期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
大规模神经记录的峰电位聚类算法(特邀)
1
作者
徐明亮
李芳媛
+1 位作者
马浩然
何飞
《计算机工程》
CAS
CSCD
北大核心
2024年第6期1-34,共34页
峰电位聚类是指在进行细胞外神经记录时,从神经电极记录中检测、聚类并确认出不同峰电位信号,并以一定的可靠度与假定的不同神经元对应。它是对细胞外神经记录进行预处理分析的基本步骤,也是神经科学中神经解码的首要步骤,更是当前高带...
峰电位聚类是指在进行细胞外神经记录时,从神经电极记录中检测、聚类并确认出不同峰电位信号,并以一定的可靠度与假定的不同神经元对应。它是对细胞外神经记录进行预处理分析的基本步骤,也是神经科学中神经解码的首要步骤,更是当前高带宽脑机接口(BCI)的重要研究方向之一。传统峰电位聚类包括峰电位检测、峰电位对齐、特征提取、特征聚类等步骤。当前,随着神经电极数量和密度不断增加,神经记录的规模呈爆炸式增长,这对峰电位聚类算法的效率和精度提出重大挑战。此外,针对现有峰电位聚类算法特征提取和表征能力不强、信噪比低、信息混叠等问题,各种算法增强方案乃至人工智能和大数据峰电位聚类方案应运而生,极大促进了对大脑复杂原理和工作机制的理解。研究首先概述侵入式BCI、神经编解码与峰电位聚类的相关性,接着阐述了各类峰电位聚类算法的原理和一般过程,并探讨了大脑神经信号与具体行为的映射关系与应用,最后展望了未来神经编解码所面临的挑战和发展趋势。
展开更多
关键词
峰电位聚类
侵入式脑机接口
神经编解码
机器学习
深度学习
在线阅读
下载PDF
职称材料
基于HHT和CSSD的多域融合自适应脑电特征提取方法
被引量：
36
2
作者
李明爱
崔燕
+1 位作者
杨金福
郝冬梅
《电子学报》
EI
CAS
CSCD
北大核心
2013年第12期2479-2486,共8页
为改善运动想象脑电信号特征提取的自适应性和实时性,提出一种基于希尔伯特-黄变换(HHT)与共空域子空间分解算法(CSSD)的特征提取方法(HCSSD).在对脑电信号进行预处理的基础上,定义一种相对距离准则优选脑电极组合;计算脑电的Hilbert瞬...
为改善运动想象脑电信号特征提取的自适应性和实时性,提出一种基于希尔伯特-黄变换(HHT)与共空域子空间分解算法(CSSD)的特征提取方法(HCSSD).在对脑电信号进行预处理的基础上,定义一种相对距离准则优选脑电极组合;计算脑电的Hilbert瞬时能量谱和边际能量谱,以获取脑电的时-频特征,并基于CSSD提取其空域特征,采用串行特征融合策略得到脑电的时-频-空特征;设计学习矢量量化神经网络分类器,实现脑电数据分类.在训练集与测试集间隔一周且减少导联数量的情况下,基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92%.实验结果表明:HCSSD在增强特征提取方法的自适应性、改善实时性的同时,提高了脑电信号识别率,为便携式BCI系统在康复领域的应用创造了条件.
展开更多
关键词
脑机接口
运动想象
希尔伯特-黄变换
共空域子空间分解
特征融合
自适应
brain-computer
interface
(
bci
)
motor
imagery
(MI)
hilbert-huang
transform
(HHT)
common
spatial
sub-space
decomposition
(CSSD
)
在线阅读
下载PDF
职称材料
题名
大规模神经记录的峰电位聚类算法(特邀)
1
作者
徐明亮
李芳媛
马浩然
何飞
机构
中国科学技术大学物理学院
中国科学院上海光学精密机械研究所
中国科学院大学
张江实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第6期1-34,共34页
文摘
峰电位聚类是指在进行细胞外神经记录时,从神经电极记录中检测、聚类并确认出不同峰电位信号,并以一定的可靠度与假定的不同神经元对应。它是对细胞外神经记录进行预处理分析的基本步骤,也是神经科学中神经解码的首要步骤,更是当前高带宽脑机接口(BCI)的重要研究方向之一。传统峰电位聚类包括峰电位检测、峰电位对齐、特征提取、特征聚类等步骤。当前,随着神经电极数量和密度不断增加,神经记录的规模呈爆炸式增长,这对峰电位聚类算法的效率和精度提出重大挑战。此外,针对现有峰电位聚类算法特征提取和表征能力不强、信噪比低、信息混叠等问题,各种算法增强方案乃至人工智能和大数据峰电位聚类方案应运而生,极大促进了对大脑复杂原理和工作机制的理解。研究首先概述侵入式BCI、神经编解码与峰电位聚类的相关性,接着阐述了各类峰电位聚类算法的原理和一般过程,并探讨了大脑神经信号与具体行为的映射关系与应用,最后展望了未来神经编解码所面临的挑战和发展趋势。
关键词
峰电位聚类
侵入式脑机接口
神经编解码
机器学习
深度学习
Keywords
spike sorting
invasive
brain-computer
interface
(
bci
)
neural encoding and decoding
machine learning
deep learning
分类号
TP39 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于HHT和CSSD的多域融合自适应脑电特征提取方法
被引量：
36
2
作者
李明爱
崔燕
杨金福
郝冬梅
机构
北京工业大学电子信息与控制工程学院
北京工业大学生命科学与生物工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2013年第12期2479-2486,共8页
基金
北京市教委项目面上项目(No.KM201110005005)
国家自然科学基金(No.61201362)
+2 种基金
北京市自然科学基金(No.7132021
No.4112011)
北京工业大学基础研究基金(No.X4002011201101)
文摘
为改善运动想象脑电信号特征提取的自适应性和实时性,提出一种基于希尔伯特-黄变换(HHT)与共空域子空间分解算法(CSSD)的特征提取方法(HCSSD).在对脑电信号进行预处理的基础上,定义一种相对距离准则优选脑电极组合;计算脑电的Hilbert瞬时能量谱和边际能量谱,以获取脑电的时-频特征,并基于CSSD提取其空域特征,采用串行特征融合策略得到脑电的时-频-空特征;设计学习矢量量化神经网络分类器,实现脑电数据分类.在训练集与测试集间隔一周且减少导联数量的情况下,基于HCSSD对左手小指和舌头的运动想象ECoG脑电数据的平均识别率为92%.实验结果表明:HCSSD在增强特征提取方法的自适应性、改善实时性的同时,提高了脑电信号识别率,为便携式BCI系统在康复领域的应用创造了条件.
关键词
脑机接口
运动想象
希尔伯特-黄变换
共空域子空间分解
特征融合
自适应
brain-computer
interface
(
bci
)
motor
imagery
(MI)
hilbert-huang
transform
(HHT)
common
spatial
sub-space
decomposition
(CSSD
)
Keywords
feature fusion
adaptivity
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
大规模神经记录的峰电位聚类算法(特邀)
徐明亮
李芳媛
马浩然
何飞
《计算机工程》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
基于HHT和CSSD的多域融合自适应脑电特征提取方法
李明爱
崔燕
杨金福
郝冬梅
《电子学报》
EI
CAS
CSCD
北大核心
2013
36
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
