德国专家为防撞设计提供新方法

据国外媒体近日报道，德国研究人员首次使用了司机的大脑信号，以协助汽车的制动，并提供了更快的反应时间，为由于人为错误造成的车祸提供了潜在的解决方案。研究人员利用脑电图，将电极附在测试人员的头皮上，进行“心灵阅读”，     

小儿脑脓肿的脑电图和CT对比观察

本文报道了小儿脑脓肿的临床、脑电图及CT改变。证实脑电图在筛查颅内占位性疾病方面起重要作用。并对脑脓肿与脑炎、限局性脑炎、颅内恶性肿瘤等脑电图进行讨论。     

急性二异氰酸甲苯酯中毒引起神经系统的改变

近期我管区内发生了８名工人急性ＴＤＩ中毒，其中一名当即出现了抽搐、意识丧失。均住院治疗，部分病人出现了脑电图和肌电图异常改变，经对症治疗，半年后随访，４名脑电图异常者，仍没有恢复。８名中毒者，除表现了ＴＤＩ的刺激和致敏症状，部分患者出现了神经系统受损的临床表现。     

56例小脑电图研究

采用排除肌电干扰的绝缘针电极记录了56例经头皮的小脑电图。其中41例非器质性脑病患者为对照组，小脑电图是频率与大脑半球一致的低幅α波为主的电活动；8例大脑器质性病变患者的小脑电图与对照组的相似;7例小脑病突患者的小脑电图α波减少、θ波出现。认为用此法测得小脑电图可能成为检测小脑功能状态的一个简便、客观指标。     

基于因子分析的心算事件相关脑电变化

为正确了解心算对人脑的影响,对心算前闭眼放松、闭眼心算和心算后闭眼放松三种状态下获取的脑电图数据进行了因子分析.研究结果表明在闭眼心算时,发现跟第一个公共因子相关最密切的脑部位大多位于人脑的左侧半球上;在心算前、后闭眼放松时,均为人脑的右侧半球所占的比重最大,并且心算前闭眼放松在右侧半球所占的比重比心算后闭眼放松时要大.证明了人们大脑功能的偏侧化进程,闭眼心算比闭眼放松时表现出更为明显的左侧半球优势,且大脑左侧半球在人们的心算中发挥着主要作用.     

基于距离测度法的中枢神经系统损伤检测

基于AR模型的EEG信号距离测度方法可以较好地表征中枢神经系统损伤的情况.主要探讨在这种方法中利用不同的定阶准则建立相应的AR模型及其对距离测度结果的影响.同时,使用自适应滤波器对原始信号进行滤波;将分离后的平稳和非平稳成分再进行距离测度法的研究.对滤波器的参数分析表明,这种方法可以很好地消除EEG信号中可能混有的不同程度的噪声,得到的距离测度结果也能更好地表示损伤的变化情况.     

利用脑电图功率谱密度研究电针的镇静作用

目的采用脑电图功率谱密度(PSD)探讨电针对健康人产生镇静作用的可能机制。方法对12例健康受试者的双侧足三里、神门、三阴交穴位给予电针刺激,分别记录30min无电针(静息态)及电针(电针态)两种状态下的多通道脑电图(EEG)信号,同时双频谱指数监测仪(BIS)监测被试者的镇静程度。利用PSD分析电针过程中脑电图的功率变化。结果与静息态相比,电针状态BIS值降低(P<0.05);脑电信号δ波段功率增加(P<0.05),α波段功率降低(P<0.05)。结论电针单独作用可产生镇静作用,电针产生的镇静作用使得脑电活动发生改变,慢波活动增加,推测与其产生的镇静作用相关。     

Multiple mental tasks classification based on nonlinear parameter of mean period using support vector machines

Mental tusk classification is one of the most important problems in Brain-computer interface. This paper studies the classification of five-class mental tusks. The nonlinear parameter of mean period obtained from frequency domain information was used as features for classification implemented by using the method of SVM （support vector machines）. The averaged classification accuracy of 85. 6% over 7 subjects was achieved for 2-second EEG segments. And the results for EEG segments of 0.5s and 5.0s compared favorably to those of Garrett＇s. The results indicate that the parameter of mean period represents mental tusks well for classification, Furthermore, the method of mean period is less computationally demanding, which indicates its potential use for online BCI systems.     

CLASSIFICATIONS OF EEG SIGNALS FOR MENTAL TASKS USING ADAPTIVE RBF NETWORK

Objective This paper presents classifications of mental tasks based on EEG signals using an adaptive Radial Basis Function (RBF) network with optimal centers and widths for the Brain-Computer Interface (BCI) schemes. Methods Initial centers and widths of the network are selected by a cluster estimation method based on the distribution of the training set. Using a conjugate gradient descent method, they are optimized during training phase according to a regularized error function considering the influence of their changes to output values. Results The optimizing process improves the performance of RBF network, and its best cognition rate of three task pairs over four subjects achieves 87.0%. Moreover, this network runs fast due to the fewer hidden layer neurons. Conclusion The adaptive RBF network with optimal centers and widths has high recognition rate and runs fast. It may be a promising classifier for on-line BCI scheme.