脑机接口技术及其在神经科学中的应用

被引：11

作者：

巫嘉陵 ^{[1
]}

高忠科 ^{[2
]}

机构：

[1] 天津市环湖医院神经康复科天津市脑血管与神经变性重点实验室

[2] 天津大学电气自动化与信息工程学院

来源：

关键词：

神经科学; 脑电描记术; 信号处理,计算机辅助; 综述;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TN911.7 [信号处理]; R741 [神经病学];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0711 ; 080401 ; 080402 ;

摘要：

脑机接口是多学科交叉融合的前沿技术,目前已广泛应用于各个领域。本文从脑机接口信号采集、特征提取、特征分类和外部控制设备4个关键技术引入,介绍深度学习和复杂网络两项前沿技术在脑机接口系统中的作用与应用,重点归纳脑机接口技术在神经科学领域的应用现状,并探索该项技术在医疗领域中的应用前景与挑战。

引用

页码：3 / 8

页数：6

共 6 条

[1] 脑机接口在脑卒中手功能康复中的应用进展
陈树耿
贾杰
[J]. 中国康复理论与实践, 2017, (01) : 23 - 26
[2] A Long Short-Term Memory deep learning network for the prediction of epileptic seizures using EEG signals[J] . Κostas Μ. Tsiouris,Vasileios C. Pezoulas,Michalis Zervakis,Spiros Konitsiotis,Dimitrios D. Koutsouris,Dimitrios I. Fotiadis. Computers in Biology and Medicine . 2018
[3] Complex network analysis of time series
Gao, Zhong-Ke
Small, Michael
Kurths, Juergen
[J]. EPL, 2016, 116 (05)
[4] Rehabilitation of hand in subacute tetraplegic patients based on brain computer interface and functional electrical stimulation: a randomised pilot study[J] . Bethel C A Osuagwu,Leslie Wallace,Mathew Fraser,Aleksandra Vuckovic. Journal of Neural Engineering . 2016 (6)
[5] EEG dynamics in patients with Alzheimer's disease
Jeong, JS
[J]. CLINICAL NEUROPHYSIOLOGY, 2004, 115 (07) : 1490 - 1505
[6] A longitudinal EEG study of Alzheimer''s disease progression based on a complex network approach .2 Morabito FC,Campolo M,Labate D,et al. Int J Neural Syst . 2015