癫痫发作预测:旨在利用多模态神经生理信号预测癫痫发作,通过提前预警发作降低患者潜在风险,并为闭环神经调控提供条件。相关应用可极大提高患者生活水平。
运动意图解码:旨在通过肌肉收缩时产生的电信号精准解析运动意图,并克服实际使用过程中跨天、跨用户、无关运动等干扰因素等影响。相关研究可促进假肢控制及康复领域发展,为行动障碍人员带来新的希望。
脑电信号降噪:旨在去除头皮脑电信号采集过程中混入的肌电、眼电、运动、工频干扰等噪声,降噪技术的优劣是后续神经信号分析准确与否的先决条件。
脑机接口(BCI)利用来自大脑的神经生理信号控制计算机或其他外部设备。它们通过改善或替代人类外周功能,以提高人类生活质量。目前神经接口小组开展了一系列基于神经生理信号的解码工作,相关成果可促进人机交互、神经假肢、癫痫检测等应用落地。具体研究方向包括:
- 近年来在领域内旗舰期刊及会议共发表24篇,成果入选亮点文章。主要代表性论文如下(*.
- [1] L. Wu(吴乐), X. Zhang*, K. Wang, X. Chen, and X. Chen, “Improved High-Densi.
- [2] L. Wu(吴乐), A. Liu*, X. Zhang, X. Chen, and X. Chen, “Electrode Shift Robu.
- [3] L. Wu(吴乐), X. Zhang, X. Zhang, X. Chen, and X. Chen*, “Metric learning fo.
- [4] L. Wu(吴乐), A. Liu*, X. Zhang, X. Chen, and X. Chen, “Unknown Motion Rejec.
- 中国科学技术大学青年创新基金项目“鲁棒肌电手势识别关键技术研究”,
- 中国博士后科学基金会面上项目“基于多模态生理信息融合的癫痫发作预测方法研究”,
- 国家重点研发项目子课题“多模态神经电生理信号处理算法研究”,
- 暂无内容
- 暂无内容