导读:本文包含了神经接口论文开题报告文献综述及选题提纲参考文献，主要关键词:接口技术,神经,英国皇家学会,默认共享,智能识别,全球领导者,接口应用,安全性,心灵感应,数据安全
神经接口论文文献综述
田学科[1]（2019）在《神经接口技术 且行且规范》一文中研究指出英国皇家学会9月10日表示，已建议英国政府启动一项针对神经接口技术的全国性调查，以刺激创新，并让公众塑造这一可能在未来几十年改变医学和人类互动的技术的发展。英国皇家学会于同一天发布了题为《iHuman：大脑和机器之间模糊的界限》的研究报告，在报告中权威科(本文来源于《科技日报》期刊2019-09-16）
赵泽宇[2]（2019）在《基于卷积神经网络的运动想象脑机接口系统算法研究》一文中研究指出脑机接口(Brain Computer Interface,BCI)是一种全新的大脑与计算机连通的系统,具有改变人机交互方式的潜在价值。脑机接口近年来的发展趋势呈现指数增长:2002年,人们能够通过BCI系统发送每分钟2比特的数据到计算机;四年后上升到40比特,也就是每分钟能传送5个字母,在2019年Nature发表的一篇文章中表示人们通过BCI系统已实现每分钟传送25个字母到计算机。在2002年美国国家科学基金会和美国商务部发表的报告《强化人类的技术汇总》中提到:类似脑机接口技术“可以作为讲话的补充,当需要最大限度提高意识交流效率的时候甚至取代谈话”。当脑机接口系统让计算机比声带更快的沟通思想,人与人之间的交流速度超过人脑思维本身的时候,就必须用人工智能对于人脑进行交流辅助。中国在“十叁五”提出将“脑科学和类脑研究”列入国家重大科技创新和工程项目,中科院于2019年初成立了由20个院所的80多个实验室组成的脑科学和智能技术卓越创新中心。当前采集头皮脑电图(Electroencephalogram,EEG)信号的无创BCI系统得到广泛的应用,EEG信号只需将电极与头皮接触而无需把电极植入大脑,这种方式在对人安全、成本相对较低的情况下具有一定的信息传输速率,且比较接近理想中简单、便携的BCI。而采集EEG信号的无创BCI系统较为常用的通信方式就是运动想象。经由运动想象任务,激发大脑运动皮层脑电节律变动获取的脑电信号,作为基于运动想象的BCI系统研究的理论依据。但由于脑电信号的信噪比低、特征维度高,使得脑机接口的分类准确率很难提高,因此有效的脑电信号特征提取和分类方法成为研究热点。本文主要基于卷积神经网络(Convolutional Neural Network,CNN)对运动想象的BCI系统算法进行了系统的探究,主要围绕EEG信号的信号处理算法(包括预处理、特征提取和分类识别)等内容进行研究,创新性地提出了用PyTorch搭建11层CNN框架并和其他信号处理方法相结合的系统算法,利用第四届脑机接口国际竞赛数据库中的1组数据集来证明本文提出这一系统算法的可行性,最后实验分类结果达到95%,证明了该算法的创新可行性。本文的研究对象是左右手运动想象产生的EEG信号,具体信号处理框架如下:在预处理部分用LMS自适应滤波算法滤波、用主成分分析(Principal components analysis,PCA)和快速独立成分分析(Fast Independent Component Analysis,FastICA)两者降维并比较择优,特征提取部分用PyTorch搭建11层卷积神经网络模型(CNN)提取脑电信号的主要特征,分类识别部分用梯度Boosting算法(GB)(95%)和贝叶斯线性判别分析(Bayesian Linear Discriminant Analysis,BLDA)(90%)再次进行分类并比较择优。同时,用BCI竞赛数据库Ⅳ中的数据集1来训练11层CNN模型以优化CNN的结构和参数,并与另外叁种传统分类方法作比较证明CNN对脑电信号分类的优势;然后,用PCA+CNN+GB联合分类与CNN(86%)、CNN+PCA(90%)、CNN+GB(91%)叁种方法作比较证明在CNN基础上同时加上预处理(PCA)和分类识别(GB)联合分类效果最好;最后,将自己采集的脑电信号应用于PCA+CNN+GB联合分类的算法中,证明该方法的实际可行性。实验结果表明,先用LMS自适应滤波和PCA对信号作预处理,再用Pytorch搭建CNN和GB算法相结合的脑电信号识别方法,能够得到最好的分类结果。而且PyTorch框架结构简单、运算速度较快,很适合训练CNN模型,证实了本文的创新性以及所用算法对脑电信号识别的有用性。(本文来源于《山东师范大学》期刊2019-05-30）
耿挺[3]（2019）在《中国科学家研发柔性神经流苏》一文中研究指出在脑中插入电极，读取信号，这是研究脑功能的常规实验手段之一。如何能让这根连接着仪器与脑部的“电线”更加稳定工作？近日，中国科学院国家纳米科学中心研究员方英和中国科学院神经科学研究所研究员李澄宇及其团队在高密度柔性神经流苏及活体神经信号稳定测量方面取得进展(本文来源于《上海科技报》期刊2019-04-05）
王松,季欣然,付海涛,张里程,唐佩福[4]（2019）在《神经接口技术在创伤性脊髓损伤修复中的研究进展》一文中研究指出创伤性脊髓损伤(traumatic spinal cord injury,TSCI)患者常会遗留肢体瘫痪,严重影响生活质量。让瘫痪患者重获运动功能一直是临床治疗的首要任务。近年来,神经接口技术已成为脊髓损伤修复领域新的研究热点,尤其是硬膜外电刺激技术已开始由实验室走向临床试验。本文简述了神经接口的技术特点及其在创伤性脊髓损伤修复中的应用前景。(本文来源于《解放军医学院学报》期刊2019年02期）
廖梓宇[5]（2018）在《基于神经网络的机器人肌电控制接口研究》一文中研究指出近年来随着智能康复设备需求的与日俱增,生机电一体化随之孕育而出。本文基于表面肌电信号(surface electromyography,sEMG)建立了人机交互控制接口,设计了sEMG采集电路,研究了sEMG时域特征选择和模式识别的优化,进而以Nao机器人作为硬件实验平台研究肌电控制相关策略。本文的主要研究内容如下:首先,基于Arduino建立了一种sEMG采集设备,并结合Simulink对采集电路特性进行了理论分析和仿真验证,针对分析结果对采集电路进行改进并重新制作了改进采集电路,结合实际检测结果对比了电路改进前后输出信号的频域信息。其次,提取了sEMG的时域、频域以及时频域上的特征,分析了各类特征的应用场景。基于时间序列模型提出一种时域特征选择的评价指标,分析了评价指标在时域特征选择中的应用。然后,基于反馈神经网络结构分析了隐含层节点数对sEMG手势分类辨识性能的影响,设计了一种神经网络分类器并进行了实际测试。提出一种反向样本标记法优化了神经网络的性能,提高了辨识非先验样本的泛化能力,对比改进前后神经网络分类器的实际测试结果验证了其方法的有效性。最后,基于Processing建立了虚拟交互游戏,基于ZMP理论分析了Nao机器人行走稳定性,分别采用虚拟交互游戏和Nao机器人两种实验平台对肌电控制接口进行了实际测试,实验结果验证了肌电控制接口的可行性和实用性。分析了信号采集延迟对手势实时辨识精度的影响,对比了主动肌和拮抗肌在同一手势下的辨识精度。本文的研究内容对于sEMG采集设备低成本化和便捷化的研究、sEMG时域特征选择方法优化、sEMG模式识别算法改进以及肌电控制接口的实践应用具有重要的借鉴意义和参考价值。(本文来源于《燕山大学》期刊2018-12-01）
刘德扬,秦建平[6]（2018）在《脑-机接口技术在神经康复中的应用进展》一文中研究指出脑-机接口(BMI/Brain-Machine Interface),也被称为脑-计算机接口(BCI/Brain-Computer Interface),提供了大脑和计算机之间的直接联系,通常用来控制外部设备。BMI有广泛的潜在临床应用,从恢复因肌萎缩侧索硬化或中风而不能说话的交流能力,到恢复脊髓损伤或运动神经元疾病导致瘫痪的人的运动功能,再到恢复认知障碍的人的记忆。本文综述了BMI在神经康复中的应用。(本文来源于《健康之路》期刊2018年11期）
李奇,卢朝华[7]（2018）在《基于卷积神经网络的P300电位检测及在脑机接口系统中的应用》一文中研究指出为提取更深层、更原始的脑电信号特征,提高基于P300电位的脑机接口系统的性能,提出将卷积神经网络(CNN)应用到脑机接口系统的P300电位检测.首先,根据脑电信号的时间和空间特征,构建CNN的网络结构.然后,对脑电信号进行预处理,采用卷积层和下采样层进行特征提取.最后,通过全连接层实现P300电位的检测.结果显示,卷积神经网络对P300电位具有很好的特征学习能力,取得了较好的分类结果,为进一步提高脑机接口系统的性能提供了有效手段.(本文来源于《吉林师范大学学报(自然科学版)》期刊2018年03期）
彭亮红[8]（2018）在《应用于神经接口界面的单宁酸/聚醚层层组装膜的构建及其生物性能的研究》一文中研究指出层层组装技术是一种多功能表面修饰的方法,在生物应用方面具有很大的研究前景。该方法操作简单,将不同种类材料交替沉积来构筑化学组成、形貌、厚度、结构、功能等可控的纳米尺寸薄膜。本文将单宁酸(TA)和聚醚类化合物—泊洛莎姆188(P188)通过氢键层层组装技术涂覆在常用神经电极材料硅表面来构筑复合型功能多层膜。该多层膜的设计旨在融合TA的抗氧化功能和P188修复细胞膜的功能,以便应对神经接口技术中电极植入造成的血脑屏障破坏及炎性反应。通过纳米粒度仪、紫外-可见分光光度计(UV-vis spectrophotometer)、石英晶体微天平(QCM)、表面等离子共振(SPR)、衰减全反射傅里叶变换红外光谱(ATR-FTIR)、接触角仪、光学-荧光显微镜、扫描电子显微镜(SEM)、激光扫描共聚焦显微镜(LSCM)、原子力显微镜(AFM)、酶标仪等仪器对TA和P188的溶液行为,(TA/P188)_n多层膜的组装行为、化学组成和结构、亲疏水、抗氧化、细胞毒性与生物活性以及载药能力等性能展开研究。溶液行为研究发现,0.05 mg/m L,pH3的TA和P188溶液等体积混合后溶液会变浑浊,同时检测到195 nm的相对窄分布的颗粒,确定TA和P188在此条件下可以发生相互作用而形成络合物;溶液的浊度和颗粒尺寸随TA和P188的浓度的升高而增大,随pH的升高而降低,TA含量为0.5时相对较大。通过UV-vis光谱、QCM、SPR对多层膜的动、静态组装行为的研究以及ATR-FTIR对化学结构的表征,确定TA和P188体系氢键层层组装的成功;此外通过稳定性实验确定pH7.4时多层膜保持相对稳定而在pH9.0和11.0时完全分解。通过光学显微镜、AFM、SEM和LSCM对多层膜形貌研究发现随着组装的进行多层膜表面呈现凸起的半球形实心颗粒且随着层数增加,颗粒尺寸越大。多层膜的整体接触角在50°以下,属于亲水性多层膜。多层膜呈现了TA的抗氧化性能且随着组装层数的增加,抗氧化性能增强。细胞的毒性实验发现,无论是直接还是间接接触法,(TA/P188)_8多层膜处理后的细胞形态与未处理的对照组细胞的形态相似,WST-1实验也初步定量证明多层膜对细胞无显着毒性。通过H_2O_2对细胞的破坏实验初步确认多层膜对细胞具有一定的保护作用。通过模型药物尼罗红实验发现多层膜对脂溶性药物具有包载能力。(本文来源于《大连理工大学》期刊2018-06-30）
明东,安兴伟,王仲朋,万柏坤[9]（2018）在《脑机接口技术的神经康复与新型应用》一文中研究指出脑机接口(BCI)是脑认知神经科学与工程技术的一种新型人机信息交互方式,可无需依赖常规外周神经肌肉便能实现人意念思维与外界环境和设备的信息交互及操作控制,使"思想"直接变成"行动",现已成为大脑认知机制解密、智能人机交互开发的全新"窗口",也是未来人-机交互式混合智能发展的核心。本文综述了脑机接口在助力人工智能的科技背景、研究现状、应用领域及未来发展趋势。(本文来源于《科技导报》期刊2018年12期）
张鹏[10]（2018）在《基于植入式神经接口的运动感觉功能修复研究》一文中研究指出肢体残障人士因肢体运动感觉功能受损往往生活质量较低,给家庭和社会造成很大负担,而传统的药物治疗及康复辅具治疗都无法起到很好治疗效果。近年来随着神经科学、制造科学及信息科学等多学科交叉融合的发展,新兴的神经接口技术在修复肢体残障人士运动感觉功能方面表现出了巨大潜力。植入式神经接口通过在神经系统植入神经微电极,提供了神经系统与假肢等外部设备直接交互的“窗口”,让使用者可以通过“意念”直接操控外部设备,从而实现对缺失运动功能的修复,同时通过神经微电极还能向神经系统施加各种类型的微刺激提供传感反馈,实现对缺失感觉功能的修复。基于植入式神经接口的运动感觉功能修复是目前交叉学科领域最前沿和热门的研究方向之一。植入式神经接口包含植入式脑机接口与植入式外周神经接口,植入式脑机接口修复运动感觉功能的能力更强但侵入性更大,相比之下植入式外周神经接口的适用对象更局限,不过其侵入性小有着更强的临床应用前景。本文分别面向这两种神经接口开展工作构建各自的研究平台,设计了基于猕猴的运动感觉行为范式与在体神经信号采集实验,分别考察了大脑皮层神经信号以及外周神经信号在上肢伸展抓握运动中的活动模式,分别研究了基于脑机接口和基于外周神经接口在解码运动意图和电刺激感觉重建中的方法和效果。本文首先构建了植入式运动脑机接口平台,设计了独特的猕猴上肢伸展抓握运动实验范式,在猕猴多个脑区成功植入神经微电极阵列,获取了不同脑区与猕猴伸展抓握运动直接相关的高质量神经信号,利用多脑区神经信号联合解码实现了高准确率的运动意图识别。在植入式运动脑机接口平台的基础上构建了植入式感觉脑机接口平台,设计了独特的猕猴感觉解析与重建实验范式,解析了猕猴大脑皮层感觉相关脑区的神经信号活动机制,制定了皮层微刺激感觉重建研究思路。在神经信号解码方面,针对记录的动作电位信号的非平稳性以及有效时间较短的局限性,进行了基于场电位信号的运动意图识别。与之前研究不同的是,本文使用高频场电位信号进行解码研究而不是使用低频场电位信号,设计了基于小波包变换的特征提取算法,联合多脑区高频场电位信号实现了对不同伸手方向和抓握手型运动意图的识别并获得了较高的分类准确率,证明了高频场电位信号可以用于运动意图的准确识别以及多脑区高频场电位信号联合解码的效果要好于单个脑区单独解码的效果。在完成神经信号解码的基础上,针对植入式脑机接口解码器使用前需要新数据进行校正的问题,将迁移学习的理念首次引入植入式脑机接口解码器校正问题,设计了一种基于迁移学习的解码器校正新方法,该方法只需要超小当前样本集数据就能完成解码器校正且获得良好的校正效果,相比于目前流行的其他几种解码器校正方法,该方法既减少了对于当前样本集数据的依赖又获得了更好的解码器校正效果,增强了植入式脑机接口的实用性。针对目前植入式脑机接口存在的不足,进行了植入式外周神经接口研究,在国内首次构建了基于猕猴的长期植入式外周神经接口,实现了外周神经信号和皮层神经信号的同步采集和解析。基于猕猴外周神经接口,首次综合使用束外神经电极和束内神经电极联合进行外周神经微电刺激并成功重建猕猴上肢抓握运动。此外,还设计了面向猕猴的基于外周神经电刺激的感觉重建实验,完成了猕猴训练,实现了猕猴对于所受感觉刺激的分辨与表达,证明了以猕猴为研究对象进行感觉重建实验的可行性。(本文来源于《华中科技大学》期刊2018-05-01）
神经接口论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
脑机接口(Brain Computer Interface,BCI)是一种全新的大脑与计算机连通的系统,具有改变人机交互方式的潜在价值。脑机接口近年来的发展趋势呈现指数增长:2002年,人们能够通过BCI系统发送每分钟2比特的数据到计算机;四年后上升到40比特,也就是每分钟能传送5个字母,在2019年Nature发表的一篇文章中表示人们通过BCI系统已实现每分钟传送25个字母到计算机。在2002年美国国家科学基金会和美国商务部发表的报告《强化人类的技术汇总》中提到:类似脑机接口技术“可以作为讲话的补充,当需要最大限度提高意识交流效率的时候甚至取代谈话”。当脑机接口系统让计算机比声带更快的沟通思想,人与人之间的交流速度超过人脑思维本身的时候,就必须用人工智能对于人脑进行交流辅助。中国在“十叁五”提出将“脑科学和类脑研究”列入国家重大科技创新和工程项目,中科院于2019年初成立了由20个院所的80多个实验室组成的脑科学和智能技术卓越创新中心。当前采集头皮脑电图(Electroencephalogram,EEG)信号的无创BCI系统得到广泛的应用,EEG信号只需将电极与头皮接触而无需把电极植入大脑,这种方式在对人安全、成本相对较低的情况下具有一定的信息传输速率,且比较接近理想中简单、便携的BCI。而采集EEG信号的无创BCI系统较为常用的通信方式就是运动想象。经由运动想象任务,激发大脑运动皮层脑电节律变动获取的脑电信号,作为基于运动想象的BCI系统研究的理论依据。但由于脑电信号的信噪比低、特征维度高,使得脑机接口的分类准确率很难提高,因此有效的脑电信号特征提取和分类方法成为研究热点。本文主要基于卷积神经网络(Convolutional Neural Network,CNN)对运动想象的BCI系统算法进行了系统的探究,主要围绕EEG信号的信号处理算法(包括预处理、特征提取和分类识别)等内容进行研究,创新性地提出了用PyTorch搭建11层CNN框架并和其他信号处理方法相结合的系统算法,利用第四届脑机接口国际竞赛数据库中的1组数据集来证明本文提出这一系统算法的可行性,最后实验分类结果达到95%,证明了该算法的创新可行性。本文的研究对象是左右手运动想象产生的EEG信号,具体信号处理框架如下:在预处理部分用LMS自适应滤波算法滤波、用主成分分析(Principal components analysis,PCA)和快速独立成分分析(Fast Independent Component Analysis,FastICA)两者降维并比较择优,特征提取部分用PyTorch搭建11层卷积神经网络模型(CNN)提取脑电信号的主要特征,分类识别部分用梯度Boosting算法(GB)(95%)和贝叶斯线性判别分析(Bayesian Linear Discriminant Analysis,BLDA)(90%)再次进行分类并比较择优。同时,用BCI竞赛数据库Ⅳ中的数据集1来训练11层CNN模型以优化CNN的结构和参数,并与另外叁种传统分类方法作比较证明CNN对脑电信号分类的优势;然后,用PCA+CNN+GB联合分类与CNN(86%)、CNN+PCA(90%)、CNN+GB(91%)叁种方法作比较证明在CNN基础上同时加上预处理(PCA)和分类识别(GB)联合分类效果最好;最后,将自己采集的脑电信号应用于PCA+CNN+GB联合分类的算法中,证明该方法的实际可行性。实验结果表明,先用LMS自适应滤波和PCA对信号作预处理,再用Pytorch搭建CNN和GB算法相结合的脑电信号识别方法,能够得到最好的分类结果。而且PyTorch框架结构简单、运算速度较快,很适合训练CNN模型,证实了本文的创新性以及所用算法对脑电信号识别的有用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经接口论文参考文献
[1].田学科.神经接口技术且行且规范[N].科技日报.2019
[2].赵泽宇.基于卷积神经网络的运动想象脑机接口系统算法研究[D].山东师范大学.2019
[3].耿挺.中国科学家研发柔性神经流苏[N].上海科技报.2019
[4].王松,季欣然,付海涛,张里程,唐佩福.神经接口技术在创伤性脊髓损伤修复中的研究进展[J].解放军医学院学报.2019
[5].廖梓宇.基于神经网络的机器人肌电控制接口研究[D].燕山大学.2018
[6].刘德扬,秦建平.脑-机接口技术在神经康复中的应用进展[J].健康之路.2018
[7].李奇,卢朝华.基于卷积神经网络的P300电位检测及在脑机接口系统中的应用[J].吉林师范大学学报(自然科学版).2018
[8].彭亮红.应用于神经接口界面的单宁酸/聚醚层层组装膜的构建及其生物性能的研究[D].大连理工大学.2018
[9].明东,安兴伟,王仲朋,万柏坤.脑机接口技术的神经康复与新型应用[J].科技导报.2018
[10].张鹏.基于植入式神经接口的运动感觉功能修复研究[D].华中科技大学.2018
标签：接口技术; 神经; 英国皇家学会; 默认共享; 智能识别; 全球领导者; 接口应用; 安全性; 心灵感应; 数据安全;