书籍详情
面向实用的脑-机接口：缩小研究与实际应用之间的差距
作者：[奥] 布伦丹Z·艾利森 等 著，伏云发 等 译
出版社：科学出版社
出版时间：2022-08-01
ISBN：9787030726216
定价：¥248.00
购买这本书可以去
内容简介
《面向实用的脑-机接口——缩小研究与实际应用之间的差距》是脑-机接口（BCI）的经典著作，旨在缩小BCI研究与实际应用之间的差距，推动BCI技术走出实验室，走向实际应用。主要介绍和论述实用化BCI传感器及其信号处理，实用化BCI的设备、应用及用户群体，BCI实际应用接口和环境，实用化BCI基础设施建设中新出现的问题。
作者简介
暂缺《面向实用的脑-机接口：缩小研究与实际应用之间的差距》作者简介
目录
目录
译者序
前言
第1章 BCI现状及进展：概述、分析和建议 1
1.1 引言 1
1.2 本书概述 2
1.2.1 第1部分概述 3
1.2.2 第2部分概述 4
1.2.3 第3部分概述 5
1.2.4 第4部分概述 6
1.3 预测和建议 7
1.4 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 15
2.1 引言 15
2.2 EEG与fNIRS的基本生理起源 15
2.2.1 脑电的起源 15
2.2.2 fNIRS响应的起源 16
2.3 信号模型 24
2.3.1 血管响应建模 24
2.3.2 分光光度转换 26
2.3.3 合成信号的生成 27
2.4 公开（外显）的和想象（内隐）的运动任务期间EEG-fNIRS联合测量 28
2.4.1 fNIRS/EEG传感器 29
2.4.2 实验描述 29
2.4.3 信号处理 30
2.4.4 结果 31
2.5 结论 32
参考文献 33
第3章 BCI中的组合分类技术 36
3.1 引言 36
3.2 理论背景 37
3.2.1 模式识别方法：组合的定义和背景 37
3.2.2 融合的模式识别视角 38
3.2.3 为组合的优势打下扎实的基础 40
3.3 组合和融合的层次 41
3.3.1 特征级联 41
3.3.2 分类级联 42
3.3.3 分类融合 42
3.3.4 决策融合 44
3.4 组合的类型 45
3.4.1 分类器组合 45
3.4.2 堆叠式组合 45
3.4.3 多导联组合 45
3.4.4 多模态组合 46
3.5 重采样策略 46
3.5.1 数据集划分 47
3.5.2 特征空间划分 49
3.5.3 信号分割 50
3.6 融合算子 50
3.6.1 基于样本的融合 51
3.6.2 时域融合算子 52
3.7 总结组合所得的结果 52
3.8 结论 54
参考文献 55
第4章 采用独立成分分析提升BCI性能 59
4.1 引言 59
4.2 ICA在EEG信号处理中的应用 59
4.3 ICA在BCI系统中的应用 61
4.3.1 伪迹剔除 62
4.3.2 提高任务相关脑电信号的信噪比 63
4.3.3 选择电极 65
4.4 基于ICA的零训练BCI 66
4.4.1 实验和数据记录 67
4.4.2 方法 68
4.4.3 结果 69
4.5 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 75
5.1 引言：从术前诊断到运动解码 75
5.2 ECoG电极的方法和技术 77
5.3 用于BCI的ECoG信号 80
5.4 用于BCI的多通道ECoG阵列 81
5.4.1 激光加工电极的制造 82
5.4.2 第一个研究的生物评价/结果 85
5.5 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 95
6.1 引言 95
6.2 当前和新兴的用户群体 96
6.3 BCI设备和应用场景 97
6.3.1 通信和控制 97
6.3.2 运动替代：恢复抓取功能 98
6.3.3 娱乐和游戏 100
6.3.4 运动康复与运动恢复 100
6.3.5 心理状态监测 101
6.3.6 混合BCI 101
6.4 基于共享控制技术的实用BCI：面向移动性控制 102
6.4.1 运动残疾患者控制的临场感遥操作机器人 103
6.4.2 BCI控制轮椅 104
6.5 利用EEG错误电位实现手势识别系统的自适应 106
6.6 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 117
7.1 引言 117
7.2 脊髓损伤患者手部运动功能的康复：脑控神经假肢 118
7.2.1 上肢的功能性电刺激 118
7.2.2 BCI与FES技术相结合 121
7.3 脑卒中后手部运动功能的康复：基于BCI的附加干预 123
7.3.1 BCI在脑卒中康复中的应用：*新进展 124
7.3.2 FES在脑卒中上肢康复中的应用 126
7.3.3 BCI与FES技术相结合在康复临床中的应用：一种整合方法 126
7.4 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 138
8.1 基于技术的残疾人辅助解决方案 138
8.1.1 理解和界定残疾 138
8.1.2 辅助技术和BCI 139
8.2 以用户为中心的BCI研发方案 141
8.2.1 以用户为中心的设计原则 141
8.2.2 在BCI研究中与*终用户合作 142
8.3 BCI支持或替换现有AT解决方案 148
8.4 结论 150
参考文献 150
第9章 设计未来BCI：超越比特率 155
9.1 引言 155
9.2 BCI的控制特性 155
9.2.1 BCI范式的特定问题 156
9.2.2 克服BCI局限性的方法 157
9.3 BCI从可用性研究到神经工效学优化 158
9.3.1 ERP相关决定因素的现有文献 158
9.3.2 美学、互动隐喻、可用性和性能 162
9.4 共享控制 163
9.5 创建有效的应用结构：三级任务 165
9.5.1 低层级：BCI控制信号 165
9.5.2 中间层级：应用 166
9.5.3 高层级：用户 166
9.6 吸引终端用户与期望的作用 166
9.7 研究交互：原型和仿真 167
9.7.1 展示用户需求的低保真原型 168
9.7.2 面向设计与开发的高保真模拟 169
9.8 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 177
10.1 引言 177
10.2 VR和BCI控制的基本原理 178
10.2.1 VR的定义 178
10.2.2 基于BCI的VR应用的总体架构 179
10.3 BCI控制的VR应用评述 181
10.3.1 运动想象控制的VR环境 181
10.3.2 基于SSVEP的VR/AR环境 186
10.3.3 基于P300的VR控制 189
10.4 VR对BCI的影响 191
10.5 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 201
11.1 引言 201
11.2 BCI用户体验评价的现状 202
11.2.1 用户体验影响BCI 202
11.2.2 BCI影响用户体验 203
11.3 将HCI用户体验评价应用于BCI 203
11.3.1 观测分析 204
11.3.2 神经生理测量 205
11.3.3 访谈和问卷调查 205
11.3.4 其他方法 206
11.4 案例研究 206
11.4.1 案例研究：意识控制羊 207
11.4.2 案例：仓鼠实验室 208
11.5 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 214
12.1 引言 214
12.2 在双重任务环境中使用BCI面临的挑战 215
12.3 组合BCI 219
12.4 在多模态用户接口中集成BCI：相关问题 220
12.5 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 225
13.1 引言 225
13.2 脑状态识别算法和系统 226
13.2.1 医疗应用的神经反馈系统 226
13.2.2 神经反馈系统的信号处理算法 227
13.2.3 神经反馈系统用于增强效能 227
13.2.4 情感识别算法 228
13.3 时空分形方法 230
13.3.1 用于可视化分析的脑电三维映射 230
13.3.2 基于分形的方法 231
13.3.3 实时脑状态识别 232
13.3.4 特征提取 232
13.4 实时脑电激活的应用 233
13.4.1 神经反馈训练系统 234
13.4.2 基于实时脑电的情感监测与识别 234
13.5 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 240
14.1 引言 240
14.2 信号处理和模式识别方法 241
14.2.1 空间滤波 242
14.2.2 相位同步分析 243
14.3 实验证据 243
14.3.1 *佳刺激频率 244
14.3.2 BCI操作的标定 246
14.3.3 BCI操作和信息传输速率 246
14.4 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 250
15.1 BCI研究的动机 250
15.2 方法 253
15.3 实验设置 254
15.4 P300的BCI 255
15.5 运动想象 255
15.6 SSVEP的BCI 256
15.7 结果 256
15.8 P300实验范式 257
15.9 运动想象的干电极 259
15.10 SSVEP训练 264
15.11 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 271
16.1 引言 271
16.2 BCI2000 272
16.3 OpenViBE 274
16.4 TOBI 277
16.5 BCILAB 280
16.6 BCI + + 282
16.7 xBCI 284
16.8 BF + + 287
16.9 Pyff 288
16.10 总结 290
参考文献 292
第17章 重要问题：报告BCI性能的准则 297
17.1 引言 297
17.2 性能指标 298
17.2.1 混淆矩阵 298
17.2.2 正确率和错误率 299
17.2.3 Cohen’s Kappa 300
17.2.4 敏感性和特异性 301
17.2.5 F-测量 301
17.2.6 相关系数 302
17.3 分类的重要性 302
17.3.1 随机分类的理论水平 302
17.3.2 置信区间 303
17.3.3 总结 305
17.4 包含时间的性能指标 305
17.5 估计离线数据的性能指标 307
17.5.1 数据集操作 307
译者序
前言
第1章 BCI现状及进展：概述、分析和建议 1
1.1 引言 1
1.2 本书概述 2
1.2.1 第1部分概述 3
1.2.2 第2部分概述 4
1.2.3 第3部分概述 5
1.2.4 第4部分概述 6
1.3 预测和建议 7
1.4 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 15
2.1 引言 15
2.2 EEG与fNIRS的基本生理起源 15
2.2.1 脑电的起源 15
2.2.2 fNIRS响应的起源 16
2.3 信号模型 24
2.3.1 血管响应建模 24
2.3.2 分光光度转换 26
2.3.3 合成信号的生成 27
2.4 公开（外显）的和想象（内隐）的运动任务期间EEG-fNIRS联合测量 28
2.4.1 fNIRS/EEG传感器 29
2.4.2 实验描述 29
2.4.3 信号处理 30
2.4.4 结果 31
2.5 结论 32
参考文献 33
第3章 BCI中的组合分类技术 36
3.1 引言 36
3.2 理论背景 37
3.2.1 模式识别方法：组合的定义和背景 37
3.2.2 融合的模式识别视角 38
3.2.3 为组合的优势打下扎实的基础 40
3.3 组合和融合的层次 41
3.3.1 特征级联 41
3.3.2 分类级联 42
3.3.3 分类融合 42
3.3.4 决策融合 44
3.4 组合的类型 45
3.4.1 分类器组合 45
3.4.2 堆叠式组合 45
3.4.3 多导联组合 45
3.4.4 多模态组合 46
3.5 重采样策略 46
3.5.1 数据集划分 47
3.5.2 特征空间划分 49
3.5.3 信号分割 50
3.6 融合算子 50
3.6.1 基于样本的融合 51
3.6.2 时域融合算子 52
3.7 总结组合所得的结果 52
3.8 结论 54
参考文献 55
第4章 采用独立成分分析提升BCI性能 59
4.1 引言 59
4.2 ICA在EEG信号处理中的应用 59
4.3 ICA在BCI系统中的应用 61
4.3.1 伪迹剔除 62
4.3.2 提高任务相关脑电信号的信噪比 63
4.3.3 选择电极 65
4.4 基于ICA的零训练BCI 66
4.4.1 实验和数据记录 67
4.4.2 方法 68
4.4.3 结果 69
4.5 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 75
5.1 引言：从术前诊断到运动解码 75
5.2 ECoG电极的方法和技术 77
5.3 用于BCI的ECoG信号 80
5.4 用于BCI的多通道ECoG阵列 81
5.4.1 激光加工电极的制造 82
5.4.2 第一个研究的生物评价/结果 85
5.5 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 95
6.1 引言 95
6.2 当前和新兴的用户群体 96
6.3 BCI设备和应用场景 97
6.3.1 通信和控制 97
6.3.2 运动替代：恢复抓取功能 98
6.3.3 娱乐和游戏 100
6.3.4 运动康复与运动恢复 100
6.3.5 心理状态监测 101
6.3.6 混合BCI 101
6.4 基于共享控制技术的实用BCI：面向移动性控制 102
6.4.1 运动残疾患者控制的临场感遥操作机器人 103
6.4.2 BCI控制轮椅 104
6.5 利用EEG错误电位实现手势识别系统的自适应 106
6.6 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 117
7.1 引言 117
7.2 脊髓损伤患者手部运动功能的康复：脑控神经假肢 118
7.2.1 上肢的功能性电刺激 118
7.2.2 BCI与FES技术相结合 121
7.3 脑卒中后手部运动功能的康复：基于BCI的附加干预 123
7.3.1 BCI在脑卒中康复中的应用：*新进展 124
7.3.2 FES在脑卒中上肢康复中的应用 126
7.3.3 BCI与FES技术相结合在康复临床中的应用：一种整合方法 126
7.4 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 138
8.1 基于技术的残疾人辅助解决方案 138
8.1.1 理解和界定残疾 138
8.1.2 辅助技术和BCI 139
8.2 以用户为中心的BCI研发方案 141
8.2.1 以用户为中心的设计原则 141
8.2.2 在BCI研究中与*终用户合作 142
8.3 BCI支持或替换现有AT解决方案 148
8.4 结论 150
参考文献 150
第9章 设计未来BCI：超越比特率 155
9.1 引言 155
9.2 BCI的控制特性 155
9.2.1 BCI范式的特定问题 156
9.2.2 克服BCI局限性的方法 157
9.3 BCI从可用性研究到神经工效学优化 158
9.3.1 ERP相关决定因素的现有文献 158
9.3.2 美学、互动隐喻、可用性和性能 162
9.4 共享控制 163
9.5 创建有效的应用结构：三级任务 165
9.5.1 低层级：BCI控制信号 165
9.5.2 中间层级：应用 166
9.5.3 高层级：用户 166
9.6 吸引终端用户与期望的作用 166
9.7 研究交互：原型和仿真 167
9.7.1 展示用户需求的低保真原型 168
9.7.2 面向设计与开发的高保真模拟 169
9.8 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 177
10.1 引言 177
10.2 VR和BCI控制的基本原理 178
10.2.1 VR的定义 178
10.2.2 基于BCI的VR应用的总体架构 179
10.3 BCI控制的VR应用评述 181
10.3.1 运动想象控制的VR环境 181
10.3.2 基于SSVEP的VR/AR环境 186
10.3.3 基于P300的VR控制 189
10.4 VR对BCI的影响 191
10.5 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 201
11.1 引言 201
11.2 BCI用户体验评价的现状 202
11.2.1 用户体验影响BCI 202
11.2.2 BCI影响用户体验 203
11.3 将HCI用户体验评价应用于BCI 203
11.3.1 观测分析 204
11.3.2 神经生理测量 205
11.3.3 访谈和问卷调查 205
11.3.4 其他方法 206
11.4 案例研究 206
11.4.1 案例研究：意识控制羊 207
11.4.2 案例：仓鼠实验室 208
11.5 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 214
12.1 引言 214
12.2 在双重任务环境中使用BCI面临的挑战 215
12.3 组合BCI 219
12.4 在多模态用户接口中集成BCI：相关问题 220
12.5 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 225
13.1 引言 225
13.2 脑状态识别算法和系统 226
13.2.1 医疗应用的神经反馈系统 226
13.2.2 神经反馈系统的信号处理算法 227
13.2.3 神经反馈系统用于增强效能 227
13.2.4 情感识别算法 228
13.3 时空分形方法 230
13.3.1 用于可视化分析的脑电三维映射 230
13.3.2 基于分形的方法 231
13.3.3 实时脑状态识别 232
13.3.4 特征提取 232
13.4 实时脑电激活的应用 233
13.4.1 神经反馈训练系统 234
13.4.2 基于实时脑电的情感监测与识别 234
13.5 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 240
14.1 引言 240
14.2 信号处理和模式识别方法 241
14.2.1 空间滤波 242
14.2.2 相位同步分析 243
14.3 实验证据 243
14.3.1 *佳刺激频率 244
14.3.2 BCI操作的标定 246
14.3.3 BCI操作和信息传输速率 246
14.4 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 250
15.1 BCI研究的动机 250
15.2 方法 253
15.3 实验设置 254
15.4 P300的BCI 255
15.5 运动想象 255
15.6 SSVEP的BCI 256
15.7 结果 256
15.8 P300实验范式 257
15.9 运动想象的干电极 259
15.10 SSVEP训练 264
15.11 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 271
16.1 引言 271
16.2 BCI2000 272
16.3 OpenViBE 274
16.4 TOBI 277
16.5 BCILAB 280
16.6 BCI + + 282
16.7 xBCI 284
16.8 BF + + 287
16.9 Pyff 288
16.10 总结 290
参考文献 292
第17章 重要问题：报告BCI性能的准则 297
17.1 引言 297
17.2 性能指标 298
17.2.1 混淆矩阵 298
17.2.2 正确率和错误率 299
17.2.3 Cohen’s Kappa 300
17.2.4 敏感性和特异性 301
17.2.5 F-测量 301
17.2.6 相关系数 302
17.3 分类的重要性 302
17.3.1 随机分类的理论水平 302
17.3.2 置信区间 303
17.3.3 总结 305
17.4 包含时间的性能指标 305
17.5 估计离线数据的性能指标 307
17.5.1 数据集操作 307
猜您喜欢
