别捏我奶头视频大全,麻豆午夜福利片,亚洲av最新在线观看,www色哟哟在线观看,亚洲在线免费播放

近日，山東大學(xué)集成電路學(xué)院的周衛(wèi)東教授團(tuán)隊(duì)提出了一種新型的細(xì)粒度多尺度時(shí)頻空運(yùn)動想象腦機(jī)接口框架，有效提升了運(yùn)動想象腦機(jī)接口（MI-BCI）的分類性能及模型解釋性。相關(guān)研究成果以“Fine-Grained Spatial-Frequency-Time Framework for Motor Imagery Brain-Computer Interface”為題，發(fā)表于生物醫(yī)學(xué)工程領(lǐng)域重要期刊《IEEE Journal of Biomedical and Health Informatics》。山東大學(xué)集成電路學(xué)院為論文署名單位，劉國洋助理研究員為論文第一作者，田嵐教授和周衛(wèi)東教授為通訊作者。

運(yùn)動想象腦機(jī)接口通過實(shí)時(shí)解碼人類運(yùn)動想象任務(wù)中的腦電（EEG）信號，旨在實(shí)現(xiàn)基于“意念”的人機(jī)交互，被廣泛應(yīng)用于神經(jīng)康復(fù)和輔助診療。然而，以往的MI-BCI算法通常在時(shí)域和頻域進(jìn)行粗粒度分割以提取腦電特征，而且空域特征往往依靠共空間模式濾波器進(jìn)行提取。這使得MI-BCI難以充分挖掘腦電信號的細(xì)粒度時(shí)頻空域的神經(jīng)振蕩模式，制約了MI-BCI系統(tǒng)的性能和可解釋性。

為突破這些瓶頸，該團(tuán)隊(duì)提出了一種如圖1所示的細(xì)粒度多尺度時(shí)頻空MI-BCI框架（FGSFT），實(shí)現(xiàn)了EEG空域、頻域和時(shí)域的多尺度精細(xì)化聯(lián)合分割。如圖2所示，團(tuán)隊(duì)提出了結(jié)合手工設(shè)計(jì)和自動選擇的多種電極組空間分割策略來獲取腦電特征的多尺度空間信息。同時(shí)，通過細(xì)粒度多尺度時(shí)間窗口（最短200ms）和頻帶分割（最窄頻帶4Hz）策略，精確地捕捉腦電信號的細(xì)粒度時(shí)頻域動態(tài)變化。為減少模型復(fù)雜度同時(shí)增強(qiáng)模型的可解釋性，設(shè)計(jì)了基于wrapper算法的時(shí)頻空特征選擇策略，自動篩選出空域、頻域、時(shí)域中的關(guān)鍵時(shí)頻空特征片段（SFTSs），結(jié)合帶類內(nèi)正則化的散度公共空間模式（divCSP）算法提取穩(wěn)定的運(yùn)動想象腦電多尺度細(xì)粒度時(shí)頻空特征，最后采用高效的線性支持向量機(jī)分類器進(jìn)行分類。

圖1 細(xì)粒度多尺度時(shí)頻空運(yùn)動想象腦機(jī)接口框架

圖2 運(yùn)動想象腦電的時(shí)-頻-空域分割策略。（a）時(shí)域分割策略；（b）頻域分割策略；（c）空域分割策略。

研究團(tuán)隊(duì)采用BCI國際標(biāo)準(zhǔn)公開數(shù)據(jù)集（BCI Competition IV-IIa）和自主構(gòu)建的SDU-MI數(shù)據(jù)集上開展了深入的實(shí)驗(yàn)驗(yàn)證。在BCI IV IIa數(shù)據(jù)集中，所提方法取得了88.48%的二類平均分類準(zhǔn)確率，當(dāng)使用0-1.5秒的腦電數(shù)據(jù)片段時(shí)，信息傳輸率（ITR）可達(dá)15.64比特/分鐘。團(tuán)隊(duì)還采集了一個(gè)包括手部和肘部運(yùn)動想象范式的SDU-MI腦電數(shù)據(jù)庫，在該數(shù)據(jù)庫中所提出的方法在不同的運(yùn)動想象任務(wù)（左手對右手、左肘對右肘、手肘聯(lián)合動作對比）中分別達(dá)到了80.80%、76.95%和78.25%的分類準(zhǔn)確率，體現(xiàn)出優(yōu)異的泛化能力和穩(wěn)健性。如表1所示，團(tuán)隊(duì)測試了不同時(shí)頻空分割策略下、不同運(yùn)動想象范式下所提出的MI-BCI框架在SDU-MI數(shù)據(jù)庫上的性能。結(jié)果顯示時(shí)頻空域分割策略下能達(dá)到最高的綜合準(zhǔn)確率，而且空域分割策略能顯著提升MI-BCI的性能。

表1不同時(shí)頻空分割策略、不同運(yùn)動想象范式下所提出框架在SDU-MI數(shù)據(jù)庫上的平均準(zhǔn)確率。其中S,F,T分別代表使用空域、頻域、時(shí)域分割；H,E,HE分別代表想象手部、肘部、手肘部同時(shí)運(yùn)動的運(yùn)動想象范式。

此外，研究團(tuán)隊(duì)基于所提出的MI-BCI框架可繪制出高分辨率的細(xì)粒度運(yùn)動想象EEG時(shí)頻響應(yīng)圖（如圖3所示）、時(shí)頻腦電地形圖和通道組顯著性圖（如圖4所示）。這些可視化圖形不僅展現(xiàn)了不同受試者在運(yùn)動想象任務(wù)中的個(gè)體化差異，還清晰揭示了腦電信號的時(shí)域、頻域、空域的多維動態(tài)變化過程，有效提升了所設(shè)計(jì)的腦機(jī)接口模型的電生理可解釋性，為深入理解運(yùn)動想象的神經(jīng)機(jī)制及發(fā)展精準(zhǔn)的個(gè)性化腦機(jī)接口系統(tǒng)提供了有效工具和新的視角。

圖3 在BCI Competition IV-IIa數(shù)據(jù)庫（A-1至A-9）以及SDU-MI數(shù)據(jù)庫（B-1至B-10）上的細(xì)粒度運(yùn)動想象時(shí)頻反應(yīng)圖。

圖4 細(xì)粒度時(shí)頻腦電地形圖和通道組顯著圖。(a) BCI Competition IV IIa 數(shù)據(jù)集中第 8 名受試者的細(xì)粒度時(shí)頻腦電地形圖（左）及通道組顯著圖（右）。(b) SDU-MI 數(shù)據(jù)集中第 1 名受試者的細(xì)粒度時(shí)頻腦電地形圖（左）及通道組顯著圖（右）。

僅用于學(xué)術(shù)分享，若侵權(quán)請留言，即時(shí)刪侵！