面向实用的脑-机接口——缩小研究与实际应用之间的差距

本书是脑-机接口(BCI)的经典著作，自在缩小BCI研究与实际应用之间的差距，推动BCI技术走出实验室，走向实际应用。主要介绍和论述实用化BC传感器及其信号处理，实用化BCI的设备、应用及用户群体，BCI实际应用接口和环境，实用化BCI基础设施建设中新出现的问题。鉴于BCI研发和应用的跨学科性质，本书不仅可供从事BCI研发的人员参考，也可供受认知与神经科学启发的人工智能（包括类脑计算、脑机智能融合等方向）的研发人员参考；本书还可作为高等院校及科研院所C1课程的参考书，以供高年级本科生、硕士和博士研究生学习和参考。

伏云发，教授，博士，博士生导师。博士毕业于中国科学院研究生院、中国科学院沈阳自动化研究所机器人学国家重点实验室。目前于昆明理工大学信息工程与自动化学院自动化系任教，为昆明理工大学脑认知与脑机智能融合创新团队负责人、昆明理工大学脑信息处理与脑一机交互控制学科方向团队负责人、云南省神经科学学会理事和副秘书。主要研究方向：脑一计算机智能融合（即脑一机智能融合）；神经反馈及应用。

译者序
前言
第1章BCI现状及进展：概述、分析和建议
1.1引言
1.2本书概述
1.2.1第1部分概述
1.2.2第2部分概述
1.2.3第3部分概述
1.2.4第4部分概述
1.3预测和建议
1.4总结
参考文献
第1部分传感器、信号和信号处理
第2章混合光-电BCI：实践和可能性
2.1引言
2.2EEG与fNIRS的基本生理起源
2.2.1脑电的起源
2.2.2fNIRS响应的起源
2.3信号模型
2.3.1血管响应建模
2.3.2分光光度转换
2.3.3合成信号的生成
2.4公开（外显）的和想象（内隐）的运动任务期间EEG-fNIRS联合测量
2.4.1fNIRS/EEG传感器
2.4.2实验描述
2.4.3信号处理
2.4.4结果
2.5结论
参考文献
第3章BCI中的组合分类技术
3.1引言
3.2理论背景
3.2.1模式识别方法：组合的定义和背景
3.2.2融合的模式识别视角
3.2.3为组合的优势打下扎实的基础
3.3组合和融合的层次
3.3.1特征级联
3.3.2分类级联
3.3.3分类融合
3.3.4决策融合
3.4组合的类型
3.4.1分类器组合
3.4.2堆叠式组合
3.4.3多导联组合
3.4.4多模态组合
3.5重采样策略
3.5.1数据集划分
3.5.2特征空间划分
3.5.3信号分割
3.6融合算子
3.6.1基于样本的融合
3.6.2时域融合算子
3.7总结组合所得的结果
3.8结论
参考文献
第4章采用独立成分分析提升BCI性能
4.1引言
4.2ICA在EEG信号处理中的应用
4.3ICA在BCI系统中的应用
4.3.1伪迹剔除
4.3.2提高任务相关脑电信号的信噪比
4.3.3选择电极
4.4基于ICA的零训练BCI
4.4.1实验和数据记录
4.4.2方法
4.4.3结果
4.5讨论和总结
参考文献
第5章皮层脑电（ECoG）电极在BCI应用中的长期使用
5.1引言：从术前诊断到运动解码
5.2ECoG电极的方法和技术
5.3用于BCI的ECoG信号
5.4用于BCI的多通道ECoG阵列
5.4.1激光加工电极的制造
5.4.2第一个研究的生物评价/结果
5.5可长期植入的无线系统
参考文献
第2部分设备、应用和用户
第6章设备、应用和用户介绍：基于共享控制技术的实用BCI
6.1引言
6.2当前和新兴的用户群体
6.3BCI设备和应用场景
6.3.1通信和控制
6.3.2运动替代：恢复抓取功能
6.3.3娱乐和游戏
6.3.4运动康复与运动恢复
6.3.5心理状态监测
6.3.6混合BCI
6.4基于共享控制技术的实用BCI：面向移动性控制
6.4.1运动残疾患者控制的临场感遥操作机器人
6.4.2BCI控制轮椅
6.5利用EEG错误电位实现手势识别系统的自适应
6.6结论
参考文献
第7章BCI在手部运动功能康复中的应用
7.1引言
……