脑机接口 订阅
脑机接口(brain-computer interface,BCI),有时也称作“大脑端口”direct neural interface或者“脑机融合感知 [1]  ”brain-machine interface,它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。在单向脑机接口的情况下,计算机或者接受脑传来的命令,或者发送信号到脑(例如视频重建),但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。 展开全文
脑机接口(brain-computer interface,BCI),有时也称作“大脑端口”direct neural interface或者“脑机融合感知 [1]  ”brain-machine interface,它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接连接通路。在单向脑机接口的情况下,计算机或者接受脑传来的命令,或者发送信号到脑(例如视频重建),但不能同时发送和接收信号。而双向脑机接口允许脑和外部设备间的双向信息交换。
信息
外文名
brain-computer interface
简    称
BCI
中文名
脑机接口
也    称
大脑端口
脑机接口概述
在该定义中,“脑”一词意指有机生命形式的脑或神经系统,而并非仅仅是“mind”。“机”意指任何处理或计算的设备,其形式可以从简单电路到硅芯片。对脑机接口的研究已持续了超过40年了。20世纪90年代中期以来,从实验中获得的此类知识显著增长。在多年来动物实验的实践基础上,应用于人体的早期植入设备被设计及制造出来,用于恢复损伤的听觉、视觉和肢体运动能力。研究的主线是大脑不同寻常的皮层可塑性,它与脑机接口相适应,可以像自然肢体那样控制植入的假肢。在当前所取得的技术与知识的进展之下,脑机接口研究的先驱者们可令人信服地尝试制造出增强人体功能的脑机接口,而不仅仅止于恢复人体的功能。这种技术在以前还只存在于科幻小说之中。
收起全文
精华内容
下载资源
问答
  • 脑机接口的数据集和算法库 ·· 目录 接触 致谢 关于该项目 当我是脑机接口的菜鸟时,最让我烦恼的是三件事: 注入导电胶 预处理不同格式的EEG数据 一遍又一遍地复制并粘贴MATLAB中的算法代码 对于第一个问题,我...
  • 中国电子技术标准化研究院:脑机接口标准化白皮书(2021版).pdf
  • 脑机接口中的机器学习.pdf
  • 来源:中国信通院
  • 脑机接口导论.zip

    2019-06-15 02:20:28
    为了大家更好的了解深度学习,为大家献上了与神经科学先关的脑机接口导论一书。
  • A review of classification algorithms for EEG-based brain-computer interfaces a 10 year update
  • 随着人工智能和机器学习的兴起,脑机接口越来越引起了人们的关注,这将会改变我们的生活。
  • 传统的脑机接口(Brain Computer Interface,BCI)有许多不足,如基于运动想象的BCI需要受试者进行大量练习;基于P300位的BCI需要多次重复闪烁;基于SSVEP的BCI上的控制命令数量受刺激频率及其他因素影响.为此,研究...
  • 当然,脑机接口行业可远不止你眼前的这冰山一角。看得见的是一件小小的脑机接口设备,看不着的是背后一整个庞大的脑机接口行业在悄然壮大。
  • 了解大脑,认识人类自身是当前科技界的一个前沿交叉领域
  • 2021年脑机接口技术在医疗健康领域应用白皮书.pdf
  • 在线脑机接口软件平台设计,孙爱芹,樊炳辉,基于运动想象,为在线脑机接口设计一种软件平台。此软件平台利用双屏显示技术显示运动想象过程中的提示信息;并采用混合编程,软
  • OpenBCI P300喷射器
  • 该数据基于SSVEP经典实验范式产生,所提供数据为4维数据,其中第一个维度表示数据采集的通道数,第二个维度表示数据采样点数,第三个维度表示实验次数,第四个维度表示试验中刺激块的闪烁频率。...
  • 适合初学者进行脑机接口部分的学习,有利于对脑机接口有初步的了解与认识
  • 围绕独立成分分析(independent component analysis,ICA)在运动想象-机接口(大脑计算机接口,BCI)中的应用,作者重点研究了ICA空域滤波器的设计新方法。基于在不同时间采集的两个精确的6组运动想象的EEG数据集...
  • 脑机接口(brain-computer interface,BCI),有时也称作“大脑端口”direct neural interface或者“脑机融合感知[1] ”brain-machine interface,它是在人或动物脑(或者脑细胞的培养物)与外部设备间建立的直接...
  • 从运动脑机接口到情绪脑机接口(1) 脑机接口(BMI)是一种闭环控制系统,通过记录和调控神经活动的方式与大脑进行交互。目前应用是恢复失去的神经功能,尤其是恢复瘫痪患者的运动功能。由于运动脑机接口可以精确地...

    从运动脑机接口到情绪脑机接口(1)

    脑机接口(BMI)是一种闭环控制系统,通过记录和调控神经活动的方式与大脑进行交互。目前应用是恢复失去的神经功能,尤其是恢复瘫痪患者的运动功能。由于运动脑机接口可以精确地操控神经环路,所以也可以做为研究控制与学习神经机制的工具。近来闭环情绪脑机接口研究也有较大发展,目标是神经精神疾病中异常情绪的恢复以及探究情绪调节的神经机制。我们将在此文中回顾以闭环控制思想为指导的运动脑机接口技术在神经功能恢复和科学发现中取得的重要成果。通过汇总脑机接口方面的研究成果,我们也提出了将脑机接口的应用扩展到神经精神病学领域的观点。

    脑机接口(BMI)是指通过建立直接连接大脑的控制通路来与外部设备交互,既包括读取神经活动信息也包括通过刺激的方式向神经写入信息。脑机接口技术的直接目的是使患有神经系统疾病和神经精神疾病的患者恢复丧失的脑功能(图1)。脑机接口研究目前主要集中在恢复瘫痪患者的运动功能上,即运动脑机接口。它使用称为“解码器”的数学算法(专栏1)从神经信号中估算出用户的运动意图,然后依据解码结果控制外部“执行器”(假肢),并向用户提供感觉和奖励信息作为反馈(图1a)。这样,脑机接口就形成了一个以大脑为控制器的闭环控制系统,它以运动目标为导向,控制指令的形式是神经活动,内容是借助感觉反馈修正神经假肢的运动状态并最终到达目标(图1a)。脑机接口实际上建立了一个新的感觉运动环路,而且是个需要大脑通过学习才能掌握的工具。
    在这里插入图片描述
    图1a

    从闭环控制的角度看,脑机接口很可能也使用了大脑在自然感觉运动控制中的控制和学习机制,因为两者都是闭环控制系统。两者的研究成果也可以互相借鉴。在功能恢复方面,对大脑控制和学习神经机制的深入理解可以为脑机接口的设计提供明确的指导,从而提高运动功能的恢复效果。在科学发现方面,运动脑机接口为研究大脑控制和学习的神经机制提供了一种新式工具,因为脑机接口是个可以预设的简化的闭环控制系统,具有可验证和易操作的优点。

    脑机接口在功能恢复和科学发现方面的潜力可能远不止在运动系统领域。实际上,在许多神经系统疾病和神经精神疾病中,脑机接口的目标是调节大脑内部状态,而不是控制外部“执行器”运动。在世界范围内导致残疾的诱因中,神经精神疾病是排第一位的,抑郁症又是其中最主要的疾病。情绪脑机接口的目标就是通过调控情绪状态来恢复失去的情绪功能。目前没有对重度抑郁症患者有效的药物疗法,那么我们可以探索药物治疗的替代疗法,比如用电直接刺激大脑的疗法。开环刺激(专栏2),即忽略症状的变化而一直采用固定模式的刺激,已经确定对难治性抑郁症有一定疗效,但是不稳定。也许量身定制的、模式可变的或多靶点的刺激方式会提高疗效。另外,由于患者间存在症状差异以及同一患者在不同时间段也有症状差异,通过从神经活动中解码出症状变化再来调整刺激的闭环脑机接口方法能会更有疗效。“情绪”脑机接口的治疗方式是先解码情绪症状的状态(不是运动状态),然后把这个状态作为反馈来决定何时以及如何对大脑做电刺激(图1b)。情绪脑机接口也是一个闭环控制系统,执行器是大脑,控制指令的形式是来自外部的电刺激,内容则由神经活动的反馈和要达到的治疗目标决定(图1b)。除了电刺激外,情绪脑机接口也可以将解码的情绪作为用户反馈,让用户主动地参与情绪控制,当然它们起效的时间尺度是不同的(图1b)。另外,情绪脑机接口可以用来研究情绪调节的神经机制,因为情绪也可以实验预设。当然这块有伦理道德问题要考虑。
    在这里插入图片描述
    图1b
    目前闭环刺激还没有在神经精神疾病的临床上测试过,但它对帕金森氏症(PD)和癫痫等神经系统疾病的疗效是确切的(专栏2)。从原理上讲,脑机接口可以通过分析低维神经信号来决定开关刺激,而实际上并没这么简单。参与情绪的大脑网络是分布式的,情绪症状是动态变化的且不易测量,而且个体间差异较大。实现情绪的神经动力学控制也需要有个运行原理清晰的闭环控制器,只是开关刺激是不够的。这就要求我们开发可定制的基于神经网络活动的情绪解码方法,才能实现根据患者的需求量身定制刺激方式(专栏2)。在解码方法方面,情绪脑机接口与运动脑机接口是一致的。

    与运动脑机接口丰富的研究成果相比,情绪脑机接口的研究才刚起步,并且挑战重重(表1)。与运动不同,情绪很难测量,并且涉及分布式的多位点皮质边缘系统网络,而且这个网络的功能组织尚不十分清楚。此外,情绪脑机接口需要表征刺激对分布式脑网络神经活动的影响以及由刺激诱导的神经塑性变化在几个月到几年内的效果。但两者也有很强的相似性,从运动脑机接口中得到的经验是可以指导情绪脑机接口研究的。首先,这两种脑机接口都需要用记录的神经信号解码大脑的内部状态。其次,用户可以借助运动神经解码做反馈来学习控制神经义肢,同样可以通过神经反馈来学习调节情绪状态,也可以借助某些学习机制与刺激配合达到有效的情绪控制。实际上,感觉运动控制和学习与情绪调节背后的计算机制是相似的。而且研究情绪和情绪处理方面的大量神经影像文献以及对情绪解码的研究,都表明脑机接口技术无论是作为功能恢复还是科学发现的工具都可以扩展到情绪领域。
    在这里插入图片描述
    表1

    在此文中,我们将统一从闭环控制的思想出发(图1),讨论侵入式脑机接口技术分别在运动和情绪这两个领域对功能恢复和科学发现这两个方向的应用潜力。我们首先回顾闭环运动脑机接口的最新进展,包括系统设计的优化以及脑机接口控制和学习背后的神经机制的理解。基于运动脑机接口、神经影像和心理学诸领域的丰富研究成果以及在闭环控制原理的指导下,我们将提出发展情绪脑机接口的技术路线,回顾可行性论证的文献,并介绍在技术实现中的最新进展。

    专栏1 |侵入式脑机接口中的神经解码器和动态潜在状态空间模型

    脑机接口解码器的作用是根据记录的神经活动估算大脑状态,建立大脑到行为的映射关系。侵入式脑机接口可以使用一种或同时使用多种时空尺度的神经活动信息。这些神经信号包括神经脉冲(spike)、局部场电位(LFP)和皮质电图(ECoG)等。神经脉冲测量的是单个或多个神经元的电活动,而LFP和ECoG这些场电位信号测量的是较大规模神经元群体的电活动,群体信号可以在较长时间内保持相对稳定的记录效果。神经脉冲活动的时间尺度是毫秒级的,场电位的特征(如频谱功率)要在较慢的时间尺度上才能展现出来。

    解码器结构通常是由将神经活动与运动状态相关联的编码模型决定的。例如,用神经脉冲数或LFP功率特征建立的运动状态线性模型。二进制的神经脉冲事件(即0–1的时间序列表示神经脉冲在时间轴上是否出现)可以借用描述瞬时发放率的点过程来建立描述运动状态的对数线性函数模型。
    大多数侵入式脑机接口使用的是高性能的神经脉冲解码器。这种解码器大都要做脉冲计数,就是把单位时间窗内的脉冲数目作为输入值。早期的解码器由维纳滤波器,相关群体矢量和最佳线性估计器组成,把运动状态解码成神经脉冲计数的线性函数。后来出现了卡尔曼滤波器配合运动模型解码。除了脉冲计数解码器,最近出现了用点过程和最佳反馈控制模型开发的闭环点过程脑机接口,这种是直接对神经脉冲解码。点过程脑机接口可以把每一个脉冲事件都用来做神经假体的适应和控制,因此具有了毫秒级精度。而且点过程解码器也能整合到运动状态模型中。

    除了脉冲信号,LFP信号也可以同时被解码器利用。运动脑机接口可以在一个时间窗内同时进行LFP功率特征计算和神经脉冲计数,卡尔曼滤波器也能同时用两种信号做运动解码。最近开发的多尺度解码器,既能保证快速的控制和反馈速率,也能对神经脉冲和场电位这两种不同时间尺度上的信号建立统计模型。这类解码器既能以毫秒级精度直接从离散的二进制神经脉冲中抽提信息,同时又能在较慢的时间尺度上从连续的场电位信号中获取信息。

    最后要提的是动态潜在状态空间模型可以描述神经活动的时空模式。该模型用所谓的潜在低维神经状态的动态过程来描述高维神经网络活动(空间范围)的动态性(即随时间变化)。例如,动态潜在状态空间模型已经用来开发运动脑机接口的解码器了。不但包括有单独使用神经脉冲信号的解码器也有使用脉冲和场电位双重信号的解码器,而且还用在了基于ECoG信号的情绪解码器上了。潜在的状态空间模型,也能在计算机模拟中用来对神经活动的刺激响应建模。

    专栏2 |癫痫和帕金森症的闭环刺激

    开环电刺激系统是不管疾病症状如何,刺激模式在时间上都是连续恒定的(例如振幅和频率固定的脉冲序列)。系统的刺激参数只能在就诊时由医生调整。而闭环电刺激系统可以从记录的神经活动中推断出病症的水平并随时调整刺激模式。虽然闭环刺激还基本没在神经精神疾病上测试过,但对癫痫和帕金森症等神经系统疾病的治疗确实是有效果的。而目前开发闭环情绪脑机接口在获取反馈信号和控制调节刺激方面还有不少挑战。

    对于癫痫病,Neuropace反应性神经刺激系统已经获得美国食品和药物管理局(FDA)批准用于临床治疗。该系统有一根或两根引线,每根上有四个电极触点。当检测到异常的ECoG活动时,系统会短暂开启一个固定的预设刺激模式。由于癫痫发作开始时就能观察到清晰的异常脑电活动,临床医生据此就能建立一个神经标识信号作为检测的反馈。而情绪与之不同,它在分布式脑网络活动中具有更复杂和微妙的表现,甚至从行为上也不容易衡量。另外,癫痫发作适合用瞬发性开关控制,因为发作并不频繁且是间歇性的,而精神病的无症状期很长。

    对于帕金森症,当前的临床刺激系统都是开环的。而科研中发现,闭环深部脑刺激具有更高的效率和功效。这些闭环控制系统通常使用从电极尖端记录的帕金森症的一维神经标识信号作为反馈信号。最常见的是丘脑下核场电位信号中β波(12–30 Hz)的振幅,它是与运动迟缓的程度相关联的。当神经标识信号的水平超过阈值时,就会开启固定的预设刺激。除了开-关式控制之外,也有人用了一些简单的闭环策略,比如刺激幅度随神经标识信号的水平成比例地变化。就反馈信号而言,情绪脑机接口的情况与癫痫和帕金森症是不同的。情绪的症状会涉及高维的分布式神经表征,并且具有个体异质性。在这种情况下,单一通用的一维或低维神经标识信号可能不适合。而且,情绪症状具有高度动态性,甚至在几分钟或一天之内都会迅速变化。因此,与运动脑机接口一样,情绪脑机接口也需要一种定制化解码方法实时地从相关大脑网络中整合多维的神经信息。这种定制化解码方法是可以解决个体异质性问题的,因为它可以随着时间的推移不断跟踪情绪症状并调整刺激来满足患者的临床需求。

    在控制器方面,用于癫痫和帕金森症的闭环系统目前采用的是简单的开关控制或比例控制方式。而且控制器的参数(例如开-关控制中的阈值,比例控制中的增益,刺激频率和幅度水平等)设置相当主观。要进一步优化功效和效率,就需要实现参数的自动调整。此时,理解刺激如何改变与疾病症状有因果关系的神经活动就非常关键了。这对情绪脑机接口尤其重要,因为情绪的症状复杂多变。可行的方法是建立描述刺激参数(输入)与神经活动(输出)关系的数据驱动型的输入-输出模型,再基于这个模型建立控制器实现对刺激参数的最优实时调整。这种输入输出模型的开发和验证是一个非常重要的研究方向,将会在很多精神疾病的治疗中派上用场。

    文章由中科院深圳先进院研究员,李骁健编译
    参考
    从运动脑机接口到情绪脑机接口:马斯克脑机接口公司Neuralink背后的原理

    更多分享,请关注公众号

    展开全文
  • 目前,由于脑电波和脑机接口的研究进展Swift,在医学和军事领域具有巨大的应用价值,本文采用脑电极帽来采集脑电波。人类的大脑处于七种不同的情绪状态下。 脑机接口将脑电波模式和数据传输到计算机,在OpenBCI_GUI...
  • 脑机接口技术在医疗健康领域应用白皮书(2021)-AIIA-2021.7-81页.pdf
  • 2020年7月,Neuralink脑机接口设备获FDA突破性设备认证,希望于2020年底在人类身 上进行植入实验,首先用于四肢瘫痪的病人。借助脑机接口技术,Neuralink目标是使用无缝植入设备治疗抑郁症、瘫痪等神经疾病, 解决...
  • 脑机接口技术正是实现脑机智能融合的关键技术环节,是脑科学和类脑智能研究的重要方向。随着技术的进步,脑机接口技术进入了快速发展阶段,取得了一些突破性进展,应用领域也在不断拓宽。
  • 它也用于脑机接口和脑计算机。 在这些应用中,这些波需要无线记录。 我们今天需要的是认证吗? 身份验证是通过几种技术获得的,在本文中,我们将检查密码和密码等这些技术的效率。 还有用于获得身份验证的生物识别...
  • 提出了一种基于脑机接口的头盔显示/瞄准系统设计,并给出了系统的工作流程与算法设计。仿真表明,该系统具有较高的目标识别准确率、较快的系统响应速度以及良好的人机交互体验,具备深入研究的价值。
  • 脑机接口20年论文集汇总

    千次阅读 2019-12-11 19:21:26
    目录卷一基础部分(The Foundation)基本方法(Essential Methods)啮齿动物和灵长类动物的实验性脑机接口研究(Experimental Brain-Machine Interfaces in Rodents and Primates)卷2帕金森病和脊髓损伤患者的临床...

    在这里插入图片描述

    卷一

    基础部分(The Foundation)

    [1] Nicolelis MAL, Lin RCS, Woodward DJ, Chapin JK. Induction of immediate spatiotemporal changes in thalamic networks by peripheral block of ascending cutaneous information. Nature 361: 533-536, 1993
    [2] Nicolelis MAL, Baccala LA, Lin RCS, Chapin JK. Sensorimotor encoding by synchronous neural ensemble activity at multiple levels of the somatosensory system. Science 268: 1353-1358, 1995
    [3] Nicolelis MAL, Ghazanfar AA, Faggin B, Votaw S, Oliveira LMO. Reconstructing the engram: simultaneous, multisite, many single neuron recordings.Neuron 18: 529-537, 1997
    [4] Nicolelis MAL, Ghazanfar AA, Stambaugh CH, Oliveira LMO, Laubach M, Chapin JK, Nelson R, Kaas JH. Simultaneous encoding of tactile information by three primate cortical areas. Nature Neurosci 1: 621-630, 1998
    [5] Ghazanfar AA, Stambaugh CR, Nicolelis MAL. Encoding of tactile stimulus location by somatosensory thalamocortical ensembles. J Neurosci 20: 3761-3775, 2000
    [6] Laubach M, Wessberg J, Nicolelis MAL. Cortical ensemble activity increasingly predicts behavior outcomes during learning of a motor task. Nature 405: 567-571, 2000
    [7] Santucci DM, Kralik JD, Lebedev MA, Nicolelis MAL. Frontal and parietal cortical ensembles predict muscle activity during reaching movements in primates.European J Neurosci 22: 1529-1540, 2005
    [8] Ramakrishnan A, Byun YW, Rand K, Pedersen C, Lebedev MA, Nicolelis MA. Cortical Neurons Multiplex Reward-Related Signals along with Sensory and Motor Information. Proc Natl Acad Sci. DOI: 10.1073/pnas.1703668114, 2017

    基本方法(Essential Methods)

    [1] Chapin JK, Nicolelis MAL. Principal component analysis of neuronal ensemble activity reveals multidimensional somatosensory representations. J Neurosci Meth 94:121-140, 1999
    [2] Laubach M, Shuler M, Nicolelis MAL. Independent component analyses for quantifying neuronal ensemble interactions. J Neurosci Meth 94: 141-154, 1999
    [3] Nicolelis MAL, Dimitrov DF, Carmena J, Crist R, Lehew G, Kralik J, Wise S. Chronic, multisite, multielectrode recordings in macaque monkeys. Proc. Natl. Acad. Sci. 100: 11041-11046, 2003
    [4] Obeid I., Nicolelis MAL, Wolf P. A low power multichannel analog front end for portable neural signal recordings. J Neurosci Meth 133: 27-32, 2003
    [5] Obeid I., Nicolelis MAL, Wolf P. A multichannel telemetry system for single unit neural recordings. J Neurosci Meth 133: 33-38, 2003
    [6] Wessberg J, Nicolelis MAL. Optimizing a linear algorithm for real-time robotic control using chronic cortical ensemble recordings in monkeys. J Cogn Neurosci 16:1022-1035, 2004
    [7] Li Z, O’Doherty JE, Hanson TL, Lebedev MA, Henriquez CS, Nicolelis MAL. Unscented Kalman Filter for Brain-Machine Interfaces. PLoS One 4: e6243, 2009
    [8] Dzirasa K, Fuentes R, Potes JM, Nicolelis MAL. Chronic in vivo multi-circuit neurophysiological recordings in mice. J. Neurosc. Methods 195: 36-46, 2011
    [9] Li, Z, O’Doherty, JE, Lebedev, MA, Nicolelis, MAL. Adaptive decoding for brain-machine interfaces through Bayesian parameter updates. Neural Comput. 23: 1–43, 2011
    [10] Hanson T, Omarsson B, O’Doherty J, Peikon I, Lebedev M, Nicolelis M. Highside digitally current controlled biphasic bipolar microstimulator. IEEE Trans Neural Syst Rehabil Eng. 20: 331-340, 2012
    [11] Schwarz D, Lebedev MA, Tate A, Hanson T, Lehew G, Meloy J, Dimitrov D, Nicolelis MAL. Chronic, Wireless Recordings of Large Scale Brain Activity in Freely Moving Rhesus Monkeys. Nat. Methods. 11: 670-676. doi:10.1038/nmeth.2936,2014
    [12] Zacksenhouse M, Lebedev MA, Nicolelis MAL. Signal-Independent Timescale Analysis (SITA) and its Application for Neural Coding during Reaching and Walking. Front. Comput. Neurosci. doi: 10.3389/fncom.2014.00091, 2014

    啮齿动物和灵长类动物的实验性脑机接口研究(Experimental Brain-Machine Interfaces in Rodents and Primates)

    [1] Chapin JK, Moxon KA, Markowitz RS, Nicolelis MAL. Real-time control of a robot arm using simultaneously recorded neurons in the motor cortex. Nature Neurosci 2: 664-670, 1999
    [2] Wessberg J, Stambaugh CR, Kralik JD, Beck PD, Chapin JK, Kim J, Biggs SJ, Srinivasan MA, Nicolelis MAL. Real-time prediction of hand trajectory by ensembles of cortical neurons in primates. Nature 408: 361-365, 2000
    [3] Carmena JM, Lebedev MA, Crist RE, O’Doherty JE, Santucci DM, Dimitrov DR, Patil PG, Henriquez CS, Nicolelis MAL. Learning to control a brain-machine interface for reaching and grasping by primates. Public Library of Science 1: 193-208,2003
    [4] Lebedev MA, Carmena JM, O’Doherty JE, Zacksenhouse M, Henriquez CS,Principe J, Nicolelis MAL. Cortical ensemble adaptation to represent velocity of an artificial actuator controlled by a brain machine interface. J Neurosci 25: 4681-4693,2005
    [5] Carmena JM, Lebedev MA, Henriquez CS, Nicolelis MAL. Stable ensemble performance with single neuron variability during reaching movements in primates. J Neurosci 25: 10712-10716, 2005
    [6] Fitzsimmons N, Drake W, Hanson T, Lebedev M, Nicolelis MAL. Primate reaching cued by multichannel spatiotemporal cortical microstimulation. J Neurosci 27: 5593-5602, 2007
    [7] Zacksenhouse M, Lebedev MA, Carmena JM, O’Doherty JE, Henriquez C, Nicolelis MAL. Cortical modulations increase in early sessions with brain-machine interface. PLoS ONE 2:e619, 2007
    [8] Fitzsimmons N, Lebedev MA, Peikon I, Nicolelis MAL. Extracting kinematic parameters for monkey bipedal walking from cortical neuronal ensemble activity. Front. Integr. Neurosci. 3: 1-19, 2009
    [9] O’Doherty JE, Lebedev MA, Hanson TL, Fitzsimmons NA, Nicolelis MAL. A brain-machine interface instructed by direct intracortical microstimulation. Front. Integr. Neurosci. 3: 1-10, 2009
    [10] O’Doherty JE, Lebedev MA, Ifft PJ, Zhuang KZ, Shokur S, Bleuler H, Nicolelis MAL. Active tactile exploration using a brain-machine-brain interface. Nature 479: 228-231, 2011
    [11] Ifft PJ, Lebedev MA, Nicolelis MAL. Cortical Correlates of Fitts’ Law. Front. Integr. Neurosci. 5: 85, 2011
    [12] Ifft PJ, Labedev MA, Nicolelis MAL. Reprogramming movements: Extraction of motor intentions from cortical ensemble activity when movement goals change. Front. Neuroeng. 5:16, 2012
    [13] Shokur S, O’Doherty J.E., Winans J.A., Bleuler H., Lebedev M.A., Nicolelis M.A.L. Expanding the primate body schema in sensorimotor cortex by virtual touches of an avatar. Proc. Natl. Acad. Sci. 110: 15121-6, doi: 10.1073/pnas.1308459110, 2013
    [14] Ifft P, Shokur S, Li Z, Lebedev MA, Nicolelis MAL. A Brain-Machine Interface Enables Bimanual Arm Movements in Monkeys. Sci. Transl. Med. 5: 210, DOI:10.1126/scitranslmed.3006159, 2013
    [15] Rajangam S, Tseng P-H, Yin A, Lehew G, Schwarz D, Lebedev MA, Nicolelis MA. Wireless Cortical Brain-Machine Interface for Whole-Body Navigation in Primates. Sci. Rep. doi:10.1038/srep22170, 2016
    [16] Yin A, Tseng PH, Rajangam S, Lebedev MA, Nicolelis MAL. Place cell-like activity in the primary sensorimotor and premotor cortex during monkey whole-body navigation. Sci. Rep. doi: 10.1038/s41598-018-27472-4, 2018

    卷二

    帕金森病和脊髓损伤患者的临床脑机接口研究(Clinical Brain-Machine Interface Studies in Parkinsonian and Spinal Cord Injury Patients)

    [1] Patil PG, Carmena JM, Nicolelis MAL, Turner DA. Ensemble recordings of human subcortical neurons as a source of motor control signals for a brain-machine interface. J Neurosurgery 55: 27-35, 2004
    [2] Hanson TL, Fuller AM, Lebedev MA, Turner DA, Nicolelis MAL. Subcortical Neuronal Ensembles: An Analysis of Motor Task Association, Tremor, Oscillations, and Synchrony in Human Patients. J. Neurosci. 32:8620–8632, 2012
    [3] Donati ARC, Shokur S, Morya E, Campos DSF, Moioli RC, Gitti CM, Augusto PB, Tripodi S, Pires CG, Pereira GA, Brasil FL, Gallo S, Lin A, Takigami AK, Aratanha MA, Joshi S, Bleuler H, Cheng G, Rudolph A, Nicolelis MAL. Long-term training with brain-machine interfaces induces partial neurological recovery in paraplegic patients. Sci. Rep. doi: 10.1038/srep30383, 2016
    [4] Shokur S, Gallo S, Moioli RC, Donati ARC, Morya E, Bleuler H, Nicolelis MA. Assimilation of virtual legs and perception of floor texture by complete paraplegic patients receiving artificial tactile feedback. Sci. Rep. doi:10.1038/srep32293, 2016
    [5] Shokur S, Donati ARC, Campos DSF, Gitti C, Bao G, Fischer D, Almeida S, Braga VAS, Augusto P, Petty C, Alho EJL, Lebediev M, Song AW, Nicolelis MAL. Training with brain-machine interfaces, visuotactile feedback and assisted locomotion improves sensorimotor, visceral, and psychological signs in chronic paraplegic patients. PLoS ONE 13(11): e0206464. https://doi.org/10.1371/journal.pone.0206464,2018
    [6] Selfslagh A, Shokur S, Campos D S, Donati A R, Almeida S, Bouri M, Nicolelis M A. Non-invasive, brain-controlled functional electrical stimulation for locomotion rehabilitation in indivduals with paraplegia. Sci. Rep. 9, Article number: 6782, https://doi.org/10.1038/s41598-019-43041-9, 2019

    帕金森病和癫痫的神经治疗(Neuroprostheses for Parkinson’s Disease and Epilepsy)

    [1] Fanselow EE, Reid AP, Nicolelis MAL. Reduction of pentylenetetrazole induced seizure activity in awake rats by seizure-triggered trigeminal nerve stimulation. J Neurosci 20: 8160-8168, 2000
    [2] Fuentes R, Petersson P, Siesser WB, Caron MG, Nicolelis MAL. Spinal Cord Stimulation Restores Locomotion in Animal Models of Parkinson’s disease. Science 323: 1578-82, 2009
    [3] Yadav AP, Fuentes R, Zhang H, Vinholo T, Wang C-H, Nicolelis MAL. Chronic Spinal Cord Stimulation Protects against 6-hydroxydopamine Lesions. Sci. Rep. 4: 3839. doi: 10.1038/srep03839, 2014
    [4] Santana MB, Halje P, Simplicio H, Richter U, Freire M, Petersson P, Fuentes R, Nicolelis MAL. Spinal Cord Stimulation Alleviates Motor Symptoms in a Primate Model of Parkinson’s disease. Neuron 84: 716–722, 2014
    [5] Pais-Vieira M, Yadav AP, Moreira D, Guggenmos D, Santos A, Lebedev MA, Nicolelis MA. A Closed Loop Brain-machine Interface for Epilepsy Control Using Dorsal Column Electrical Stimulation. Sci. Rep. doi:10.1038/srep32814, 2016

    红外老鼠研究论文(Creating a New Sense: The Infrared Rat Studies Papers)

    [1] O’Doherty JE, Lebedev MA, Li Z, Nicolelis MAL. Virtual Active Touch Using Randomly Patterned Intracortical Microstimulation. IEEE Trans Neur Syst Rehab Eng. 20: 85-93, 2012
    [2] Medina LE, Lebedev MA, O’Doherty JE, Nicolelis MAL. Stochastic Facilitation of Artificial Tactile Sensation in Primates. J. Neurosci. 32: 14271-14275, 2012
    [3] Thomson EE, Carra R, Nicolelis MAL. Perceiving Invisible Light through a Somatosensory Cortical Prosthesis. Nat. Commun. 10.1038/ncomms2497, 2013
    [4] Hartmann K, Thomson EE, Yun R, Mullen P, Canarick J, Huh A, Nicolelis MA. Embedding a novel representation of infrared light in the adult rat somatosensory cortex through a sensory neuroprosthesis. J. Neurosci. 36:2406 –2424, 2016
    [5] Thomson E, Zea I, Windham W, Thenaisie Y, Walker C, Pedowitz P, França W, Graneiro AL, Nicolelis MAL. Cortical Neuroprosthesis Merges Visible and Invisible Light Without Impairing Native Sensory Function. eNeuro DOI: 10.1523/ENEURO.0262-17, 2017

    脑-脑接口和脑(Brain-to-Brain Interfaces and Brainets)

    [1] Pais-Vieira M, Lebedev MA, Kunicki C, Wang J, Nicolelis MAL. A brain-to-brain interface for real-time sharing of sensorimotor information. Sci. Rep. 3:1319, doi:10.1038/srep01319, 2013
    [2] Ramakrishnan A, Ifft PJ, Pais-Vieira M, Byun YW, Zhuang KZ, Lebedev MA, Nicolelis MAL. Computing Arm Movements with a Monkey Brainet. Sci. Rep. doi:10.1038/srep10767, 2015
    [3] Pais-Vieira M, Chiuffa G, Lebedev MA, Yadav A, Nicolelis MA. Building an organic computing device with multiple interconnected brains. Sci. Rep. doi:10.1038/srep11869, 2015
    [4] Tseng P-H, Rajangam S, Lehew G, Lebedev MA, Nicolelis MAL. Interbrain cortical synchronization encodes multiple aspects of social interactions in monkey pairs. Sci. Rep. doi.org/10.1038/s41598-018-22679-x, 2018

    主要意见和评论文章(Key Opinion and Review Articles)

    [1] Nicolelis MAL, Fanselow E, Ghazanfar AA. Hebb’s dream: the resurgence of cell assemblies. Neuron 19: 219-221, 1997
    [2] Nicolelis MAL. Actions from thoughts. Nature 409: 403-407, 2001
    [3] Nicolelis MAL, Chapin JK. Controlling robots with the mind. Scientific American 287: 24-31, October 2002
    [4] Nicolelis MAL. Brain-machine interfaces to restore motor function and probe neural circuits. Nat Rev Neurosci 4: 417-422, 2003
    [5] Lebedev MA, Nicolelis MAL. Brain machine interfaces: Past, present and future. Trends Neurosci 29: 536-546, 2006
    [6] Nicolelis MAL, Lebedev MA. Principles of Neural Ensemble Physiology Underlying the Operation of Brain-Machine Interfaces. Nat. Rev. Neurosci. 10: 530-540, 2009
    [7] Lebedev MA, Tate AJ, Hanson TL, Li Z, O’Doherty JE, Winans JA, Ifft PJ, Zhuang KZ, Fitzsimmons NA, Schwarz DA, Fuller AM, An JH, Nicolelis MA. Future developments in brain-machine interface research. Clinics (Sao Paulo) 66 Suppl 1:25-32, 2011
    [8] Lebedev, MA, Nicolelis MAL. Toward a whole body neuroprosthetic. Prog. Brain Res. 194: 47-60, 2011
    [9] Nicolelis MA. Mind in Motion. Sci. Am. 307: 58-63, 2012
    [10] Nicolelis, MAL. Are we at risk of becoming biological digital machines? Nat. Hum. Behav. 1: Art. 8, DOI: 10.1038/s41562-016-0008, 2017
    [11] Yadav A and Nicolelis MAL. Electrical stimulation of the dorsal columns of the spinal cord in Parkinson’s disease. Mov. Disord. doi: 10.1002/mds.27033, 2017

    BMI领域综述(A Comprehensive Review of the BMI Field)

    [1] Lebedev M and Nicolelis MAL. Brain-machine interfaces: from basics science to neuroprosthetic devices, and neurorehabilitation. Physiol. Rev. 97: 767-837,2017

    下载参考

    脑机接口20年论文集汇总下载
    参考:
    https://bme.duke.edu/faculty/miguel-nicolelis

    脑机学习者Rose笔记分享,QQ交流群:903290195
    更多分享,请关注公众号

    展开全文
  • 2021脑机接口技术在医疗健康领域应用白皮书
  • 实时语音训练工具箱 要求 MATLAB R2019a或更高版本 Windows 10或Linux操作系统(Ubuntu 20.04或类似产品为首选) ... 语音夹带代表神经活动与语音输入包络的对齐,已被证明是语音理解的关键。 非典型的言语神经
  • 脑机接口到脑机融合
  • 在本文中,提出了文献综述,以找到大脑计算机接口(BCI)的最新技术水平。 本文分为四个部分,第一部分简要介绍了BCI,第二部分介绍了在大脑中激发电位的... 编写本文的方式可以使初学者了解脑机接口的过程和技术水平。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 28,621
精华内容 11,448
关键字:

脑机接口