上海大学杨帮华教授脑机团队提出基于fMRI加权EEG的异步fMRI-EEG运动想象解码方法

近日，上海大学脑机工程研究中心团队在国际知名期刊《Biomedical Signal Processing and Control》（SCI中科院分区，工程技术大类二区，IF: 3.88）发表一篇题为 “The unilateral upper limb classification from fMRI-weighted EEG signals using convolutional neural network” 的研究论文。本文由工程研究中心的博士研究生马骏在其导师杨帮华教授的指导下完成，杨帮华教授为本文的第一作者、通讯作者，博士生马骏为第二作者。

本文设计了一种新的功能磁共振成像加权卷积神经网络(CNN)，根据大脑活跃区域重新分配每个通道的权重，以提高分类精度。最后，利用fMRI加权CNN对四类运动想象任务脑电数据进行分类。功能磁共振成像实验验证了单侧上肢四类运动想象任务的可区分性，不同任务对大脑运动区域的影响。

实验范式

功能磁共振成像加权CNN

被试者的通道权重

本文提出一种基于fMRI加权EEG的异步fMRI-EEG运动想象解码方法，该方法在12名健康被试的四类单侧上肢运动想象任务中表现出47.0%的平均分类精度，相比于FBCSP与CNN具有显著提升，为单侧肢体多任务运动想象离线建模提供了新思路。

作者信息：

杨帮华，上海大学机电工程与自动化学院、医学院双聘教授，博士生导师。连续从事脑机接口技术及其工程应用研究近20年，主要研究运动想象脑机接口智能解码技术、虚拟现实技术、脑机接口结合VR技术在医疗康复领域工程应用，包括脑卒中患者康复训练系统、抑郁及毒瘾评估等。

马骏，上海大学机电工程与自动化学院在读博士，研究方向为运动想象脑机接口，脑卒中康复，深度学习，fMRI数据分析。

论文信息

https://www.sciencedirect.com/science/article/pii/S1746809422003743

仅用于学术交流，若有侵权及疑问，请后台留言，管理员即时删侵！