P300范式调研
传统的视觉 P300 电位刺激范式下,拼写器允许受试者通过闪烁不同的行和列来选择目标,但没有考虑两个相邻符号连续闪烁对结果的影响。
近年有大量研究针对 P300 电位刺激范式的拼写界面布局开展优化工作,有效消除了相邻符号闪烁带来的影响。
•一些研究发现面部符号可以比传统 P300 字符拼写范式诱导更高的 P300 电位。因此许多研究尝试用人脸图像代替数字或字母符号,使每个符号在以一定频率闪烁时都会变成人脸图像,而不是简单的颜色或大小变化,实现了 P300 电位刺激范式的解码性能提升。
•在视觉 P300 电位刺激范式中添加其他形式的物理刺激可以提高使用者的表现,例如使用偏光镜增强刺激、基于积极情绪的视听组合刺激、引入声音和视频刺激等方式。
Farwell-Donchin Paradigm (FD-Speller)
刺激界面
刺激流程
Main
经典的行列选择范式
相关参数:
ISI–从某一行或某一列闪烁开始到下一行或下一列闪烁开始的时间;
ITI–从一次试验(6 行或 ...
A novel hybrid BCI speller based on the incorporation of SSVEP into the P300 paradigm
结合SSVEP与P300的混合BCI
1 示意图
1.1使用6个不同的频率,结合P300后实现了36个目标
1.2 可以结合的原因:
两者都产生自视觉刺激
没有心理任务,使用时无额外负担
响应特征不同(时域和频域)
2 实验设计
2.1 数据采集
采集10个通道的数据,Fz, Cz, Pz, P3, P4, Oz, O1, O2, PO7 and PO8, referenced to P8 and grounded to Fpz.
For P300 detection, only the Fz, Cz, Pz, P3, P4 and Oz channels were considered
For SSVEP detection,the Oz, O1, O2, POz, PO7 and PO8 channels were considered
2.2 实验流程
随机闪光的刺激起始异步性(SOA)为240毫秒,这意味着每行和每列闪光都被突出显示120毫秒,闪光之间有120毫秒的延迟。一项试验被定义为一个完整的闪光周期,其中所有行和列都闪光一次(12次),总共发生2.88秒 ...
ThoughtViz: Visualizing Human Thoughts Using Generative Adversarial Network
1. 摘要
对人脑信号的研究一直受到科学界的高度关注。例如,在脑计算机接口(BCI)研究中,大脑信号与特定任务(如思考某事)相关的变化被检测出来并用于控制机器。从大脑信号中提取时空线索来对人的思维状态进行分类是一条已经探索过的道路,而对大脑状态进行解码和可视化则是新的和未来的研究方向。沿着后一个方向,我们在本文中提出了一种不仅能读心,还能解码和可视化人类思想的方法。更具体地说,我们通过脑电图(EEG)分析受试者在思考数字、字符或物体时的大脑活动,并以可视化的方式合成思维项目。为了实现这一目标,我们利用对抗学习的最新进展,设计了一个有条件的生成对抗网络(GAN),将编码的脑电信号作为输入,生成相应的图像。此外,由于收集大量脑电信号并非易事,我们的 GAN 模型允许使用有限的训练数据来学习分布。在三个不同的数据集(多个受试者思考数字、字符和物体的大脑信号)上进行的性能分析表明,我们的方法能够有效地根据人的想法生成图像。它们还表明,脑电信号明确编码了来自思维的线索,可有效用于生成语义相关的可视化图像。
2. 引言
一个难以实现的目标依然存在,那就是应用深度学习来理解和解释人类大脑的内部运作 ...
基于稳态视觉诱发电位触发脑机界面功能电刺激的闪烁动作视频的康复动作观察游戏开发
背景:
这项研究的重点是制定上肢康复计划。为此,设计了一种基于稳态视觉诱发电位(SSVEP)触发脑机接口(BCI)-功能电刺激(FES)的动作观察游戏,其中包含闪烁的动作视频。
脑卒中是神经系统功能障碍和身体活动受限的主要原因[1]。既往关于运动恢复的研究表明,恢复最快的时间发生在脑卒中后的最初几周[2]。一些临床实验表明,重复性康复锻炼,如“坐下并站起来坐在椅子上”和“用球进行手臂锻炼”对于脑卒中患者的运动学习和恢复至关重要[3,4,5]。 此外,康复治疗往往侧重于恢复失去的运动功能。然而,患有严重运动障碍的患者难以进行重复的康复锻炼。
基于镜像神经元系统(MNS)激活的治疗可以促进严重残疾患者的大脑可塑性[6,7,8,9]。 MNS是一种与理解和模仿他人行为的能力相关的神经机制[10,11,12,13,14]。 具体来说,当观察到一个动作时,镜像神经元激活似乎会诱导类似于运动皮层实际运动的反应[9,15]。MNS的激活表现为抑制感觉运动皮层中的Mu带(8至13Hz)[16,17,18,19,20,21]。Mu抑制是由感觉运动皮层中的细胞在动作观察,运动和成像过程中的不同步产生的[1 ...
Matplotlib技巧
1. 设置图片尺寸
def use_svg_display():
# 用矢量图显示
display.set_matplotlib_formats('svg')
def set_figsize(figsize=(3.5, 2.5)):
use_svg_display()
# 设置图的尺寸
plt.rcParams['figure.figsize'] = figsize
2. 去除警告
import warnings
warnings.filterwarnings("ignore")
基于SSVEP的脑机接口控制软体机械手套,用于中风后手部功能康复
文章链接
基于运动想象(MI)的BCI结合机器辅助设备已被证明是一种有效的神经康复工具,可改善卒中后手部功能。缺点是MI-BCI的用户通常需要接受长期培训,且在一开始效果不好。
为提高性能,提出了基于稳态视觉诱发电位(SSVEP)的BCI,用于检测用户意图,以触发软性机器人手套,进行卒中后手部功能康复。
1. INTRODUCTION
STROKE是全球最常见的、导致残疾的疾病,也是导致残疾的主要原因之一。手部功能障碍是卒中幸存者中严重的运动功能障碍,导致操纵能力受损,对生活独立性和日常生活活动产生巨大影响。
MI基于BCI(MI-BCI)的用户被要求在没有实际动作的情况下想象身体运动,通常是手部或脚部运动的想象。在这种运动想象过程中,运动皮层可以生成相应的脑电图(EEG)活动。运动意图可以通过事件相关去同步(ERD)和事件相关同步(ERS)模式来分类。MI-BCI的用户需要接受长时间的训练,而通常在开始阶段会遭遇不成功和不满意的结果。因此,MI-BCI策略的训练需要大量时间,并且由于对训练策略的解释差异,卒中患者的训练结果各不相同。因此,以前的MI-BCI临床研究通常排除了 ...
hexo问题合集
1. fatal 443
将deploy时,无法连接github
解决方法:修改配置文件_config.yml
# Deployment
## Docs: https://hexo.io/docs/one-command-deployment
deploy:
type: 'git'
# repo: 'https://github.com/1iuke/1iuke.github.io.git' //old
repository: git@github.com:1iuke/1iuke.github.io.git //new
branch: master
UnityShader-动画
1. Unity Shader的内置时间变量
unity手册
1.1 序列帧动画
序列帧动画的精髓在于,我们需要在每个时刻计算该时刻下应该播放的关键帧的位置,并对该关键桢进行纹理采样。
Shader "Unity Shaders Book/Chapter 11/Image Sequence Animation" {
Properties {
_Color ("Color Tint", Color) = (1, 1, 1, 1)
_MainTex ("Image Sequence", 2D) = "white" {} //上图的纹理,包含8*8的帧图像
_HorizontalAmount ("Horizontal Amount", Float) = 4 //水平纹理数
_VerticalAmount ("Vertical Amount", Float) = 4 //垂直纹理数
_Spee ...
UnityShader-基础纹理
1.
Shader "Unity Shaders Book/Chapter 7/Single Texture" {
Properties {
_Color ("Color Tint", Color) = (1, 1, 1, 1) // 物体颜色
_MainTex ("Main Tex", 2D) = "white" {} // 纹理
_Specular ("Specular", Color) = (1, 1, 1, 1) //高光反射颜色
_Gloss ("Gloss", Range(8.0, 256)) = 20 //高光反射强度
}
SubShader {
Pass {
Tags { "LightMode"="ForwardBase" } //定义该pass在光照流水线中的角色
CGPR ...
UnityShader-基础光照
1. Unity的基础光照
1.1 基础
光线由光源发出后,会与物体相交:散射和吸收。
着色(shading)指的是,根据材质属性(如漫反射属性等)、光源信息(如光源方向、辐照度等),使用一个等式去计算沿某个观察方向的出射度的过程。我们也把这个等式称为光照模型(Lighting Model)。
1.2 标准光照模型
进入摄像机的光线分为四个部分
自发光(emissive)
高光反射(specular)
漫反射(diffuse)
环境光(ambient)
1.2.1 环境光
在标准光照模型中,环境光是一个全局变量。
$$
c_{ambient} = g_{ambient}
$$
1.2.2 自发光
光线由光源直接进入摄像机,不需要物体的反射。计算时直接使用该材质的自发光颜色。
$$
c_{emissive} = m_{emissive}
$$
1.2.3 漫反射
漫反射符合兰伯特定律(Lambert‘s Law): 反射光线的强度与光源方向的夹角的余弦值成正比。
$$
c_{diffuse} = (c_{light}.m_{diffuse})max(0,n.I)
$$
其中,$n$是 ...