基于功能磁共振成像的脑机交互关键技术研究

项目名称： 基于功能磁共振成像的脑机交互关键技术研究

项目编号： No.90820006

项目类型： 专项基金项目

立项/批准年度： 2009

项目学科： 金属学与金属工艺

项目作者： 陈华富

作者单位： 电子科技大学

项目金额： 50万元

中文摘要： 脑电的低空间分辨率和对神经活动的模糊定位使得脑电-脑机接口(BCI)存在固有的弱点，所以迫切需要提出脑机接口的新概念和新方法。基于功能磁共振成像(fMRI)－脑机接口技术能对全脑神经活动进行非侵入式记录，并且具有相对较高的空间分辨率和适中的时间分辨率，在将来可能成为脑机接口研究的新领域。 本项目是课题组在 fMRI 分析方法和机器学习等研究成果基础上，解决fMRI－BCI 中存在的关键技术，探测fMRI-BCI 的实现方法。利用独立成分分析(ICA)和因果模型探测脑功能活动网络，进行fMRI-BCI 的神经机制研究; 发展fMRI-BCI 的多体素分类技术；利用加权主成分分析(PCA)进行特征提取；设计贝叶斯支持向量机的多体素fMRI 分类器,实现实时fMRI-BCI 在线反馈系统。通过这些研究揭示BCI 的神经机制，为未来的人机交互提供新的范式。

中文关键词： 功能磁共振成像；脑机接口；实时fMRI-BCI；多体素分析

英文摘要： Due to low spatial differentiability and blur location of EEG, EEG-BCI has an inherentweak, so it is necessary to present a new concept and method about BCI. BCI based onfMRI can record whole brain neural activation without incursion, and it has higherspatial differentiability and moderate temporal differentiability. fMRI-BCI is maybe anew domain of BCI study. The goal of this project is to solve the key technology of fMRI-BCI and explore theimplementing method of fMRI-BCI based on fMRI analysis method and machine learning ofour project group.Using Independent Component Analysis and Granger Causality Mapping, weexplore brain functional activation network to investigate neural mechanism of fMRI-BCI;Multi-voxels analysis technique is developed; Character pick up is implemented by usingweight PCA ; Multi-voxels classifying is designed by Bayes Support Vector Machine, fMRI-BCI feedback system is implemented. By these study, we explore the neural mechanism ofBCI to provide a new model of BCI.

英文关键词： fMRI;BCI;Real-rime fMRI-BCI Multi-voxel analysis