基於人工智能的腦機接口

伏雲發

基於人工智能的腦機接口

相關主題

商品描述

隨著腦機接口（BCI）與人工智能（AI）技術 的迅猛發展，出現了二者交叉融合的新興研究方向 。本書通過將AI技術引入BCI系統並整合其優勢，有 望顯著提升系統性能，特別是增強其智能化水平， 從而提高BCI系統的可用性、用戶體驗和滿意度，推 動BCI技術向實際應用轉化。本書全面探討了BCI與 AI技術的交叉融合及其在醫學、健康檢測、神經疾 病診斷等領域的應用。內容涵蓋從EEG信號分析、腦 狀態分類、運動想象BCI（MI-BCI）到深度學習在 癲癇、睡眠呼吸暫停、腦腫瘤檢測等方面的應用， 詳細闡述了人工智能方法在非侵入式BCI中的應用、 特征提取與分類技術，以及機器學習與深度學習模 型的構建等關鍵技術。本書適合以下讀者：腦機接 口、人工智能、神經科學、醫學工程等相關學科的 本科生、研究生及相關領域的科研人員；從事腦機 接口系統開發、人工智能算法優化、EEG信號處理等 工作的工程師；從事神經疾病、睡眠障礙、癲癇等 疾病診斷和治療的醫學專家。

目錄大綱

第1章 基於人工智能的時頻分布和卷積神經網絡（CNN）用於睡眠階段分類
1.1 前言
1.2 材料和方法
1.2.1 睡眠-EDF數據集EEG信號
1.2.2 EEG時頻變換技術
1.2.3 卷積神經網絡
1.3 結果
1.4 討論
1.5 小結
原著參考文獻
第2章 運動想象BCI方法綜合評述：挑戰與未來方向
2.1 前言
2.2 系統評述和薈萃分析的優選報告項目（PRISMA）指南
2.3 薈萃分析結果：常用的基準MI-BCI數據集及方法
2.4 討論
2.5 小結
原著參考文獻
第3章 運動想象腦機接口系統中一種新特征提取方法
3.1 前言
3.2 BCI類型和應用
3.2.1 腦電信號
3.2.2 其他用於記錄大腦活動的方法
3.2.3 BCI應用
3.3 盲源分離（BSS）及其在BCI中的應用
3.4 MI-BCI相關工作
3.4.1 去除噪聲和偽跡
3.4.2 擴展輸入維度
3.4.3 共空間模式（CSP）
3.4.4 空間濾波
3.5 所提方法
3.5.1 用於評估的數據集：BCI競賽Ⅲ中的標準數據集IVa
3.5.2 數據預處理
3.5.3 中間處理方法
3.5.4 終處理
3.6 計算機仿真與結果
3.6.1 實驗1
3.6.2 實驗2
3.7 討論
3.8 小結
原著參考文獻
第4章 針對個性化BCI開發：評估功率譜分析和機器學習技術
4.1 前言
4.2 數據來源：BCI競賽Ⅲ中的標準數據集IVa
4.3 分析方法
4.3.1 步驟1：數據預處理
4.3.2 步驟2：通道選擇
4.3.3 步驟3：特征提取
4.3.4 步驟4：分類
4.4 性能驗證/評估
4.5 參數選擇

類似商品

最後瀏覽商品 (10)