为了改善用户意图的实验不会歧视开关,CNV受雇由于其高的信噪比。只使用一个电极和执行四个暗示按钮按下的任务,他们也支持向量机应用于改善CNV-related实验检测的潜力。他们的在线系统没有分辨“打算开关”和“不打算开关。“这可能是由于LIBSVM的使用默认参数的支持向量机的区别CNV-related势( 34, 62年]。

检测运动意图从单一的运动想象和运动执行审判mrcp检查是由( 42]。执行的任务主题总是一样(踝关节背屈)。是因为他们执行离线检测仪器的限制和提供方法的可行性在中风患者,以及广泛的健康受试者的分析。检测运动目的是测量的准确性通过应用一个类似的空间滤波技术。在这项研究中,负相的一部分(2 s) MRCP检查作为一个模板。为了提高信噪比的MRCP检查,OSF (TPR 82.5 ± 7.81 % )。OSF表现大拉普拉斯算子空间滤波器(TPR 68.7 ± 14.9 % )和CSP (TPR = 55.4 ± 14.01 % )。

卢et al。 63年)解释说,可以预测发生前的运动500 ms。训练阶段,信号之前运动开始到500年之前相比,使用500 ms女士听觉线索。而移动窗口实现测试阶段和LDA受雇,结果显示81%的最大平均TPR的左手虽然79%的中风和对照组。而对于健康受试者平均TPR 76年 ± 7 % 延迟的 - - - - - - 167年 ± 68年 ms。这个离线研究雇佣大量的电极与小样本大小的病人。

Ahmadian et al。 64年)显示方式的优越性在探测人的大脑潜力与BSS算法基于使用LDA算法。主题暗示按钮进行预处理。基于CBSE算法把0.26 s, BSS算法51.90秒。所有128个频道脑电图数据用于分析。建议可以减少错误检测率如果BSS-based算法使用提取的来源是错误的与英国石油公司从其他的大脑区域的形状。另一方面,这个修正案会增加计算时间。

电动机的意图可以从使用匹配滤波器MRCP检查,发现小延迟和令人满意的精度。在执行相同的任务 19, 20., 42, 65年]。Niazi等人进行健康分析和中风患者 42, 65年]。他调查的可能性,规避个人培训阶段检测运动的意图。检测精度平均运动图像数据的模板 65年 ± 22 % ( 65年)和个人模板 60 ± 13 % ( 65年]。

Jochumsen et al。 39)检测到运动意图和提取不同层次的目标运动的速度和力量。时间特性和优化的支持向量机分类。本研究评估性能检测与分类相结合时。系统正确检测到81%的运动。的检测、系统分类 75年 ± 9 % 和 80年 ± 10 % 当改变的力和速度,分别。探测器和分类器后,系统检测并正确分类 64年 ± 13 % 和 67年 ± 13 % 的运动。错误检测和分类的动作 21 ± 7 % 和 16 ± 9 % 而延迟 317年 ± 73年 女士在运动开始之前。作者只包括健康受试者和信号处理离线。系统的性能将会下降,如果用户是一个病人由于严重的运动障碍,情绪,和数量的训练。

徐et al。 20.)对健康受试者进行分析。在这项研究中,LPP-LDA显示更高的精度和更短的延迟匹配滤波器相比,有限制,分类器不会训练试验不到15时工作。该算法有类似玻璃钢想象力和执行在所有科目。TPR为执行和图像大于80%和70%在这项研究中,使它明显优于使用匹配滤波器方法( 19, 42, 65年]。同时检测延迟( 315年 ± 165年 ms)明显短于,使用匹配滤波器( 460年 ± 123年 ms) ( 19, 42, 65年]。

进一步改善结果, 66年)应用ICA和MRCP检查的LSF提高信噪比。这些预处理步骤后,匹配滤波器应用于执行的实验检测起始的步态。TPR是 76.9 ± 8.97 % ,假阳性率玻璃钢 2.93 ± 1.09 每分钟。在单个试验基础上,这些结果表明检测的可能性的意图步态开始从脑电图信号。

在最近的一项研究[ 67年),6名健康人和八中风患者上肢自学达到执行动作。本研究从分析获得的信息分类器结合使用的BP和ERD皮质流程。系统验证了组合分类器(ERD和BP模式)和等价分类器(使用BP或ERD)。健康受试者的结果类似于( 20.]。然而,平均延迟(健康: - - - - - - 89.9 ± 349.2 和病人女士: 35.9 ± 352.3 ms)不到( 20.)( 315年 ± 165年 女士)。这些差异可能是由于不同的方式在每个实验对象执行任务例如上肢和下肢皮质之间的变化模式,运动的速度,和长度之间的休息间隔运动。观察到的变化也可以,因为合并后的预期使用ERD和BP的特性,这有助于减少玻璃钢和,因此,使更多的预期的检测阈值的偏好( 67年]。

摘要面对复杂性涉及没有类似的研究探测器的目的而言,信号采集,肢体运动,电极的数量。应该注意的是,运动中执行不同的研究并没有类似的导致信号形态变化和信噪比。理想的研究应该在相同的背景下,也就是说,具有类似协议,用户,和类似的提取功能。

虽然提到的预测研究提供一个有价值的洞察mrcp检查使用不同的信号采集技术,框架的研究并非没有障碍。一个限制相关的大多数研究没有明确提到生态效度的研究,那就是,“在多大程度上实验情况模拟现实世界情况”( 31日]。存在生态效度的研究意味着在实验室使用的专业知识情况可以尽可能与实际技能的研究探索和最好是相同的。

 4.2。指导方针,选择一个分类器

脑电图信号明显不稳定所以训练集获得从不同的会话可能是完全不同的。因此,低方差(敏感性训练集)可能是一个解决方案来解决与可变性问题在一些研究。不稳定的分类器往往有较低的偏见(估计偏差之间的映射和最高级映射)和高方差,而稳定的分类器有很高的偏差和低方差( 41]。这可能是一个解释为什么一些简单的像SVM分类器,匹配滤波器等等有时超过复杂的多。简单的分类器通常低于其他分类器,但对实时应用程序的足够快。在这里,问题是这是否值得得到更高的性能为代价的计算成本。为了获得最小的分类错误,必须小方差和偏差。不幸的是,自然variance-bias权衡是永远存在的 41]。

分类器可能会给糟糕的表现如果训练数据的数量较小的大小匹配特征向量。使用至少五到十次每个类的训练样本维数建议( 68年, 69年]。一般训练集很小,维数高;偏偏这都不能用于BCI系统。的原因之一可能是长期的任务,另一方面是忙碌的科目。因此这种“诅咒”BCI设计中是一个关键问题。

此外,组合分类器似乎也非常有效的在一些研究[ 20., 70年, 71年]。通常实验进行控制的方式减少噪音和其他构件,同时在现实生活中存在噪声的情况是相当明显的。一个可能的解决方案可能是提高分类器的泛化能力。

 5。未来的工作

MRCP检查被雇佣为BCI技术的控制信号。主要有利于神经调节应用程序的意图行动之间的延迟和系统的反馈是至关重要的诱导塑性( 19]。BCIs主要是用于控制和沟通( 4];然而,近年来其潜在neurorehabilitation等研究了功能性电刺激( 6]。bci是广泛应用于研究和主要问题是其长期影响或长期可变性的脑电图信号随时间变化评估保留的可塑性( 7]。所以需要设计研究长期评估性能和精度BCI系统的健康受试者和病人。信号处理在bci继续进步,下一个观点是将额外的信息关于神经生理学,疾病信号动力学行为及其发展到现有的或未来的方法。

 6。结论

脑电图即将与汽车运动协会之前收集的数据准备和规划期的大脑存在大量预测潜力。可以使用说明意图通过MRCP检查在康复协议。根据BCI系统的目的,可以实现更高的TPR增加假阳性的数量,虽然一些研究倾向于给低优先级玻璃钢TPR(而不是高 43]。总之,本文综述脑电图在预测未来汽车任务的熟练程度和主要针对提供的例子在这一领域的进展。

 利益冲突

作者宣称没有利益冲突有关的出版。

 布莱克莫尔 美国J。 与其 美国J。 沃伯特 d . M。 预测自己的行为的后果:感觉运动背景估计的作用 《神经科学杂志》上 1998年 18 18 7511年 7518年 2 - s2.0 - 0032531044 沃伯特 d . M。 弗拉纳根 j . R。 电机的预测 当代生物学 2001年 11 18 R729 R732 10.1016 / s0960 - 9822 (01) 00432 - 8 2 - s2.0 - 2142796047 Ahmadian P。 Cagnoni 年代。 Ascari l 如何能非侵入性的脑电图数据预测下一个运动吗?一个迷你回顾 人类神经科学前沿 2013年 7日,第124条 10.3389 / fnhum.2013.00124 2 - s2.0 - 84912145182 沃尔波 j . R。 Birbaumer N。 麦克法兰 d . J。 Pfurtscheller G。 沃恩 t M。 脑-机接口的通信和控制 临床神经生理学 2002年 113年 6 767年 791年 10.1016 / s1388 - 2457 (02) 00057 - 3 2 - s2.0 - 0036271135 Dremstrup K。 Niazi 即K。 Jochumsen M。 江 N。 Mrachacz-Kersting N。 淀粉 D。 Roa罗梅罗 l . M。 基于运动康复使用大脑计算机接口相关的皮质potentials-a审查 十三地中海会议2013年医学和生物工程和计算 2014年 41 瑞士巴塞尔 施普林格 1659年 1662年 IFMBE诉讼 10.1007 / 978 - 3 - 319 - 00846 - 2 - _409 戴利 J·J。 沃尔波 j . R。 脑-机接口在神经康复 《柳叶刀神经病学 2008年 7 11 1032年 1043年 10.1016 / s1474 - 4422 (08) 70223 - 0 2 - s2.0 - 53949114223 徐 R。 江 N。 Mrachacz-Kersting N。 林 C。 正如普列托 G。 莫雷诺 j . C。 脑桥 j·L。 Dremstrup K。 淀粉 D。 一个闭环脑机接口触发一个活跃的ankle-foot矫正法诱导皮层神经可塑性 IEEE生物医学工程 2014年 61年 7 2092年 2101年 10.1109 / tbme.2014.2313867 2 - s2.0 - 84903182426 Crammond d . J。 Kalaska j·F。 之前信息运动,运动前区皮层:pre-movement活动延迟期间,影响活动 神经生理学杂志 2000年 84年 2 986年 1005年 2 - s2.0 - 0033842223 托尼 我。 Passingham r·E。 活动准备:神经影像学研究 的Bereitschaftspotential 2003年 纽约,纽约,美国 施普林格 269年 281年 Shibasaki H。 哈雷特 M。 Bereitschaftspotential是什么? 临床神经生理学 2006年 117年 11 2341年 2356年 10.1016 / j.clinph.2006.04.025 2 - s2.0 - 33749603426 沃尔特 w·G。 库珀 R。 奥尔德里奇 诉J。 McCallum w . C。 冬天 a . L。 感觉-运动协会或有负面变化:电动的迹象和预期寿命在人类的大脑 自然 1964年 203年 4943年 380年 384年 10.1038 / 203380 a0 2 - s2.0 - 0011357105 Kornhuber H . H。 Deecke l Hirnpotentialanderungen贝willkurbewegungen和passiven bewegungen des人:bereitschaftspotential和reafferente potentiale 弗鲁格的档案皮毛对Physiologie des人类和der Tiere 1965年 284年 1 1 17 10.1007 / BF00412364 Kornhuber H . H。 Deecke l Hirnpotentialanderungen贝Willkurbewegungen和passiven Bewegungen des人:Bereitschaftspotential和reafferente Potentiale 弗鲁格档案皮毛对Physiologie des人类和der Tiere 1965年 284年 1 1 17 10.1007 / BF00412364 2 - s2.0 - 33751316170 Dremstrup K。 顾 Y。 Nascimento o . f . D。 淀粉 D。 刺激大脑皮层电位及其在脑机接口中的应用 神经工程概论的运动康复 2013年 威利 253年 266年 Do Nascimento o . F。 尼尔森 k·D。 沃伊特 M。 在虚构的等距plantar-flexions刺激参数调节大脑皮层的活动 大脑研究实验 2006年 171年 1 78年 90年 10.1007 / s00221 - 005 - 0247 - z 2 - s2.0 - 33645973989 顾 Y。 淀粉 D。 Murguialday a。R。 Dremstrup K。 蒙托亚 P。 Birbaumer N。 离线识别想象瘫痪的ALS患者的手腕运动速度的实验脑电图 神经科学前沿 2009年 3 10.3389 / neuro.20.003.2009 2 - s2.0 - 77749334055 顾 Y。 淀粉 D。 Murguialday a。R。 Dremstrup K。 Birbaumer N。 比较相关的运动皮质健康人群和肌萎缩性脊髓侧索硬化症病人的潜能 神经科学前沿 2013年 7日,第65条 10.3389 / fnins.2013.00065 2 - s2.0 - 84878887937 Ibanez说 J。 萨拉诺 j . I。 德尔卡斯蒂略 m D。 巴里奥斯 l . J。 异步BMI系统在线实验检测运动的意图 IEEE美国第32届国际会议在医学和生物工程协会(10 EMBC”) 2010年9月 布宜诺斯艾利斯,阿根廷 IEEE 4562年 4565年 10.1109 / iembs.2010.5625947 2 - s2.0 - 78650848378 Niazi 即K。 Mrachacz-Kersting N。 江 N。 Dremstrup K。 淀粉 D。 外周电刺激引发的自学检测电动机意图增强运动诱发电位 IEEE神经系统和康复工程 2012年 20. 4 595年 604年 10.1109 / TNSRE.2012.2194309 徐 R。 江 N。 林 C。 Mrachacz-Kersting N。 Dremstrup K。 淀粉 D。 增强低延迟检测电动机的意图从脑电图闭环脑机接口应用程序 IEEE生物医学工程 2014年 61年 2 288年 296年 10.1109 / TBME.2013.2294203 2 - s2.0 - 84893247810 Jahanshahi M。 哈雷特 M。 Bereitschaftspotential:刺激大脑皮层的潜力 2003年 施普林格 Brunia c . h . M。 CNV和SPN:先行行为的指标 的Bereitschaftspotential 2003年 纽约,纽约,美国 施普林格 207年 227年 10.1007 / 978 - 1 - 4615 - 0189 - 3 - _13 Jochumsen M。 Navid m . S。 奈德嘎德 r·W。 安瓦尔 m . N。 Niazi 即K。 Dremstrup K。 在线检测和分类的运动动力学 第六届国际脑机接口会议学报》上 2014年9月 奥地利格拉茨 Neshige R。 Luders H。 Shibasaki H。 记录刺激头皮和皮层的潜力的人 大脑 1988年 111年 3 719年 736年 2 - s2.0 - 0023882878 Ikeda 一个。 Luders h . O。 伯吉斯 r . C。 Shibasaki H。 移动相关电位记录从辅助运动区和初级运动区:补充运动区在自愿的运动 大脑 1992年 115年 4 1017年 1043年 10.1093 /大脑/ 115.4.1017 2 - s2.0 - 0026670876 生田斗真 K。 松岗 T。 Immisch 我。 米玛 T。 Waldvogel D。 Koshy B。 Hanakawa T。 尖刻的 H。 哈雷特 M。 发电机的刺激大脑皮层电位:fMRI-constrained脑电偶极子源分析 科学杂志 2002年 17 1 161年 173年 10.1006 / nimg.2002.1165 2 - s2.0 - 0036742170 Jahanshahi M。 詹金斯 i . H。 布朗 r·G。 马斯登 c, D。 Passingham r·E。 布鲁克斯 d . J。 自创的与外部触发动作即调查使用的测量区域脑血流量与宠物和刺激潜力在正常和帕金森病科目 大脑 1995年 118年 4 913年 933年 10.1093 /大脑/ 118.4.913 2 - s2.0 - 0029133449 Wildgruber D。 Erb M。 克洛泽 U。 格洛德 W。 连续补充运动区和初级运动皮层的激活在自学手指运动在人类通过功能磁共振成像评估 神经学字母 1997年 227年 3 161年 164年 10.1016 / s0304 - 3940 (97) 00329 - 7 2 - s2.0 - 0030943653 陆 M.-K。 时候 N。 蔡 学术界。 Ziemann U。 运动相关的皮层电位的暗示和自创的运动:双分离调制由背侧前运动皮层和辅助运动区rTMS 人类大脑图谱 2012年 33 4 824年 839年 10.1002 / hbm.21248 2 - s2.0 - 84858275942 Shibasaki H。 巴雷特 G。 哈利迪 E。 哈利迪 a . M。 组件的刺激皮层电位及其头皮地形 脑电图与临床神经生理学 1980年 49 3 - 4 213年 226年 10.1016 / 0013 - 4694 (80)90216 - 3 2 - s2.0 - 0019306068 莱特 d . J。 福尔摩斯 p S。 史密斯 D。 使用刺激皮层可能学习运动技能学习 杂志的运动行为 2011年 43 3 193年 201年 10.1080 / 00222895.2011.557751 2 - s2.0 - 79957601030 Jankelowitz 美国K。 Colebatch j·G。 刺激潜力与自学、暗示和想象的手臂运动 大脑研究实验 2002年 147年 1 98年 107年 10.1007 / s00221 - 002 - 1220 - 8 2 - s2.0 - 0036400424 野中郁次郎 T。 吉田 M。 山口那津男 T。 田 一个。 大庭 H。 奥卡河 年代。 只是 我。 或有消极的变化与命令有关人类吞咽 临床神经生理学 2009年 120年 10 1845年 1851年 10.1016 / j.clinph.2009.06.029 2 - s2.0 - 70350018318 加藤 y . X。 米村 T。 Samejima K。 Maeda T。 安藤 H。 发展基于实验的BCI总开关检测电位相关的或有消极的变化 学报》第33届国际会议的IEEE在医学和生物工程协会(磨床的11) 2011年9月 波士顿,美国质量 IEEE 4629年 4632年 10.1109 / iembs.2011.6091146 2 - s2.0 - 84055217013 Birbaumer N。 埃尔伯特 T。 Canavan a·g·M。 Rockstroh B。 大脑皮层慢电位和行为 生理上的评论 1990年 70年 1 1 41 2 - s2.0 - 0025099383 运气 美国J。 介绍与事件相关电位技术 2014年 麻省理工学院出版社 淀粉 D。 do Nascimento o . F。 卢卡斯 M.-F。 Doncarli C。 优化小波的分类产生的刺激皮层电位变化force-related参数 神经科学杂志》上的方法 2007年 162年 1 - 2 357年 363年 10.1016 / j.jneumeth.2007.01.011 2 - s2.0 - 34047120060 顾 Y。 Do Nascimento o . F。 卢卡斯 M.-F。 淀粉 D。 从刺激皮层电位的识别任务参数 医学和生物工程和计算 2009年 47 12 1257年 1264年 10.1007 / s11517 - 009 - 0523 - 3 2 - s2.0 - 77249114140 Jochumsen M。 Niazi 即K。 Mrachacz-Kersting N。 淀粉 D。 Dremstrup K。 检测和分类的刺激大脑皮层电位与任务相关的力和速度 《神经工程 2013年 10 5 056015年 10.1088 / 1741 - 2560/10/5/056015 2 - s2.0 - 84885465849 傅 Y。 徐 B。 裴 l 李 H。 时域特性速度之间的关系和慢电位活动周期运动和运动图像BCRI的快和慢 Procedia环境科学 2011年 8 498年 505年 乐天 F。 Congedo M。 Lecuyer 一个。 Lamarche F。 Arnaldi B。 因为它使得基于脑电图分类算法对脑-机接口的审查 《神经工程 2007年 4 2 10.1088 / 1741 - 2560/4/2 / r01基金 2 - s2.0 - 34247179140 Niazi 即K。 江 N。 Tiberghien O。 尼尔森 j·F。 Dremstrup K。 淀粉 D。 从实验刺激皮层电位检测运动的目的 《神经工程 2011年 8 6 066009年 10.1088 / 1741 - 2560/8/6/066009 2 - s2.0 - 81855203207 Yom-Tov E。 Inbar g F。 从脑电图检测刺激潜力可能在脑机接口中使用 医学和生物工程和计算机 2003年 41 1 85年 93年 10.1007 / BF02343543 2 - s2.0 - 0037252794 的巨大 K。 介绍了统计模式识别 2013年 学术出版社 主教 c . M。 神经网络模式识别 1995年 牛津大学,英国 牛津大学出版社 Breiman l 灭弧分类器(由作者讨论和回答) 统计年报 1998年 26 801年 849年 Blankertz B。 古玩 G。 穆勒 K.-R。 分类单试用脑电图:人脑计算机接口 1 诉讼进展的神经信息处理系统(捏' 02) 2002年9月 157年 164年 Cincotti F。 Scipione 一个。 Timperi 一个。 比较不同的特征分类器对大脑计算机接口 学报第一国际IEEE磨床神经工程会议 2003年3月 卡布里岛,意大利 645年 647年 10.1109 / CNE.2003.1196911 Blankertz B。 富冈 R。 Lemm 年代。 Kawanabe M。 穆勒 K.-R。 优化空间过滤器健壮的脑电图的实验分析 IEEE信号处理杂志 2008年 25 1 41 56 10.1109 / MSP.2008.4408441 2 - s2.0 - 37749046993 Hyvarinen 一个。 Oja E。 独立分量分析:算法和应用程序 神经网络 2000年 13 4 - 5 411年 430年 10.1016 / s0893 - 6080 (00) 00026 - 5 2 - s2.0 - 0042826822 王 年代。 詹姆斯 c·J。 提取有节奏的大脑活动的脑-机接口通过独立分量分析的约束 计算智能和神经科学 2007年 2007年 9 41468年 10.1155 / 2007/41468 2 - s2.0 - 34548556106 Makeig 年代。 岁以上 年代。 Onton J。 Delorme 一个。 矿业与事件相关的大脑动力学 认知科学趋势 2004年 8 5 204年 210年 10.1016 / j.tics.2004.03.008 2 - s2.0 - 2142771369 Boye a . T。 Kristiansen 美国问。 计费 M。 Nascimento o . f . D。 淀粉 D。 刺激大脑皮层电位的识别与优化空间过滤和主成分分析 生物医学信号处理和控制 2008年 3 4 300年 304年 10.1016 / j.bspc.2008.05.001 2 - s2.0 - 50249173337 Ramos-Murguialday 一个。 Broetz D。 意图 M。 的激光 l Yilmaz O。 巴西 f . L。 Liberati G。 Curado m·R。 Garcia-Cossio E。 Vyziotis 一个。 赵 W。 Agostini M。 苏亚雷斯 E。 Soekadar 年代。 Caria 一个。 科恩 l·G。 Birbaumer N。 脑机接口在慢性中风康复:对照研究 神经病学年鉴 2013年 74年 1 One hundred. 108年 10.1002 / ana.23879 2 - s2.0 - 84883283700 Biasiucci 一个。 之 R。 Al-Khodairy 一个。 Buhlmann 一个。 文澜 j·d·R。 中风后的运动康复的BCI-guided功能性电刺激 第五届国际脑机接口会议学报》上 2013年6月 艾斯洛玛尔,加州,美国 Paciga j·E。 理查德。 p D。 斯科特 r . N。 错误率在五状态肌电的控制系统 医学和生物工程和计算机 1980年 18 3 287年 290年 10.1007 / BF02443381 2 - s2.0 - 0019012853 劳尔 r·T。 佩克汉姆 p . H。 祈戈 k . L。 Heetderks w·J。 应用皮质信号neuroprosthetic控制:一个关键的审查 IEEE康复工程 2000年 8 2 205年 208年 10.1109/86.847817 2 - s2.0 - 0034210969 Velliste M。 Perel 年代。 斯伯丁 m . C。 美国华福 答:S。 施瓦兹 答:B。 大脑皮层控制假肢的设限 自然 2008年 453年 7198年 1098年 1101年 10.1038 / nature06996 2 - s2.0 - 45749117611 Mrachacz-Kersting N。 Kristensen s R。 Niazi 即K。 淀粉 D。 精确时间之间的关系由电动机的想象力和由诱发皮层电位诱发皮层可塑性 《生理学 2012年 590年 7 1669年 1682年 10.1113 / jphysiol.2011.222851 2 - s2.0 - 84859258758 山楂 C。 Lowne D。 罗伯茨 年代。 用户特定的模板匹配事件使用单通道脑电图检测 诉讼的第三国际脑机接口的研讨会和培训课程 2006年9月 奥地利格拉茨 格拉茨科技大学的 44 白 O。 林 P。 Vorbach 年代。 李 J。 Furlani 年代。 哈雷特 M。 探索运动意图分类的计算方法从单一审判脑电图在人类的随意运动 临床神经生理学 2007年 118年 12 2637年 2655年 10.1016 / j.clinph.2007.08.025 2 - s2.0 - 36549024116 常 c c。 林 C.-J。 LIBSVM:支持向量机的库 ACM智能交易系统和技术 2011年 2、第二十七条 10.1145/1961189.1961199 2 - s2.0 - 79955702502 卢 E。 Chavarriaga R。 Silvoni 年代。 文澜 j·d·R。 从脑电图信号检测自学达到运动的目的 神经工程学领域 2012年 5 10.3389 / fneng.2012.00013 2 - s2.0 - 84875555110 Ahmadian P。 Sanei 年代。 Ascari l Gonzalez-Villanueva l Umilta m·A。 从脑电图受限盲源提取准备的潜力 IEEE神经系统和康复工程 2013年 21 4 567年 575年 10.1109 / tnsre.2012.2227278 2 - s2.0 - 84880399105 Niazi 即K。 江 N。 Jochumsen M。 尼尔森 j·F。 Dremstrup K。 淀粉 D。 基于subject-independent训练检测刺激皮层电位 医学和生物工程和计算 2013年 51 5 507年 512年 10.1007 / s11517 - 012 - 1018 - 1 2 - s2.0 - 84896692419 江 N。 Gizzi l Mrachacz-Kersting N。 Dremstrup K。 淀粉 D。 的脑机接口实验检测的步态起始运动皮层电位有关 临床神经生理学 2015年 126年 1 154年 159年 10.1016 / j.clinph.2014.05.003 2 - s2.0 - 84916908798 Ibanez说 J。 萨拉诺 j . I。 德尔卡斯蒂略 m D。 Monge-Pereira E。 Molina-Rueda F。 Alguacil-Diego 我。 脑桥 j·L。 检测的上肢运动的基础上,结合分析感觉运动节奏和缓慢的皮层电位的变化 《神经工程 2014年 11 5 056009年 10.1088 / 1741 - 2560/11/5/056009 2 - s2.0 - 84907284326 Raudys 美国J。 耆那教徒的 答:K。 小样本量的影响在统计模式识别:对从业人员的建议 IEEE模式分析与机器智能 1991年 13 3 252年 264年 10.1109/34.75512 2 - s2.0 - 0026120032 耆那教徒的 答:K。 Chandrasekaran B。 39在模式识别实践维度和样本大小的考虑 统计手册 1982年 2 835年 855年 10.1016 / s0169 - 7161 (82) 02042 - 2 2 - s2.0 - 63249112814 秦 J。 李 Y。 Cichocki 一个。 ICA和委员会基于机器的光标控制算法在BCI系统中 神经Networks-ISNN进步2005:第二国际研讨会上神经网络,重庆,中国,可能6月30日1,2005,,我一部分 2005年 3496年 施普林格 973年 978年 在计算机科学的课堂讲稿 10.1007 / 11427391 _156 李 H。 赵 年代。 PCA +嗯+脑电图模式分类的支持向量机 1 《第七信号处理及其应用国际研讨会(ISSPA ' 03) 2003年7月 法国巴黎 IEEE 541年 544年 10.1109 / ISSPA.2003.1224760