基于多模态信号的脑机交互及临床应用研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61633010
  • 项目类别:
    重点项目
  • 资助金额:
    265.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0609.认知与神经科学启发的人工智‍能
  • 结题年份:
    2021
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2021-12-31

项目摘要

This project will study multimodal brain computer interactions and their clinical applications. (i) We will analyze multimodal signals including EEG, EMG and EOG and establish their data fusion algorithms; (ii) Based on these multimodal signals, we will develop multimodal brain computer interaction systems in order to provide multiple control commands and achieve high detection performance; (iii) We will study multimodal neurofeedbacks involving visual, auditory, and FES stimuli for effective bi-directional interactions; (iv) We will integrate brain control and automated control techniques and implement effective shared control for wheelchairs and rehabilitation devices; (v) We will study emotion recognition based on the multimodal signals and develop emotional brain computer interaction systems; (vi) The clinical application studies in this project involve the patients with spinal cord injuries (SCIs), strokes, or disorder of consciousness (DOC). Specifically, for patients with SCIs or strokes, we will develop multimodal brain computer interaction systems for their motor assistance and rehabilitation. For patients with DOC, we will study multimodal brain computer interaction-based awareness detection, communication and cognition rehabilitation and establish the corresponding systems.
本项目将开展多模态脑机交互方法及其临床应用研究。首先研究脑电、肌电、眼电等多模态生理信号融合分析方法,为多模态脑机交互系统提供算法支持;将基于上述多模态信号,研发多模态脑机交互系统,以提供丰富的控制指令,实现高性能检测;构建基于视觉、听觉、功能电刺激等的多模态神经反馈,实现双向脑机交互;整合脑控与自主控制智能技术,研发脑机共享控制系统,实现对轮椅和康复器材的高效脑机协调控制;研究基于多模态生理信号的情绪识别算法,建立有效的情绪诱发方法,实现情感脑机交互;面向脊髓损伤和中风患者,研发基于多模态脑机交互的运动功能辅助与康复系统,设计康复训练范式,提高患者的生活自理能力与康复水平;面向意识障碍患者,研发基于多模态脑机交互的意识检测与辅助交流系统,及基于情感脑机交互的认知功能康复系统,以改善意识障碍病人群体的临床诊断、交流与认知功能康复效果。

结项摘要

多模态脑机交互技术通过多模态生理信号、脑机交互系统以及神经反馈,实现对轮椅和康复器材的高效脑机协调控制,对各类神经/精神障碍患者的功能辅助与康复具有重要意义。为了推动该技术的临床应用与产业化,本项目从脑电、fMRI信号处理算法与多模态生物医学信号融合分析、脑机交互方法与系统、面向残疾人的脑机交互运动功能辅助与康复系统,以及面向意识障碍患者的脑机交互系统,这四个方面展开了系统性的研究。. 本项目的主要贡献如下:1)提出高效快速的脑信息解码和高质量脑控信号提取方法,为疾病辅助诊断、脑功能分析、患者康复效果评价等提供算法支撑;2)研发基于多模态脑信号的反馈系统、脑机交互、共享控制、情感交互系统,实现脑机交互之间的无缝融合;3)面向脊髓损伤和中风患者,研发基于多模态脑机交互的运动功能辅助与康复系统,设计康复训练范式,提高患者的生活自理能力与康复水平;4)面向意识障碍患者,研发基于多模态脑机交互的意识检测与辅助交流系统,及基于情感脑机交互的认知功能康复系统,以改善意识障碍病人群体的临床诊断、交流与认知功能康复效果。

项目成果

期刊论文数量(64)
专著数量(1)
科研奖励数量(11)
会议论文数量(24)
专利数量(49)
Discriminative low-rank gabor filtering for spectral-spatial hyperspectral image classification
用于光谱空间高光谱图像分类的判别性低秩 Gabor 滤波
  • DOI:
    10.1109/tgrs.2016.2623742
  • 发表时间:
    2017
  • 期刊:
    IEEE Transactions on Geoscience and Remote Sensing
  • 影响因子:
    8.2
  • 作者:
    He Lin;Li Jun;Plaza Antonio;Li Yuanqing
  • 通讯作者:
    Li Yuanqing
rTMS ameliorates prenatal stress-induced cognitive deficits in male-offspring rats associated with BDNF/TrkB signaling pathway
rTMS 改善雄性子代大鼠产前应激引起的与 BDNF/TrkB 信号通路相关的认知缺陷
  • DOI:
    10.1177/1545968319834898
  • 发表时间:
    2019
  • 期刊:
    Neurorehabilitation and Neural Repair
  • 影响因子:
    4.2
  • 作者:
    Yingchun Shang;Xin Wang;Fangjuan Li;Tao Yin;Jianhai Zhang;Tao Zhang
  • 通讯作者:
    Tao Zhang
Assessment of visual pursuit in patients with disorders of consciousness based on a brain-computer interface
基于脑机接口的意识障碍患者视觉追踪评估
  • DOI:
    10.1109/tnsre.2018.2835813
  • 发表时间:
    2018
  • 期刊:
    IEEE Transactions on Neural Systems and Rehabilitation Engineering
  • 影响因子:
    4.9
  • 作者:
    Jun Xiao;Qiuyou Xie;Qing Lin;Tianyou Yu;Ronghao Yu;Yuanqing Li
  • 通讯作者:
    Yuanqing Li
A BCI-based environmental control system for patients with severe spinal cord injuries
针对严重脊髓损伤患者的基于 BCI 的环境控制系统
  • DOI:
    10.1109/tbme.2016.2628861
  • 发表时间:
    2017
  • 期刊:
    IEEE Transactions on Biomedical Engineering
  • 影响因子:
    4.6
  • 作者:
    Zhang Rui;Wang Qihong;Li Kai;He Shenghong;Qin Si;Feng Zhenghui;Chen Yang;Song Pingxia;Yang Tingyan;Zhang Yu;ong;Yu Zhuliang;Hu Yaohua;Shao Ming;Li Yuanqing
  • 通讯作者:
    Li Yuanqing
A single-channel EOG-based speller
基于 EOG 的单通道拼写器
  • DOI:
    10.1109/tnsre.2017.2716109
  • 发表时间:
    2017
  • 期刊:
    IEEE in Transactions on Neural Systems & Rehabilitation Engineering
  • 影响因子:
    --
  • 作者:
    Shenghong He;Yuanqing Li
  • 通讯作者:
    Yuanqing Li

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

一类奇异混合信号盲分离的神经网络模型
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    控制理论与应用》
  • 影响因子:
    --
  • 作者:
    李远清
  • 通讯作者:
    李远清
阻尼器连接填充墙在柔性框架结构中的应用研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    地震工程与工程振动
  • 影响因子:
    --
  • 作者:
    鲁亮;李远清;赵菲
  • 通讯作者:
    赵菲
Selective AudiovisualSemantic Integration Enabled by Feature-Selective Attention
通过特征选择性注意实现选择性视听语义集成
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Scientific Reports (IF:5.578)
  • 影响因子:
    --
  • 作者:
    李远清
  • 通讯作者:
    李远清
Natural Gradient Approach to Multichannel Blind Deconvolution
多通道盲解卷积的自然梯度方法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Journal of Systems Engineering and Electronics
  • 影响因子:
    2.1
  • 作者:
    张丽清;刘永清;李远清
  • 通讯作者:
    李远清
一种数字图像盲增强的新算法
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    《控制理论与应用》
  • 影响因子:
    --
  • 作者:
    李远清
  • 通讯作者:
    李远清

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李远清的其他基金

双向多维脑机接口关键技术及其应用研究
  • 批准号:
    91120305
  • 批准年份:
    2011
  • 资助金额:
    280.0 万元
  • 项目类别:
    重大研究计划
信号盲处理的稀疏表示方法
  • 批准号:
    60475004
  • 批准年份:
    2004
  • 资助金额:
    23.0 万元
  • 项目类别:
    面上项目
滞后离散广义系统理论研究、算法仿真及其应用
  • 批准号:
    60004004
  • 批准年份:
    2000
  • 资助金额:
    18.0 万元
  • 项目类别:
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码