高分辨率运动脑电图分类

摘要

本文的目的是分析利用人体脑电图进行高分辨率运动分类的可能性。为此，建立了实验对象右拇指和小指快速屈曲运动时的脑电图记录数据库。脑电图的统计分析是在受试者的基础上进行的，而不是常用的大平均。两指运动时的脑电图有显著的统计学差异，扩展了目前已发表的其他研究成果。基于隐马尔可夫模型的分类器能够区分运动和静息状态(分类评分为94-100%)，但不能识别运动的类型。这是由于在记录的信号中有大量的其他(非运动相关)脑电图活动造成的。为了解决这一问题，目前正在研究一种基于脑电信号去噪的分类方法。

参考文献

1. L. Pickup，“脑机接口的机器学习方法”，技术。众议员PARG-02-012002年5月，英国牛津大学工程科学系机器人研究小组模式分析与机器学习小组。视图:谷歌学者
2. B. Blankertz, G. Dornhege, M. Krauledat et al，“柏林脑-计算机接口:未经主体训练的脑电图通信”，神经系统与康复工程学报第14卷第2期2，页147-152,2006。视图:出版商的网站|谷歌学者
3. W. D. Penny和S. J. Roberts，“基于脑电图的计算机接口的实验”，技术代表，帝国理工学院电气工程系，伦敦，英国，1999年7月。视图:谷歌学者
4. W. D. Penny, S. J. Roberts，和M. J. Stokes，《基于脑电图的交流:模式识别方法》，刊于脑机接口技术:理论与实践。第一次国际会议， 1999年5月，美国纽约伦斯勒维尔。视图:谷歌学者
5. a . Schlögl, K. Lugger，和G. Pfurtscheller，“使用自适应自回归参数的脑-机接口设备”第19届IEEE医学与生物学工程国际会议论文集(EMBS '97)，第1533-1535页，美国伊利诺伊州芝加哥，1997年10月- 11月。视图:谷歌学者
6. C. W. Anderson, E. A. Stolz和S. Shasunder，“利用AR模型代表的脑电图识别心理任务”，发表于IEEE第17届医学与生物学工程年会论文集(IEMBS’95)，第二卷，第875-876页，蒙特利尔，魁北克，加拿大，1995年9月。视图:出版商的网站|谷歌学者
7. C. W. Anderson和Z. Sijerčíc，“四名受试者在五项智力任务中脑电图信号的分类”用神经网络解决工程问题:神经网络工程应用会议论文集(EANN’96)，第407-414页，芬兰图尔库，1996年6月。视图:谷歌学者
8. J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller，和T. M. Vaughan，《用于沟通和控制的脑-计算机接口》，临床神经生理学，第113卷，第113期。6，页767-791,2002。视图:出版商的网站|谷歌学者
9. J. R. Wolpaw, D. J. McFarland和T. M. Vaughan，《沃兹沃斯中心的脑-计算机接口研究》，康复工程学报，第8卷，第2期2，页222-226,2000。视图:出版商的网站|谷歌学者
10. J. D. baylis和D. H. Ballard，“在虚拟环境中识别诱发电位”，发表于神经信息处理系统研究进展122000年11月至12月，美国科罗拉多州丹佛市，第12卷，第3-9页。视图:谷歌学者
11. G. Schalk, J. R. Wolpaw, D. J. McFarland，和G. Pfurtscheller，“基于脑电图的沟通:潜在错误的存在”，临床神经生理学号，第111卷12，页2138 - 2144,2000。视图:出版商的网站|谷歌学者
12. U. Hoffman, J.-M Versin, K. Deserens，和T. Ebrahimi，“一个有效的p300为基础的大脑计算机接口为残疾受试者，”preprint, 2007，http://bci.epfl.ch/efficientp300bci.html。视图:谷歌学者
13. W. D. Penny, S. J. Roberts，和M. J. Stokes，“从脑电图识别的想象手部运动$\mu$-节奏，”技术代表，电气工程系，帝国理工学院，伦敦，英国，1998年8月。视图:谷歌学者
14. d·j·麦克法兰，l·a·迈纳，t·m·沃恩，j·r·沃尔波，"$\mu$和$\beta$运动想象和实际运动中的节奏地形，”大脑地形，第12卷，第2期3，页177 - 186,2000。视图:出版商的网站|谷歌学者
15. J. Šťastný， J. Zejbrdlich, P. Sovka，“脑机接口的最优参数化选择”，刊于第四届WSEAS国际电气工程应用会议论文集布拉格，捷克共和国，2005年3月。视图:谷歌学者
16. 张志强，《脑电图信号分类》，中华神经科杂志IEEE工程医学与生物学会第23届国际年会论文集，第2卷，2020-2023页，土耳其伊斯坦布尔，2001年10月。视图:谷歌学者
17. 张志强，“基于马尔可夫模型的手指运动方向识别”，国家自然科学基金面上项目，“基于马尔可夫模型的手指运动方向识别”第三届欧洲医学与生物工程会议论文集(EMBEC’05)，第11卷，1492-1-1492-6页，捷克共和国布拉格，2005年11月。视图:谷歌学者
18. H. Ramoser, J. Müller-Gerking，和G. Pfurtscheller，“想象手部运动时单次脑电图试验的最佳空间滤波”，康复工程学报，第8卷，第2期4，页441-446,2000。视图:出版商的网站|谷歌学者
19. P. Hluštík, A. Solodkin, R. P. Gullapalli, D. C. Noll, and S. L. Small，“重新审视人类初级运动和躯体感觉手部表征中的躯体解剖，”大脑皮层，第11卷，第5期。4，页312-321,2001。视图:谷歌学者
20. G. Pfurtscheller, K. Zalaudek，和C. Neuper，“手腕、手指和拇指运动后的事件相关beta同步，”脑电图和临床神经生理学-肌电图和运动控制，第109卷，第2期。2, 1998。视图:出版商的网站|谷歌学者
21. A. Stančák, B. Feige, C. H. Lücking, R. Kristeva-Feige，“近端和远端运动中的振荡皮层活动和运动相关电位，”临床神经生理学号，第111卷4，页636 - 650,2000。视图:出版商的网站|谷歌学者
22. A. Stančák和G. Pfurtscheller，“用手习惯和运动类型对对侧优势的影响$\mu$节奏desynchronisation。”脑电图与临床神经生理学，第99卷，第5期。2，页174-182,1996。视图:出版商的网站|谷歌学者
23. A. Stančák, A. Riml，和G. Pfurtscheller，“外部负荷对老年运动脑电图节律运动相关变化的影响”，脑电图与临床神经生理学第102卷第1期6，第495-504页，1997。视图:出版商的网站|谷歌学者
24. G. Pfurtscheller, a . Stančák和C. Neuper，“运动后β同步:与空转运动区域相关?”脑电图与临床神经生理学第98卷第1期4，页281-293,1996。视图:出版商的网站|谷歌学者
25. G. Pfurtscheller, A. Stančák，和G. Edlinger，《关于不同类型中心的存在》$\beta$30赫兹以下的节奏脑电图与临床神经生理学第102卷第1期4，页316 - 325,1997。视图:出版商的网站|谷歌学者
26. 事件相关的去同步$\mu$手指伸展和弯曲的节奏第十一届国际肌电图和临床神经生理学大会，《临床神经生理学补充》，53,636-650页，布拉格，捷克共和国，2000年9月。视图:谷歌学者
27. H. J. Steingrüber和G. A. Lieuert，Hand-Dominanztest， Hogrefe，第二版，1976。
28. R. Srinivasan，“提高脑电图空间分辨率的方法”，国际生物电磁学杂志， vol. 1, no. 11，第102-111页，1999。视图:谷歌学者
29. g . Pfurtscheller数字Biosignal处理， Elsevier Science，阿姆斯特丹，荷兰，第二版，1991，第17章。
30. B. Hjorth，“脑电头皮电位在线转化为正交源导数”，脑电图与临床神经生理学第39卷第3期5，页526-530,1975。视图:出版商的网站|谷歌学者
31. J. Šťastný和P. Sovka，“集成采样误差补偿的三维表面拉普拉斯滤波”，信号处理，第87卷，第2期1，页51-60,2007。视图:出版商的网站|谷歌学者
32. J. Uhlíř和P. Sovka，数字信号处理，捷克理工大学，布拉格，捷克共和国，第二版，2002。
33. L. R. Rabiner，“关于隐藏马尔科夫模型和语音识别选择应用的教程”，IEEE论文集第77期2，页257-286,1989。视图:出版商的网站|谷歌学者
34. J. Šťastný， P. Sovka，和A. Stančák，“脑电图信号分类:问题介绍”，无线电工程，第12卷，第2期3，页51-55,2003。视图:谷歌学者
35. 陈建平，“基于隐马尔可夫模型的脑电信号分类与分割”，电子学报，vol . 18, no . 2, pp . 454 - 457第16届国际生物医学信号和图像分析会议论文集(BIOSIGNAL '02)，第415-417页，捷克共和国布尔诺，2002年6月。视图:谷歌学者
36. s . j .年轻的时候,HTK参考手册，剑桥大学工程系，剑桥，英国，1993。
37. e . Konopka, J. Šťastný和P. Sovka，“使用独立成分分析的运动相关脑电图分离”，刊于第三届欧洲医学与生物工程会议论文集(EMBEC’05)，第11卷，1471-1-1471-6页，捷克共和国布拉格，2006年11月。视图:谷歌学者

版权

版权所有©2007 Jakub Štastný和Pavel Sovka。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。