- 综合排序
- 最热优先
- 最新优先
- 来自专栏脑机接口
BCI数据分享
http://www.bbci.de/competition/ii/#datasets
83510发布于 2020-06-30 - 来自专栏脑机接口
BCI比赛数据集简介-BCI competition IV 2b
BCI competition IV Data Set 2b ---- BCI competition IV 公共数据集 Data sets 2b，是基于视觉诱发的左右手运动想象的脑电数据集。
1.9K20发布于 2020-06-30 - 来自专栏脑机接口
实际BCI应用:异步EEGEOG BCI手抓取和释放的可行性
在该项研究中，研究人员专为手臂和手指控制严重缺陷而影响日常活动（例如饮酒或饮食）的患者设计了BCI系统。例如，这种损伤是由脊髓损伤或中风引起的，并且对生活质量有很大的影响。 该项研究中所述的BCI是一个复杂的系统，它结合了一个完整的手臂外骨骼，目的是整合EEG和EOG(来自大脑和眼球运动的电信号)来达到和抓取控制能力。 这篇论文的作者(由SurjoSoekadar领导)在之前的工作中(与我们尊敬的导师Niels Birbaumer)证明了异步EEG/EOG BCI用于抓取的可行性。 使用BCI2000，这些信号被转换成命令，与机器人视觉引导系统共享控制外骨骼。后者是用来跟踪和达到被抓住的对象。整个系统相当复杂，包括红外摄像机、Enobio、外骨骼组件(手腕部和肩肘部)和视觉界面。 正是人类和人工智能与机器人技术的奇妙融合，使得这一技术以及类似的技术发展令人兴奋，因为它们通过与外皮层的共享控制，绕过了BCI的带宽限制。
67910发布于 2020-07-01 - 来自专栏脑机接口
BCI脑电信号分析
BCI（脑机接口）作为一个人脑与计算机之间的交流系统。它允许其用户控制外部设备独立于周围神经和肌肉大脑活动。BCI系统允许主体发送通过使用大脑信号向外部设备发出命令。 目的BCI是将大脑活动解释为数字形式充当计算机的命令。一项关键挑战目前的BCI研究是如何提取随机特征随时间变化的脑电信号并将信号分类为尽可能准确。 脑机接口系统 BCI系统由四个阶段组成：信号采集、信号预处理（监测和增强采集的信号）、特征提取和计算机交互。 表I：不同的脑节律 图2：BCI系统模型 在脑机接口中，绕过了正常的皮质肌肉通路，并采用了替代通路。建议的。记录脑细胞的神经活动并这些信号作为驱动器提供给应用程序。 为了满足这一点，系统延迟时间和应缩短响应时间，以便BCI系统设计用于实时系统。EEG是一种非侵入性技术，即信号是通过放置在头皮上的电极本身就是导致诱发噪音。
1.6K20编辑于 2022-09-22 - 来自专栏米虫的家
BCI--脑电基础整理
脑电基础整理 脑机接口（BCI），是一种通过检测中枢神经系统活动并将其转化为人工输出，来替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改变中枢神经系统与内外环境之间的交互作用的技术。 脑电图系统相对便宜且便携，是BCI研究中最常见的神经影像学方法。 ? 电极一旦植入，就可以准备用于BCI或其他任务，而无需在每次使用前进行准备。 基于SSVEP信号的BCI系统就是通过检测枕叶视觉区的EEG信号来判断大脑的思维活动。
3K42发布于 2020-09-24 - 来自专栏脑机接口
BCI competition IV 2b简介
BCI competition IV Data Set 2b ---- BCI competition IV 公共数据集 Data sets 2b，是基于视觉诱发的左右手运动想象的脑电数据集。
93410编辑于 2022-08-25 - 来自专栏脑机接口
脑机接口(BCI)系统概述及应用
2 脑机接口(BCI)系统的组成 BCI的目的是检测和量化表明用户意图的大脑信号的特征，并将这些特征实时转换为实现用户意图的设备命令。为了实现这一点，BCI系统一般由4个组件按顺序组成。 3 脑机接口(BCI)系统的类型 1. 侵入式BCI 侵入式BCI 需要通过手术在头皮下植入电极以传递大脑信号。主要优点是提供更准确的读数；然而，它的缺点包括手术的副作用。 半侵入式 BCI 半侵入式或部分侵入式 BCI设备被植入颅骨内，但位于脑外而不是灰质内。 与非侵入性 BCI 相比，它们产生更好的分辨率信号，并且与完全侵入性 BCI 相比，在大脑中形成疤痕组织的风险更低。 3. 脑机接口也扩展了物联网和BCI技术之间的良好合作，创造智能家居、交通、工作场所等智能环境。 营销领域也对 BCI 技术表现出极大的兴趣。
1.8K10编辑于 2022-08-26 - 来自专栏脑机接口
DARPA:BCI技术强大的背后推手
，DARPA一直保持对BCI项目持续的资助。 1 DARPA几十年来的BCI计划 DARPA对BCI的第一批资金是在1974年，资助一个名为 "紧密耦合的人/机系统"的项目，后来改名为 "生物控制学"（Biocybernetics）。 几十年来，DARPA BCI研究计划“执行者"的类别也在不断变化。 DARPA的下一个BCI项目会资助什么？ 这可能会在当今BCI领域最新发展成果中找到趋势，可能基于神经科学的发展，也可能基于电子技术或新兴材料结构，但该机构在较长时间内将会会继续引导BCI领域未来的研究工作。
56410编辑于 2022-09-22 - 来自专栏米虫的家
BCI--Python-EEG工具库MNE
Raw对象主要用来存储连续型数据，核心数据为n_channels和times,也包含Info对象。
1.9K20发布于 2020-09-24 - 来自专栏脑机接口
无屏幕BCI系统也有强大的分类性能
一般说来，传统脑机接口(BCI)系统的交互过程依靠一个图形化的用户界面，不利于设备的便携性。 这种方式对于BCI系统功能结构的升级提供了一种开创性思路，但同时为EEG分类的可靠性带来了挑战。 图1 无屏幕BCI的设置 上图中，当用户关注其目标对象（本例中为魔方）时，机器人使用安装在末端执行单位附近的激光指示器依次凸显环境中的候选对象。 该团队证明了在无屏幕BCI系统中对ERPs的分类黎曼切线空间分类始终表现出比其他分类分类方法好的性能，提出了一种适用于任何子类和实验范式的方法。 以上方法虽然在无屏幕BCI的情况下表现强大的性能，但同样也可自然地应用于具有潜在子类结构的其他实验范式，为BCI系统的便携式设计提供了一条全面思路。
48040编辑于 2022-09-22 - 来自专栏脑机接口
运用运动想象机制控制用于交流的BCI
2 BCI作为AAC设备 BCI设备临床转译的一个障碍是依赖自定义通信接口，而这些接口往往与现有的AAC设备不兼容。 因此，我们设计了一种不依赖于它自己的视觉界面的BCI，而是使用现有的AAC设备和软件来帮助引出用于BCI控制的神经活动。 设备旨在为已经使用或未来可能使用BCI的个人尽可能简化BCI控制。 3 BCI-Controlled语音合成器 我们的第二个BCI实现通过检测对感觉运动区节律的调制[20]提供对共振峰频率的语音合成器的连续控制。 我们的建模结果与过去基于SMR的BCI用于二维光标控制的研究相一致，并且对共振峰频率的离线预测足够可靠，可以用于通过BCI进行语音合成器在线控制的附加研究。
71230编辑于 2023-02-14 - 来自专栏脑机接口
混合SSVEP-P300 BCI生产双频SSVEP
Eliciting dual-frequency SSVEP using a hybrid SSVEP-P300BCI 使用混合SSVEP-P300BCI生产双频SSVEP 首尔国立首尔大学医学院的科研人员介绍了一种新的混合 基于稳态视诱发电位(SSVEP)的脑机接口(BCI)在监控器上产生微弱的SSVEP，不能使用谐波频率，而基于P300的BCI需要多个刺激序列。这些问题会降低信息传输率(ITR)。 本研究为提高BCI拼写器的可靠性和效率提供了一种有效的方法。 *凡来源非注明"原创"的所有作品，均为转载，其目的在于促进信息分享交流，不做商业用途。若有侵权，请及时通知后台，管理人员删侵。
50520发布于 2020-06-30 - 来自专栏米虫的家
BCI-EEG脑电数据处理
脑机接 口（BCI），是一种通过检测中枢神经系统活动并将其转化为人工输出，来替代、修复、增强、补充或者改善中枢神经系统的正常输出，从而改变中枢神经系统与内外环境之间的交互作用的技术。
4.1K32发布于 2020-09-24 - 来自专栏脑机接口
基于BCI的现代神经反馈有助于认知增强
两者同样适用于基于BCI的神经反馈。 伪影过滤 EEG伪影是所有具有非神经起源但仍被EEG设备记录并与真实大脑活动融合的电信号。 结论 基于脑机接口技术(BCI)的现代神经反馈技术的应用，一方面可以在电生理水平上提高对神经反馈作用的认识。 我们的Elevvo技术实现了基于BCI的现代神经反馈以增强认知能力，后者的研究展示了与该技术客户的应用相对应的结果(Escolano, 2019a;2019 b)。 基于BCI的神经反馈疗法已被证明更有效，并且诱导的神经增生性改变可维持更长的时间。 说明：由于笔者的能力和时间仓促，编译的内容有可能存在错误的地方，欢迎大家指正，我这边会改动！
63920编辑于 2023-02-13 - 来自专栏脑机接口
测量大脑的快速光信号可以加快BCI响应
脑机接口(BCI)借助认知活动来控制外部设备，从而使患有严重运动障碍的人能够如常人一般。 常见利用近红外光谱(NIRS)来作为BCI方法有两种：一种是使用近红外光谱(NIRS)来检测大脑皮层的氧水平，即血液动力学信号(haemodynamicsignal)，它能反应神经元的活动。 然而，该信号的时间分辨率只有几秒，这限制了NIRS-BCI中的信息传输速率。 近红外光谱和脑电图通道配置 Bloorview研究所的一个团队现在已经研究了FOS的使用，用以控制NIRS-BCI(Biomed. 从理论上讲，这可以加快光学BCI的响应时间。 试验 15名参与者参加了三个离线数据收集环节，在此期间，他们执行了视觉oddball任务(visual oddball task)。
43120编辑于 2022-09-22 - 来自专栏脑机接口
DIY混合BCI刺激系统：SSVEP-P300 LED刺激
考虑到脑机接口（BCI）中可能的不同模式，SSVEP由于需要较少的脑电图(EEG)电极和最小的训练时间而被广泛接受。 这项工作的目的是设计一个混合BCI硬件平台，以精确地唤起SSVEP和P300，从而减少疲劳并提高分类性能。 大多数BCI平台使用单一的EEG模式，这可能不适用于所有用户，并且还可能产生错误的识别。近年来，通过使用多种范式来提高控制外部应用程序的准确性和速度来增强BCI系统。 图1.1 基于SSVEP和P300的混合BCI平台 刺激平台由独立的控制系统控制，如图1.1所示。 下图显示了使用这种混合BCI进行乐高控制的照片。 ? 图1.11 使用混合BCI控制乐高 数据分析 对于SSVEP分析，在每个频率所需的三秒钟时间段内，从通道O2提取数据，并将其存储以进行进一步处理。
96910发布于 2020-07-13 - 来自专栏脑机接口
基于SSVEP-EOG的混合BCI用于机械臂控制
研究人员在本研究中提出了一种异步混合BCI。使用基于稳态视觉诱发电位(SSVEP)的BCI来作为具有六个自由度的机械臂的基本控制。 图2.基于EOG的开关(A)和基于SSVEP的BCI (B)的GUI 上图为基于EOG的开关(A)和基于SSVEP的BCI (B)的GUI。 因此，基于提示的实验(cue-based experiment)结果说明了混合BCI在实际应用中执行复杂任务的潜力。 ? ? 为了评估混合BCI在执行复杂任务中的效率，我们记录了机械臂操作中每个受试者的完成时间和命令总数。表3显示了通过基于EOG-SSVEP的BCI混合机器人操作机械臂的异步实验结果。 ? 结果表明，在BCI中结合EOG和SSVEP信号的可行性以及EOG信号的灵活性，可以完成复杂的机械臂控制任务。本文提出的异步混合脑机接口和新技术的结合作为未来的研究方向，将使BCI更加方便和友好。
1K10发布于 2021-01-12 脑机接口（BCI）：从信号到交互的工程实践
脑机接口（BCI）不是魔法，它是一条从神经电活动到交互动作的工程链路：采集、预处理、特征、解码、反馈和闭环优化。每一个环节都像航天器的子系统，要求稳定、低噪、低延迟、可解释与可扩展。 除了理论，我更想让你“摸到”BCI的质感：代码段呈现从滤波到分类的最小可用路径，Mermaid 图把复杂系统模块化可视化，表格对比方案的适配场景与性能指标。 ：BCI的工程坐标与现实挑战BCI的核心挑战并非单点算法胜出，而是整条管线的协同：采集噪声大、信号非平稳；用户差异显著、校准成本高；在线延迟与反馈质量决定可用性；隐私安全与伦理约束决定边界。 的原则与信号度量“在BCI工程里，最难的不是把模型做得更深，而是把系统做得更稳，把人机闭环做得更自然。” BCI的美不在于“神奇”，而在于它能在噪声星云里找到有用的模式，并以最小的代价把意念转化为动作。
46610编辑于 2025-09-30- 来自专栏脑机接口
BciPy: 一款基于Python用于BCI研究的开源软件
进行脑机接口(BCI)研究对技术和软件有很高的要求。 为了加速BCIs的开发和可访问性，研究人员开发了BciPy，一个基于Python的用于BCI研究的开源软件。 该款软件可用于事件相关电位(ERP)拼写接口恢复通信;它也可用于其他非拼写和非ERP BCI范式。 该图演示了使用BCI所需的组件，以及在当前版本中BciPy模块是如何分区的。
1.2K20编辑于 2023-02-13 - 来自专栏脑机接口
基于深度学习网络的运动想象BCI系统及其应用
研究人员提出了一种基于深度学习模型的运动想象脑机接口(BCI)。运动想象的脑动力学通常通过EEG作为低信噪比的非平稳时间序列进行测量。 运动想象(MI)是BCI领域的一个重要研究课题。所谓运动想象脑电，就是想象某种肢体运动时的脑电模式。 脑电的这种节律性差异，可用于实现BCI技术。 ? 想象肢体运动时，对应皮层投射区域出现脑电节律调制现象。 系统架构 实验提出的BCI系统通过Emotiv EPOC芯片，g.SAHARAbox系统和g.SAHARA电极集成为EEG信号提取子系统。g.SAHARAbox系统和g.SAHARA电极如图2所示。 参考链接： A Motor-Imagery BCI System Based on Deep Learning Networks and Its Applications 运动想象脑电信号处理与P300
1.6K10发布于 2020-07-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号