01

研究背景

此文旨在腦機(jī)接口（BCI）方向上嘗試新的分析方法。在導(dǎo)引中宣稱(chēng)小波（Wavelet）分析方法還沒(méi)有被用來(lái)分析NIRS平臺(tái)下的運(yùn)動(dòng)想象BCI范式上。小波分析可以看作是對(duì)傅里葉分析的改良，基本思想是利用非全局性的小波函數(shù)擬合信號(hào)（一維二維均可）。此文利用小波分析來(lái)解析信號(hào)以判斷運(yùn)動(dòng)想象和靜息態(tài)，分類(lèi)器使用支持向量機(jī)（SVM），二分類(lèi)正確率為0.83（PS:有點(diǎn)低）。
 

02

研究方法
 

2.1、被試

被試共五人，年齡在24-34之間，性別不詳。
 

2.2、設(shè)備配置

設(shè)備使用8導(dǎo)ISS Imagent，包含兩個(gè)探測(cè)器和8個(gè)光源。電極配置如下圖，使用10-20系統(tǒng)。光源波長(zhǎng)為690nm和830nm兩種模式，一個(gè)光源采樣頻率為6.25Hz。

2.3、實(shí)驗(yàn)流程
 

流程如圖，被試根據(jù)箭頭執(zhí)行相應(yīng)手的運(yùn)動(dòng)想象，想象動(dòng)作為抓取。一個(gè)trial做10次運(yùn)動(dòng)想象，持續(xù)15s；休息10次，持續(xù)60s。整體實(shí)驗(yàn)開(kāi)始前測(cè)量60s的靜息態(tài)。
 

2.4、分析方法

對(duì)測(cè)量的原始數(shù)據(jù)，即不同波長(zhǎng)光源的衰減程度，做小波變換。小波函數(shù)及參數(shù)如下

分解出來(lái)的細(xì)節(jié)系數(shù)和近似系數(shù)當(dāng)作特征丟入SVM。SVM評(píng)價(jià)采用留一法做交叉驗(yàn)證，SVM的核函數(shù)是線性核函數(shù)。
 

03

研究結(jié)論

此文使用小波分析來(lái)提取NIRS的特征進(jìn)而判別二分類(lèi)的運(yùn)動(dòng)想象任務(wù)，宣稱(chēng)可以有效提取不同任務(wù)的特征，最高正確率能到0.85左右。

Motor Imagery Detection with Wavelet Analysis for NIRS-based BCI. Bonkon Koo et al. Brain Imagin Device.無(wú)DOI