面向?qū)嵱玫哪X-機接口：縮小研究與實際應(yīng)用之間的差距

目錄
譯者序
前言
第1章 BCI現(xiàn)狀及進展：概述、分析和建議 1
1.1 引言 1
1.2 本書概述 2
1.2.1 第1部分概述 3
1.2.2 第2部分概述 4
1.2.3 第3部分概述 5
1.2.4 第4部分概述 6
1.3 預(yù)測和建議 7
1.4 總結(jié) 10
參考文獻 11
第1部分 傳感器、信號和信號處理
第2章 混合光-電BCI：實踐和可能性 15
2.1 引言 15
2.2 EEG與fNIRS的基本生理起源 15
2.2.1 腦電的起源 15
2.2.2 fNIRS響應(yīng)的起源 16
2.3 信號模型 24
2.3.1 血管響應(yīng)建模 24
2.3.2 分光光度轉(zhuǎn)換 26
2.3.3 合成信號的生成 27
2.4 公開（外顯）的和想象（內(nèi)隱）的運動任務(wù)期間EEG-fNIRS聯(lián)合測量 28
2.4.1 fNIRS/EEG傳感器 29
2.4.2 實驗描述 29
2.4.3 信號處理 30
2.4.4 結(jié)果 31
2.5 結(jié)論 32
參考文獻 33
第3章 BCI中的組合分類技術(shù) 36
3.1 引言 36
3.2 理論背景 37
3.2.1 模式識別方法：組合的定義和背景 37
3.2.2 融合的模式識別視角 38
3.2.3 為組合的優(yōu)勢打下扎實的基礎(chǔ) 40
3.3 組合和融合的層次 41
3.3.1 特征級聯(lián) 41
3.3.2 分類級聯(lián) 42
3.3.3 分類融合 42
3.3.4 決策融合 44
3.4 組合的類型 45
3.4.1 分類器組合 45
3.4.2 堆疊式組合 45
3.4.3 多導(dǎo)聯(lián)組合 45
3.4.4 多模態(tài)組合 46
3.5 重采樣策略 46
3.5.1 數(shù)據(jù)集劃分 47
3.5.2 特征空間劃分 49
3.5.3 信號分割 50
3.6 融合算子 50
3.6.1 基于樣本的融合 51
3.6.2 時域融合算子 52
3.7 總結(jié)組合所得的結(jié)果 52
3.8 結(jié)論 54
參考文獻 55
第4章 采用獨立成分分析提升BCI性能 59
4.1 引言 59
4.2 ICA在EEG信號處理中的應(yīng)用 59
4.3 ICA在BCI系統(tǒng)中的應(yīng)用 61
4.3.1 偽跡剔除 62
4.3.2 提高任務(wù)相關(guān)腦電信號的信噪比 63
4.3.3 選擇電極 65
4.4 基于ICA的零訓(xùn)練BCI 66
4.4.1 實驗和數(shù)據(jù)記錄 67
4.4.2 方法 68
4.4.3 結(jié)果 69
4.5 討論和總結(jié) 71
參考文獻 72
第5章 皮層腦電（ECoG）電極在BCI應(yīng)用中的長期使用 75
5.1 引言：從術(shù)前診斷到運動解碼 75
5.2 ECoG電極的方法和技術(shù) 77
5.3 用于BCI的ECoG信號 80
5.4 用于BCI的多通道ECoG陣列 81
5.4.1 激光加工電極的制造 82
5.4.2 第一個研究的生物評價/結(jié)果 85
5.5 可長期植入的無線系統(tǒng) 86
參考文獻 89
第2部分 設(shè)備、應(yīng)用和用戶
第6章 設(shè)備、應(yīng)用和用戶介紹：基于共享控制技術(shù)的實用BCI 95
6.1 引言 95
6.2 當(dāng)前和新興的用戶群體 96
6.3 BCI設(shè)備和應(yīng)用場景 97
6.3.1 通信和控制 97
6.3.2 運動替代：恢復(fù)抓取功能 98
6.3.3 娛樂和游戲 100
6.3.4 運動康復(fù)與運動恢復(fù) 100
6.3.5 心理狀態(tài)監(jiān)測 101
6.3.6 混合BCI 101
6.4 基于共享控制技術(shù)的實用BCI：面向移動性控制 102
6.4.1 運動殘疾患者控制的臨場感遙操作機器人 103
6.4.2 BCI控制輪椅 104
6.5 利用EEG錯誤電位實現(xiàn)手勢識別系統(tǒng)的自適應(yīng) 106
6.6 結(jié)論 108
參考文獻 109
第7章 BCI在手部運動功能康復(fù)中的應(yīng)用 117
7.1 引言 117
7.2 脊髓損傷患者手部運動功能的康復(fù)：腦控神經(jīng)假肢 118
7.2.1 上肢的功能性電刺激 118
7.2.2 BCI與FES技術(shù)相結(jié)合 121
7.3 腦卒中后手部運動功能的康復(fù)：基于BCI的附加干預(yù) 123
7.3.1 BCI在腦卒中康復(fù)中的應(yīng)用：*新進展 124
7.3.2 FES在腦卒中上肢康復(fù)中的應(yīng)用 126
7.3.3 BCI與FES技術(shù)相結(jié)合在康復(fù)臨床中的應(yīng)用：一種整合方法 126
7.4 結(jié)論與展望 130
參考文獻 131
第8章 以用戶為中心的BCI研發(fā)設(shè)計 138
8.1 基于技術(shù)的殘疾人輔助解決方案 138
8.1.1 理解和界定殘疾 138
8.1.2 輔助技術(shù)和BCI 139
8.2 以用戶為中心的BCI研發(fā)方案 141
8.2.1 以用戶為中心的設(shè)計原則 141
8.2.2 在BCI研究中與*終用戶合作 142
8.3 BCI支持或替換現(xiàn)有AT解決方案 148
8.4 結(jié)論 150
參考文獻 150
第9章 設(shè)計未來BCI：超越比特率 155
9.1 引言 155
9.2 BCI的控制特性 155
9.2.1 BCI范式的特定問題 156
9.2.2 克服BCI局限性的方法 157
9.3 BCI從可用性研究到神經(jīng)工效學(xué)優(yōu)化 158
9.3.1 ERP相關(guān)決定因素的現(xiàn)有文獻 158
9.3.2 美學(xué)、互動隱喻、可用性和性能 162
9.4 共享控制 163
9.5 創(chuàng)建有效的應(yīng)用結(jié)構(gòu)：三級任務(wù) 165
9.5.1 低層級：BCI控制信號 165
9.5.2 中間層級：應(yīng)用 166
9.5.3 高層級：用戶 166
9.6 吸引終端用戶與期望的作用 166
9.7 研究交互：原型和仿真 167
9.7.1 展示用戶需求的低保真原型 168
9.7.2 面向設(shè)計與開發(fā)的高保真模擬 169
9.8 結(jié)論 171
參考文獻 172
第10章 BCI與虛擬現(xiàn)實相結(jié)合：面向新的應(yīng)用和改進的BCI 177
10.1 引言 177
10.2 VR和BCI控制的基本原理 178
10.2.1 VR的定義 178
10.2.2 基于BCI的VR應(yīng)用的總體架構(gòu) 179
10.3 BCI控制的VR應(yīng)用評述 181
10.3.1 運動想象控制的VR環(huán)境 181
10.3.2 基于SSVEP的VR/AR環(huán)境 186
10.3.3 基于P300的VR控制 189
10.4 VR對BCI的影響 191
10.5 結(jié)論 193
參考文獻 194
第3部分 應(yīng)用接口和環(huán)境
第11章 BCI與用戶體驗評價 201
11.1 引言 201
11.2 BCI用戶體驗評價的現(xiàn)狀 202
11.2.1 用戶體驗影響B(tài)CI 202
11.2.2 BCI影響用戶體驗 203
11.3 將HCI用戶體驗評價應(yīng)用于BCI 203
11.3.1 觀測分析 204
11.3.2 神經(jīng)生理測量 205
11.3.3 訪談和問卷調(diào)查 205
11.3.4 其他方法 206
11.4 案例研究 206
11.4.1 案例研究：意識控制羊 207
11.4.2 案例：倉鼠實驗室 208
11.5 討論和結(jié)論 210
參考文獻 211
第12章 多模態(tài)交互和多任務(wù)環(huán)境下的BCI框架 214
12.1 引言 214
12.2 在雙重任務(wù)環(huán)境中使用BCI面臨的挑戰(zhàn) 215
12.3 組合BCI 219
12.4 在多模態(tài)用戶接口中集成BCI：相關(guān)問題 220
12.5 討論和結(jié)論 221
參考文獻 222
第13章 腦電激活的人機交互及應(yīng)用 225
13.1 引言 225
13.2 腦狀態(tài)識別算法和系統(tǒng) 226
13.2.1 醫(yī)療應(yīng)用的神經(jīng)反饋系統(tǒng) 226
13.2.2 神經(jīng)反饋系統(tǒng)的信號處理算法 227
13.2.3 神經(jīng)反饋系統(tǒng)用于增強效能 227
13.2.4 情感識別算法 228
13.3 時空分形方法 230
13.3.1 用于可視化分析的腦電三維映射 230
13.3.2 基于分形的方法 231
13.3.3 實時腦狀態(tài)識別 232
13.3.4 特征提取 232
13.4 實時腦電激活的應(yīng)用 233
13.4.1 神經(jīng)反饋訓(xùn)練系統(tǒng) 234
13.4.2 基于實時腦電的情感監(jiān)測與識別 234
13.5 結(jié)論 236
參考文獻 237
第14章 視覺誘發(fā)電位的相位檢測在BCI中的應(yīng)用 240
14.1 引言 240
14.2 信號處理和模式識別方法 241
14.2.1 空間濾波 242
14.2.2 相位同步分析 243
14.3 實驗證據(jù) 243
14.3.1 *佳刺激頻率 244
14.3.2 BCI操作的標(biāo)定 246
14.3.3 BCI操作和信息傳輸速率 246
14.4 討論和結(jié)論 248
參考文獻 248
第15章 干電極腦電傳感器能否提高基于SMR、P300和SSVEP的BCI的可用性 250
15.1 BCI研究的動機 250
15.2 方法 253
15.3 實驗設(shè)置 254
15.4 P300的BCI 255
15.5 運動想象 255
15.6 SSVEP的BCI 256
15.7 結(jié)果 256
15.8 P300實驗范式 257
15.9 運動想象的干電極 259
15.10 SSVEP訓(xùn)練 264
15.11 討論 265
參考文獻 267
第4部分 實用的BCI基礎(chǔ)設(shè)施：新出現(xiàn)的問題
第16章 BCI軟件平臺 271
16.1 引言 271
16.2 BCI2000 272
16.3 OpenViBE 274
16.4 TOBI 277
16.5 BCILAB 280
16.6 BCI + + 282
16.7 xBCI 284
16.8 BF + + 287
16.9 Pyff 288
16.10 總結(jié) 290
參考文獻 292
第17章 重要問題：報告BCI性能的準(zhǔn)則 297
17.1 引言 297
17.2 性能指標(biāo) 298
17.2.1 混淆矩陣 298
17.2.2 正確率和錯誤率 299
17.2.3 Cohen’s Kappa 300
17.2.4 敏感性和特異性 301
17.2.5 F-測量 301
17.2.6 相關(guān)系數(shù) 302
17.3 分類的重要性 302
17.3.1 隨機分類的理論水平 302
17.3.2 置信區(qū)間 303
17.3.3 總結(jié) 305
17.4 包含時間的性能指標(biāo) 305
17.5 估計離線數(shù)據(jù)的性能指標(biāo) 307
17.5.1 數(shù)據(jù)集操作 307