近日，上海大學(xué)腦機工程研究中心團隊在國際知名期刊《Biomedical Signal Processing and Control》（SCI中科院分區，工程技術(shù)大類(lèi)二區，IF: 3.88）發(fā)表一篇題為 “The unilateral upper limb classification from fMRI-weighted EEG signals using convolutional neural network” 的研究論文。本文由工程研究中心的博士研究生馬駿在其導師楊幫華教授的指導下完成，楊幫華教授為本文的第一作者、通訊作者，博士生馬駿為第二作者。
本文設計了一種新的功能磁共振成像加權卷積神經(jīng)網(wǎng)絡(luò )(CNN)，根據大腦活躍區域重新分配每個(gè)通道的權重，以提高分類(lèi)精度。最后，利用fMRI加權CNN對四類(lèi)運動(dòng)想象任務(wù)腦電數據進(jìn)行分類(lèi)。功能磁共振成像實(shí)驗驗證了單側上肢四類(lèi)運動(dòng)想象任務(wù)的可區分性，不同任務(wù)對大腦運動(dòng)區域的影響。
實(shí)驗范式
功能磁共振成像加權CNN
被試者的通道權重
本文提出一種基于fMRI加權EEG的異步fMRI-EEG運動(dòng)想象解碼方法，該方法在12名健康被試的四類(lèi)單側上肢運動(dòng)想象任務(wù)中表現出47.0%的平均分類(lèi)精度，相比于FBCSP與CNN具有顯著(zhù)提升，為單側肢體多任務(wù)運動(dòng)想象離線(xiàn)建模提供了新思路。
作者信息：
楊幫華，上海大學(xué)機電工程與自動(dòng)化學(xué)院、醫學(xué)院雙聘教授，博士生導師。連續從事腦機接口技術(shù)及其工程應用研究近20年，主要研究運動(dòng)想象腦機接口智能解碼技術(shù)、虛擬現實(shí)技術(shù)、腦機接口結合VR技術(shù)在醫療康復領(lǐng)域工程應用，包括腦卒中患者康復訓練系統、抑郁及毒癮評估等。
馬駿，上海大學(xué)機電工程與自動(dòng)化學(xué)院在讀博士，研究方向為運動(dòng)想象腦機接口，腦卒中康復，深度學(xué)習，fMRI數據分析。
論文信息
https://www.sciencedirect.com/science/article/pii/S1746809422003743
聯(lián)系客服
