脑机接口（典型）框架
2023-08-28 16:34:53 6 举报脑机接口（Brain-Computer Interface，BCI）是一种直接在大脑和外部设备之间建立通信路径的技术。典型的BCI框架包括信号采集、预处理、特征提取、分类器设计和反馈控制五个主要模块。首先，通过电极或其他传感器采集大脑的电信号或功能磁共振成像（fMRI）数据；然后，对原始信号进行滤波、降噪等预处理操作；接着，从预处理后的信号中提取有用的特征，如事件相关电位（ERP）或局部一致性（ReHo）；之后，利用机器学习算法训练分类器，实现对大脑意图的识别；最后，根据分类器的输出结果，设计相应的反馈控制策略，以实现与外部设备的交互。
作者其他创作
大纲/内容
解析层
信号采集层
应用层
应用层:在应用层， 外部交互设备可以被解码层所获得的命令激活和执行。BCI 应用包括单词拼写、 互联网浏览器、 轮椅控制和机器人假肢等。
解码层: 在解码层， 机器学习技术用于解析大脑信号特征， 而这些特征可用 于实现用户 控制外部设备的意图， 或帮助临床医生检测对命令或功能通信的响应。 传统的脑信号解码机器学习 技术包括线性判别分析(LDA)、支持向量机(SVM)、 人工神经网络(ANN)等。
信号预处理层:信号预处理是为了 提高大脑信号的质量， 突出信号的特征。对于 EEG-BCI 系统， 信号预处理的标准化术语包括参考、眼伪影去除、 时频空域滤波、 降维等。 对于fMRI-BCI， 预处理标准化术语包括切片定时、运动校正、 空间归一化、 平滑、 滤波、 协方差回归等。
安全与隐私保护标准
脑机接口（典型）框架
信号采集层:脑机接口 系统使用 多种脑信号， 包括脑电图(EEG)、 功能磁共振成像(fMRI)、 功能性近红外光谱技术（fNIRS）、 峰值、 脑磁图(MEG)、 皮层脑电图（ECoG） 等。对于每种类型的数据， 信号记录装置和设置应分别标准化。 对于脑电图信号， 可能的标准化术语是电极位置、 信号记录的采样率、 时间和空间分辨率的要求、 数据流格式等。 对于fMRI 信号， 可能的标准化术语包括切片数、重复次数等。
数据层
反馈层
脑机算法标准
神经数据标准(格式、共享、通讯等)
基础共性
反馈层:反馈层是闭环 BCI 系统的一个特殊组成部分。 开环 BCI 系统中没有这样的层。 对于闭环 BCI 系统， 它的实时性能将以视觉、 听觉或触觉的方式反馈给用户 。 具有反馈层的闭环 BCI系统可以帮助用户 自我调节，达到更好的神经可塑性。
伦理标准
特征提取层:特征提取就是从大脑信号中提取与用 户 神经系统状态相对应的特定特征。 经典的脑信号特征包括时间特征(如相位锁定值)、 频率特征(如功率谱密度)、 空间特征(如共同空间格局)等。
脑机应用标准
脑机I/0接口标准
术语标准
系统参考架构与标准
信息来源：《脑机接口 标准化白皮书（2021 版）》
安全/伦理
0 条评论
下一页
