一个深度学习授权的fNIRS/DOT实时处理平台,用于大脑计算机接口和神经反

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 大脑-计算机接口 (BCI) 和神经反 (NFB) 为各种应用利用实时大脑活动监测.
• 功能近红外光谱学 (fNIRS) 和扩散光学断层扫描 (DOT) 是BCI/NFB的有希望的非侵入性神经成像技术.
• 对fNIRS/DOT数据的实时处理在基线校准,运动工件 (MA) 校正和图像重建方面面临挑战.

研究的目的:

• 开发和验证fNIRS/DOT数据的实时处理系统.
• 整合先进的基线校准技术,MA校正和3D大脑血液动力学重建.
• 为解决BCI和NFB应用中对低延迟,高通道处理的关键需求.

主要方法:

• 一个实时的fNIRS/DOT处理系统集成了基线校准,一个使用滑动窗口进行MA校正的无音自动编码器 (DAE),以及一个预先计算的反向雅可比安矩阵.
• 该DAE模型在广泛的高密度DOT (HD-DOT) 数据集上进行了训练,并在带有人工MA的运动图像数据集上进行了验证.
• 该系统通过大约750个道对其实时处理能力进行了评估.

主要成果:

• 基于DAE的MA校正表现出优于传统方法的性能,由较低的平均平方误差和与无MA数据的更高相关性证明.
• 该系统实现了低延迟处理,这对于有效的实时BCI和NFB应用至关重要.
• 该系统成功地实时处理了大约750个频道,提供了通道智能的氧化和3D功能成像.

结论:

• 拟议的实时处理系统有效地克服了对BCI和NFB的fNIRS/DOT数据分析的关键挑战.
• 基于DAE的MA校正为神经成像中移除运动工件提供了强大的和高效的解决方案.
• 该系统的高通道实时功能支持运动康复和辅助技术的先进应用,特别是在运动密集的场景中.