面向实用的脑-机接口--缩小研究与实际应用之间的差距

目录译者序前言第1章 BCI现状及进展：概述、分析和建议 11.1 引言 11.2 本书概述 21.2.1 第1部分概述 31.2.2 第2部分概述 41.2.3 第3部分概述 51.2.4 第4部分概述 61.3 预测和建议 71.4 总结 10参考文献 11第1部分 传感器、信号和信号处理第2章 混合光-电BCI：实践和可能性 152.1 引言 152.2 EEG与fNIRS的基本生理起源 152.2.1 脑电的起源 152.2.2 fNIRS响应的起源 162.3 信号模型 242.3.1 血管响应建模 242.3.2 分光光度转换 262.3.3 合成信号的生成 272.4 公开（外显）的和想象（内隐）的运动任务期间EEG-fNIRS联合测量 282.4.1 fNIRS/EEG传感器 292.4.2 实验描述 292.4.3 信号处理 302.4.4 结果 312.5 结论 32参考文献 33第3章 BCI中的组合分类技术 363.1 引言 363.2 理论背景 373.2.1 模式识别方法：组合的定义和背景 373.2.2 融合的模式识别视角 383.2.3 为组合的优势打下扎实的基础 403.3 组合和融合的层次 413.3.1 特征级联 413.3.2 分类级联 423.3.3 分类融合 423.3.4 决策融合 443.4 组合的类型 453.4.1 分类器组合 453.4.2 堆叠式组合 453.4.3 多导联组合 453.4.4 多模态组合 463.5 重采样策略 463.5.1 数据集划分 473.5.2 特征空间划分 493.5.3 信号分割 503.6 融合算子 503.6.1 基于样本的融合 513.6.2 时域融合算子 523.7 总结组合所得的结果 523.8 结论 54参考文献 55第4章 采用独立成分分析提升BCI性能 594.1 引言 594.2 ICA在EEG信号处理中的应用 594.3 ICA在BCI系统中的应用 614.3.1 伪迹剔除 624.3.2 提高任务相关脑电信号的信噪比 634.3.3 选择电极 654.4 基于ICA的零训练BCI 664.4.1 实验和数据记录 674.4.2 方法 684.4.3 结果 694.5 讨论和总结 71参考文献 72第5章 皮层脑电（ECoG）电极在BCI应用中的长期使用 755.1 引言：从术前诊断到运动解码 755.2 ECoG电极的方法和技术 775.3 用于BCI的ECoG信号 805.4 用于BCI的多通道ECoG阵列 815.4.1 激光加工电极的制造 825.4.2 **个研究的生物评价/结果 855.5 可长期植入的无线系统 86参考文献 89第2部分 设备、应用和用户第6章 设备、应用和用户介绍：基于共享控制技术的实用BCI 956.1 引言 956.2 当前和新兴的用户群体 966.3 BCI设备和应用场景 976.3.1 通信和控制 976.3.2 运动替代：恢复抓取功能 986.3.3 娱乐和游戏 1006.3.4 运动康复与运动恢复 1006.3.5 心理状态监测 1016.3.6 混合BCI 1016.4 基于共享控制技术的实用BCI：面向移动性控制 1026.4.1 运动残疾患者控制的临场感遥操作机器人 1036.4.2 BCI控制轮椅 1046.5 利用EEG错误电位实现手势识别系统的自适应 1066.6 结论 108参考文献 109第7章 BCI在手部运动功能康复中的应用 1177.1 引言 1177.2 脊髓损伤患者手部运动功能的康复：脑控神经假肢 1187.2.1 上肢的功能性电刺激 1187.2.2 BCI与FES技术相结合 1217.3 脑卒中后手部运动功能的康复：基于BCI的附加干预 1237.3.1 BCI在脑卒中康复中的应用：*新进展 1247.3.2 FES在脑卒中上肢康复中的应用 1267.3.3 BCI与FES技术相结合在康复临床中的应用：一种整合方法 1267.4 结论与展望 130参考文献 131第8章 以用户为中心的BCI研发设计 1388.1 基于技术的残疾人辅助解决方案 1388.1.1 理解和界定残疾 1388.1.2 辅助技术和BCI 1398.2 以用户为中心的BCI研发方案 1418.2.1 以用户为中心的设计原则 1418.2.2 在BCI研究中与*终用户合作 1428.3 BCI支持或替换现有AT解决方案 1488.4 结论 150参考文献 150第9章 设计未来BCI：超越比特率 1559.1 引言 1559.2 BCI的控制特性 1559.2.1 BCI范式的特定问题 1569.2.2 克服BCI局限性的方法 1579.3 BCI从可用性研究到神经工效学优化 1589.3.1 ERP相关决定因素的现有文献 1589.3.2 美学、互动隐喻、可用性和性能 1629.4 共享控制 1639.5 创建有效的应用结构：三级任务 1659.5.1 低层级：BCI控制信号 1659.5.2 中间层级：应用 1669.5.3 高层级：用户 1669.6 吸引终端用户与期望的作用 1669.7 研究交互：原型和仿真 1679.7.1 展示用户需求的低保真原型 1689.7.2 面向设计与开发的高保真模拟 1699.8 结论 171参考文献 172第10章 BCI与虚拟现实相结合：面向新的应用和改进的BCI 17710.1 引言 17710.2 VR和BCI控制的基本原理 17810.2.1 VR的定义 17810.2.2 基于BCI的VR应用的总体架构 17910.3 BCI控制的VR应用评述 18110.3.1 运动想象控制的VR环境 18110.3.2 基于SSVEP的VR/AR环境 18610.3.3 基于P300的VR控制 18910.4 VR对BCI的影响 19110.5 结论 193参考文献 194第3部分 应用接口和环境第11章 BCI与用户体验评价 20111.1 引言 20111.2 BCI用户体验评价的现状 20211.2.1 用户体验影响BCI 20211.2.2 BCI影响用户体验 20311.3 将HCI用户体验评价应用于BCI 20311.3.1 观测分析 20411.3.2 神经生理测量 20511.3.3 访谈和问卷调查 20511.3.4 其他方法 20611.4 案例研究 20611.4.1 案例研究：意识控制羊 20711.4.2 案例：仓鼠实验室 20811.5 讨论和结论 210参考文献 211第12章 多模态交互和多任务环境下的BCI框架 21412.1 引言 21412.2 在双重任务环境中使用BCI面临的挑战 21512.3 组合BCI 21912.4 在多模态用户接口中集成BCI：相关问题 22012.5 讨论和结论 221参考文献 222第13章 脑电激活的人机交互及应用 22513.1 引言 22513.2 脑状态识别算法和系统 22613.2.1 医疗应用的神经反馈系统 22613.2.2 神经反馈系统的信号处理算法 22713.2.3 神经反馈系统用于增强效能 22713.2.4 情感识别算法 22813.3 时空分形方法 23013.3.1 用于可视化分析的脑电三维映射 23013.3.2 基于分形的方法 23113.3.3 实时脑状态识别 23213.3.4 特征提取 23213.4 实时脑电激活的应用 23313.4.1 神经反馈训练系统 23413.4.2 基于实时脑电的情感监测与识别 23413.5 结论 236参考文献 237第14章 视觉诱发电位的相位检测在BCI中的应用 24014.1 引言 24014.2 信号处理和模式识别方法 24114.2.1 空间滤波 24214.2.2 相位同步分析 24314.3 实验证据 24314.3.1 *佳刺激频率 24414.3.2 BCI操作的标定 24614.3.3 BCI操作和信息传输速率 24614.4 讨论和结论 248参考文献 248第15章 干电极脑电传感器能否提高基于SMR、P300和SSVEP的BCI的可用性 25015.1 BCI研究的动机 25015.2 方法 25315.3 实验设置 25415.4 P300的BCI 25515.5 运动想象 25515.6 SSVEP的BCI 25615.7 结果 25615.8 P300实验范式 25715.9 运动想象的干电极 25915.10 SSVEP训练 26415.11 讨论 265参考文献 267第4部分 实用的BCI基础设施：新出现的问题第16章 BCI软件平台 27116.1 引言 27116.2 BCI2000 27216.3 OpenViBE 27416.4 TOBI 27716.5 BCILAB 28016.6 BCI + + 28216.7 xBCI 28416.8 BF + + 28716.9 Pyff 28816.10 总结 290参考文献 292第17章 重要问题：报告BCI性能的准则 29717.1 引言 29717.2 性能指标 29817.2.1 混淆矩阵 29817.2.2 正确率和错误率 29917.2.3 Cohen's Kappa 30017.2.4 敏感性和特异性 30117.2.5 F-测量 30117.2.6 相关系数 30217.3 分类的重要性 30217.3.1 随机分类的理论水平 30217.3.2 置信区间 30317.3.3 总结 30517.4 包含时间的性能指标 30517.5 估计离线数据的性能指标 30717.5.1 数据集操作 30717.5.2 注意事项 30817.6 假设检验 30817.6.1 学生t检验与方差分析 30917.6.2 重复测量 30917.6.3 多重比较 31017.6.4 报告结果 31117.7 结论 311参考文献 312第18章 混合BCI的原理 31718.1 引言 31718.2 基于两种不同EEG BCI的hBCI 31818.2.1 基于ERD和诱发电位的BCI 31818.2.2 基于运动想象和SSVEP相结合的BCI控制2自由度人工上肢 31918.3 基于EEG BCI和非EEG BCI的hBCI 32018.4 基于EEG BCI和其他生物信号的hBCI 32318.4.1 心率变化用于SSVEP-BCI的电源开/关 32318.4.2 大脑活动与肌肉活动的融合 32418.5 基于EEG BCI和EEG监测的hBCI 32718.6 基于EEG BCI和其他信号的hBCI 32818.7 展望：基于EEG BCI、EEG监测和其他生物信号的hBCI 33018.8 结论与未来工作 331参考文献 332第19章 非视觉和多感觉BCI系统：现状和未来 33619.1 引言 33619.2 基于P300的BCI系统 33719.2.1 P300矩阵拼写器 33719.2.2 超越“矩阵”布局范式：其他Oddball范式 33819.2.3 基于触觉P300的BCI 33919.3 基于稳态诱发响应的BCI 33919.3.1 听觉稳态响应 33919.3.2 触觉稳态响应 34019.4 用皮层慢电位控制BCI 34119.5 感觉运动节律和不同的心理任务 34119.5.1 运动想象的可听化 34219.5.2 运动想象的体感反馈 34219.5.3 基于音乐和节奏想象的BCI 34319.5.4 基于语音的BCI 34419.5.5 概念性BCI 34419.6 多感觉BCI研究的新方向 34519.6.1 视觉P300 BCI与其他模态相结合 34619.6.2 视觉SSVEP-BCI与其他模态相结合 34619.6.3 视觉反馈与其他模态相结合 34719.6.4 心理任务和多感觉反馈 34719.7 总结 347参考文献 348第20章 用BioGauges工具集表征BCI的控制 35320.1 引言 35320.2 BCI使用的关键因素 35320.3 表征BCI系统的特征 35620.3.1 BioGauges与可控性 35620.3.2 转换器分类 35720.3.3 BioGauges实验系统 35820.3.4 分析方法 36020.3.5 验证 36120.4 结论与展望 362参考文献 362后记 366彩图