×
李新阳;张海红;关国泰;王森亨;Ang，Kai Keng先生;潘耀章

运动图像脑电分析中传播和空间模式的判别学习。 （英语） Zbl 1448.92112号

神经计算。 25，第10号，2709-2733（2013）.
小结：有效学习和恢复相关源脑活动模式是头皮脑电图脑机接口面临的主要挑战。已经开发了各种空间滤波解决方案。目前大多数方法都是在假设源信号不相关的情况下估计瞬时分层。然而，神经科学的最新证据表明，多个大脑区域相互合作，尤其是在运动想象期间，运动想象是大脑与计算机接口的主要大脑活动方式。从这个意义上说，假设信源不相关的方法变得不准确。因此，我们正在推广一种新的方法，既考虑体积传导效应，又考虑多个大脑区域之间的信号传播。具体来说，我们提出了一种新的鉴别算法，用于传播和空间模式的联合学习，并使用迭代优化解。为了验证新方法的有效性，我们对16名健康受试者进行了实验，并对运动图像脑机接口中的EEG分类算法进行了数值分析。广泛分析的结果验证了新方法的有效性，具有较高的统计意义。

MSC公司：

92 C55 生物医学成像和信号处理

软件：

ARfit公司
PDF格式BibTeX公司 XML格式引用
\textit{X.Li}等人，《神经计算》。25，第10号，2709--2733（2013；Zbl 1448.92112）
全文： DOI程序

参考文献：

[1] Ang，K.K.、Chin，Z.Y.、Wang，C.、Guan，C.和Zhang，H.（2012）。在BCI竞争IV数据集2a和2b上过滤银行公共空间模式算法。神经科学前沿，6（39）。
[2] Ang，K.K.，Chin，Z.Y.，Zhang，H.，&Guan，C.（2008）。脑机接口中的滤波器组公共空间模式（FBCSP）。《IEEE神经网络和计算智能国际联合会议论文集》（第2390-2397页）。新泽西州皮斯卡塔韦：IEEE。
[3] Ang，K.K.，Chin，Z.Y.，Zhang，H.，&Guan，C.（2012）。基于脑电的脑机接口单次试验最佳时空模式的相互信息选择。模式识别，45（6），2137-2144·Zbl 1234.68351号
[4] Arvaneh，M.、Guan，C.、Ang，K.K.和Quek，C.（2011年）。优化基于EEG的BCI中的信道选择和分类精度。IEEE生物医学工程学报，58（6），1865-1873，
[5] Arvaneh，M.、Guan，C.、Ang，K.K.和Quek，C.（2013a）。脑电数据空间自适应以减少脑-计算机接口中的会话间非平稳性。神经计算，25，2146-2171·Zbl 1448.92109号
[6] Arvaneh，M.、Guan，C.、Ang，K.K.和Quek，C.（2013b）。通过最小化基于EEG的BCI中的类内差异来优化空间滤波器。IEEE神经网络和学习系统汇刊，24（4），610-619，
[7] Astolfi，L.、Cincotti，F.、Mattia，D.、de Vico Fallani，F.，Salinari，S.、Ursino，M.和Babiloni，F.（2006）。肢体运动意向期间皮层连接模式的估计。IEEE医学与生物工程杂志，25（4），32-38，
[8] Baccala，L.A.和Sameshima，K.（2001）。部分定向相干：神经结构测定中的一个新概念。生物控制论，84，463-474·Zbl 1160.92306号
[9] Bahramisharif，A.，van Gerven，M.A.J.，Schoffelen，J.M.，Ghahramani，Z.，&Heskes，T.（2012）。动态波束形成器。神经成像中的机器学习和解释。G.Langs、I.Rish、M.Grosse-Wentrup和B.Murphy（编辑），《计算机科学讲义》（第7263卷，第148-155页）。柏林：斯普林格。
[10] Bamddian，A.、Guan，C.、Ang，K.K.和Xu，J.（2012）。基于运动图像的BCI中基于kl距离加权的在线半监督学习。《2012年IEEE医学和生物学会工程国际年会论文集》（第2732-2735页）。新泽西州皮斯卡塔韦：IEEE，
[11] Blankertz，B.、Tomika，R.、Lemm，S.、Kawanabe，M.和Muller，K.R.（2008年）。优化空间滤波器以进行稳健的EEG单次试验分析。IEEE信号处理杂志，25（1），41-56，
[12] Chen，H.，Yang，Q.，Liao，W.，Gong，Q.&Shen，S.（2009）。使用格兰杰因果图评估运动想象期间辅助运动区的有效连通性。《神经影像》，47（4），1844-1853，
[13] Dornhege，G.、Blankertz，B.、Krauledat，M.、Losch，F.、Curio，G.和Muller，K.-R（2006）。空间和时间滤波器的组合优化，以改进脑-计算机接口。IEEE生物医学工程汇刊，53（11），2274-2281，
[14] Dyrholm，M.、Makeig，S.和Hansen，L.K.（2007年）。用于EEG时空分析的卷积ICA。神经计算，1934-955·Zbl 1210.94033号
[15] Ewald，A.、Marzetti，L.、Zappasodi，F.、Meinecke，F.C.和Nolte，G.（2012）。从EEG/MEG数据估计真实的大脑连接，该数据对传感器空间中的线性和静态变换不变。神经影像，60（1），476-488，
[16] Formaggio，E.、Storti，S.F.、Cerini，R.、Fiaschi，A.和Manganotti，P.（2010年）。EEG-fMRI联合记录运动成像期间的脑振荡活动。磁共振成像，28（10），1403-1412，
[17] Gerkinga，J.M.、Pfurtscheller，G.和Flyvbjergc，H.（1999）。为运动任务中的单次EEG分类设计最优空间滤波器。临床神经生理学，110，787-798，
[18] Ginter，J.Jr.、Blinowska，K.J.、Kaminski，M.和Durka，P.J.（2001）。时频空间应用于手指自主运动的相位和振幅分析。神经科学方法杂志，110（1-2），113-124，
[19] Gomez-Herrero，G.、Atienza，M.、Egiazarian，K.和Cantero，J.L.（2008）。测量EEG源之间的方向耦合。《神经影像》，43（3），497-508，
[20] Grosse-Wentrup，M.（2009年）。在运动图像中理解大脑连接模式，以便进行脑-计算机接口。D.Koller、D.Schuurmans、Y.Bengio和L.Bottou（编辑），《神经信息处理系统的进展》，21（第561-568页）。马萨诸塞州剑桥：麻省理工学院出版社。
[21] Guler，I.、Kiymik，M.K.、Akin，M.和Alkan，A.（2001年）。利用最大似然估计对脑电信号进行AR谱分析。生物与医学计算机，31（6），441-450，
[22] Gysels，E.和Celka，P.（2007）。脑-机接口中识别脑力任务的相位同步。IEEE修复工程学报，12（4），406-415。
[23] Haufe，S.、Tomioka，R.、Nolte，G.、Muller，K.-R.和Kawanabe，M.（2010年）。为EEG/MEG建立底层脑源之间的稀疏连接模型。IEEE生物医学工程学报，57（8），1954-1963，
[24] Jeannerod，M.（1995年）。运动情境中的心理意象。《神经心理学》，第33期，第1419-1432页，
[25] Kaminski，M.和Blinowska，K.（1991年）。描述大脑结构中信息流的一种新方法。生物控制论，65，203-210·兹比尔0734.92003
[26] Kaminski，M.、Ding，M.，Truccolo，W.A.和Bressle，S.（2001）。评估神经系统中的因果关系：格兰杰因果关系、定向传递函数和显著性的统计评估。《生物控制论》，85145-157·Zbl 1160.92314号
[27] Koles，Z.J.（1991）。临床脑电图异常成分的定量提取和拓扑映射。脑电图和临床神经生理学，79440-447，
[28] Kus，R.、Kaminski，M.和Blinowska，K.J.（2004）。EEG活动传播的测定：成对与多通道估计。IEEE生物医学工程学报，51（9），1501-1510，
[29] Lemm，S.、Blankertz，B.、Curio，G.和Muller，K.-R.（2005年）。改进单次试验脑电图分类的空间谱滤波器。IEEE生物医学工程学报，52（9），1541-1548，
[30] Li，Y.，&Guan，C.（2006）。一种扩展的EM算法，用于脑-计算机接口中的联合特征提取和分类。神经计算，182730-2761·Zbl 1109.92024号
[31] Llera，A.、Gomez，V.和Kappen，H.J.（2012）。使用增强信号对脑-计算机接口进行自适应分类。神经计算，242900-2923·Zbl 1268.92081号
[32] Lo，A.C.、Guarino，P.D.、Richards，L.G.、Haselkorn，J.K.、Wittenberg，G.F.、Federman，D.G.和Peduzzi，P.（2010年）。卒中后长期上肢损伤的机器人辅助治疗。《新英格兰医学杂志》，3621772-1783，
[33] Mörup，M.、Madsen，K.H.和Hansen，L.K.（2009年）。神经影像数据的潜在因果模型。在NIPS神经成像连通性推断研讨会上。
[34] Pfurtscheller，G.、Brunner，C.、Schlogl，A.和da Silva，F.H.L.（2006）。不同运动想象任务的Mu节律（去）同步和EEG单次试验分类。《神经影像》，31（1），153-159，
[35] Ramoser，H.、Muller-Gerking，J.和Pfurtscheller，G.（2000）。假想手运动时单次脑电信号的最优空间滤波。IEEE修复工程学报，8（4），441-446，
[36] Schlogl，A.和Supp，G.（2006年）。用多元自回归参数分析事件相关脑电图数据。脑研究进展，159，135-147，
[37] Schneider，T.和Neumaier，A.（2001年）。算法808:Arfit——用于估计多元自回归模型参数和特征模式的Matlab包。ACM数学软件汇刊（TOMS），6，58-65·Zbl 1070.65504号
[38] Stavrinou，M.、Moraru，L.、Cimponeriu，L..、Stefania，P.D.和Bezerianos，A.（2007年）。在真实和想象的有节奏的手指敲击过程中对皮层连接的评估。脑地形图，19（3），137-145，
[39] Thomas，K.P.、Guan，C.、Lau，C.T.、Vinod，A.P.和Ang，K.K.（2009）。一种用于运动图像脑机接口的新的判别性通用空间模式方法。IEEE生物医学工程学报，56（11），2730-2733，
[40] Vidaurre，C.、Sannelli，C.、Muller，K.-R.和Blankertz，B.（2011年）。基于机器学习的脑-计算机接口自适应校准。神经计算，23，791-816·Zbl 1208.92016年9月
[41] Wei，Q.，Wang，Y.，Gao，X.，&Gao，S.（2007）。基于EEG的脑-计算机接口中特征提取的振幅和相位耦合测量。神经工程杂志，4120-129，
[42] Xu，L.、Stoica，P.、Li，J.、Bressler，S.L.、Shao，X.和Ding，M.（2009）。Aseo：一种同时估计单次试验事件相关电位和持续脑活动的方法。IEEE生物医学工程学报，56（1），111-121，
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。