跨脑信息挖掘及其在脑—机接口中的应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 引言 | 第10-22页 |
| 1.1 神经活动记录工具与神经信息学 | 第10-11页 |
| 1.2 脑电基本知识简介 | 第11-14页 |
| 1.2.1 脑电的生理机制 | 第11页 |
| 1.2.2 脑电的种类 | 第11-12页 |
| 1.2.3 脑电数据的记录 | 第12-13页 |
| 1.2.4 脑电数据的结构 | 第13-14页 |
| 1.3 脑-机接口简介 | 第14-17页 |
| 1.3.1 脑-机接口的定义 | 第14-15页 |
| 1.3.2 脑-机接口的范式 | 第15-17页 |
| 1.3.3 脑-机接口的应用 | 第17页 |
| 1.4 脑-机接口面临的问题和发展趋势 | 第17-19页 |
| 1.4.1 应用范围有待扩展 | 第17-18页 |
| 1.4.2 用户体验有待改善 | 第18-19页 |
| 1.4.3 评估方法有待规范 | 第19页 |
| 1.5 论文的结构和内容 | 第19-22页 |
| 第2章 跨脑信息挖掘与应用的总体思路 | 第22-34页 |
| 2.1 本章引论 | 第22页 |
| 2.2 瞬态诱发电位 | 第22-24页 |
| 2.2.1 瞬态诱发电位信号特点 | 第22-23页 |
| 2.2.2 瞬态诱发电位受试间关系 | 第23-24页 |
| 2.3 稳态诱发电位 | 第24-27页 |
| 2.3.1 稳态视觉诱发电位信号特点 | 第24-26页 |
| 2.3.2 稳态视觉诱发电位受试间关系 | 第26-27页 |
| 2.4 瞬态诱发电位跨脑信息挖掘与应用 | 第27-30页 |
| 2.4.1 瞬态诱发电位跨脑信息整合 | 第27-29页 |
| 2.4.2 瞬态诱发电位脑间相似性信息挖掘 | 第29-30页 |
| 2.5 稳态诱发电位跨脑信息挖掘与应用 | 第30-31页 |
| 2.5.1 稳态诱发电位跨脑信息迁移 | 第30-31页 |
| 2.5.2 稳态诱发电位脑间差异性信息挖掘 | 第31页 |
| 2.6 跨脑信息挖掘中的机器学习方法 | 第31-33页 |
| 2.6.1 跨脑信息整合中的机器学习方法 | 第32页 |
| 2.6.2 跨脑信息迁移中的机器学习方法 | 第32-33页 |
| 2.7 本章小结 | 第33-34页 |
| 第3章 瞬态诱发电位跨脑信息整合 | 第34-54页 |
| 3.1 本章引论 | 第34-35页 |
| 3.2 实验范式与平台 | 第35-38页 |
| 3.2.1 Go/NoGo决策范式 | 第35-36页 |
| 3.2.2 群体脑活动监测平台 | 第36-38页 |
| 3.3 行为学分析 | 第38-39页 |
| 3.4 离线脑电分析 | 第39-45页 |
| 3.4.1 诱发脑电波形 | 第39-40页 |
| 3.4.2 信息提取与整合方法 | 第40-44页 |
| 3.4.3 不同参数下系统性能 | 第44-45页 |
| 3.5 在线系统测试 | 第45-47页 |
| 3.6 受试间差异分析 | 第47-49页 |
| 3.7 分类器更新方法 | 第49-53页 |
| 3.8 讨论 | 第53页 |
| 3.9 本章小结 | 第53-54页 |
| 第4章 瞬态诱发电位脑间相似性信息挖掘 | 第54-69页 |
| 4.1 本章引论 | 第54页 |
| 4.2 数据层面脑间相似性信息挖掘 | 第54-61页 |
| 4.2.1 问题定义 | 第54-55页 |
| 4.2.2 相似感知熵分数方法 | 第55-56页 |
| 4.2.3 实验范式与数据处理 | 第56-58页 |
| 4.2.4 结果与讨论 | 第58-61页 |
| 4.3 模型参数层面脑间相似性信息挖掘 | 第61-68页 |
| 4.3.1 问题定义 | 第61-62页 |
| 4.3.2 多任务学习方法 | 第62-63页 |
| 4.3.3 实验范式与数据处理 | 第63-64页 |
| 4.3.4 结果与讨论 | 第64-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 稳态诱发电位跨脑信息迁移 | 第69-86页 |
| 5.1 本章引论 | 第69-70页 |
| 5.2 方法 | 第70-75页 |
| 5.2.1 标准CCA算法 | 第70-71页 |
| 5.2.2 单导联tt-CCA算法 | 第71-72页 |
| 5.2.3 多导联tt-CCA算法 | 第72-74页 |
| 5.2.4 多导联ott-CCA算法 | 第74-75页 |
| 5.3 实验数据与评估方法 | 第75-77页 |
| 5.3.1 实验范式与数据介绍 | 第75-76页 |
| 5.3.2 评估方法 | 第76-77页 |
| 5.4 实验结果 | 第77-84页 |
| 5.4.1 单导联tt-CCA算法 | 第77-78页 |
| 5.4.2 多导联tt-CCA算法 | 第78-82页 |
| 5.4.3 多导联ott-CCA算法 | 第82-84页 |
| 5.5 讨论 | 第84-85页 |
| 5.6 本章小结 | 第85-86页 |
| 第6章 稳态诱发电位脑间差异性信息挖掘 | 第86-107页 |
| 6.1 本章引论 | 第86页 |
| 6.2 方法 | 第86-95页 |
| 6.2.1 SSVEP范式无训练数据情形 | 第88-90页 |
| 6.2.2 SSVEP范式少量训练数据情形 | 第90-92页 |
| 6.2.3 c-VEP范式少量训练数据情形 | 第92-95页 |
| 6.3 实验数据与评估方法 | 第95-96页 |
| 6.3.1 数据介绍 | 第95-96页 |
| 6.3.2 评估方法 | 第96页 |
| 6.4 实验结果 | 第96-105页 |
| 6.4.1 SSVEP范式无训练数据情形 | 第96-99页 |
| 6.4.2 SSVEP范式少量训练数据情形 | 第99-102页 |
| 6.4.3 c-VEP范式少量训练数据情形 | 第102-105页 |
| 6.5 讨论 | 第105页 |
| 6.6 本章小结 | 第105-107页 |
| 第7章 在线脑-机接口信息传输率的估计问题 | 第107-120页 |
| 7.1 本章引论 | 第107-108页 |
| 7.2 基于WOLPAW定义的ITR的计算 | 第108-110页 |
| 7.2.1 同步BCI系统 | 第109页 |
| 7.2.2 异步BCI系统 | 第109页 |
| 7.2.3 特别种类的BCI系统 | 第109-110页 |
| 7.3 在线同步BCI系统参数估计指导原则 | 第110-115页 |
| 7.3.1 误差分析 | 第111-112页 |
| 7.3.2 估计P | 第112-114页 |
| 7.3.3 估计T | 第114页 |
| 7.3.4 估计N | 第114页 |
| 7.3.5 受试 | 第114-115页 |
| 7.4 在线BCI系统性能测试平台 | 第115-118页 |
| 7.4.1 测试平台的必要性 | 第115页 |
| 7.4.2 测试平台简介 | 第115-116页 |
| 7.4.3 测试平台打字任务 | 第116-118页 |
| 7.5 讨论 | 第118-119页 |
| 7.5.1 ITR的客观认识 | 第118页 |
| 7.5.2 BCI的全面评估 | 第118页 |
| 7.5.3 平台的实用价值 | 第118-119页 |
| 7.6 本章小结 | 第119-120页 |
| 第8章 总结与展望 | 第120-124页 |
| 8.1 论文的主要工作成果 | 第120-122页 |
| 8.2 论文的创新点 | 第122页 |
| 8.3 跨脑信息挖掘与应用研究展望 | 第122-124页 |
| 参考文献 | 第124-135页 |
| 致谢 | 第135-137页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第137-138页 |
