对非侵入性脑电脑接口在临床应用中的通信和运动控制方面的性能改进的审查

科学领域:

• 神经科学和生物医学工程
• 专注于脑电脑接口 (BCI) 系统及其应用.

背景情况:

• BCI系统促进了直接的大脑与计算机的通信,增强了人类的能力.
• 临床应用包括康复,沟通和控制,非侵入性脑电图 (EEG) 系统正在显著发展.
• 深度学习提高了BCI的性能,但临床采用仍面临障碍.

研究的目的:

• 审查过去十年BCI系统的进展情况.
• 确定关键挑战,并为BCI开发和临床整合提出解决方案.

主要方法:

• 对最先进的BCI系统进行全面审查,特别是基于EEG的非侵入性方法.
• 在BCI中,分析从统计模型到深度学习的演变.
• 检查数据限制及其对深度学习模型性能的影响.

主要成果:

• 通过深度学习推动的BCI技术取得了显著的进步.
• 一个关键的挑战是医疗BCI培训数据的稀缺性,阻碍了深度学习模型的稳定性.
• 深度学习模型虽然强大,但由于数据需求,在医疗BCI中未得到充分利用.

结论:

• 尽管取得了进展,但数据限制仍然是充分利用医学BCI深度学习的关键障碍.
• 未来的研究应该集中在克服数据短缺的战略上,以获得更可靠和更强大的BCI系统.
• 应对这些挑战对于扩大BCI的临床实用性至关重要.