文献类型：期刊文章

作　　者：刘拓[1,3] 叶阳阳[2,3] 王坤[2,3] 徐立超[2,3] 奕伟波[4] 许敏鹏(综述)[1,2,3] 明东(审校)[1,2,3]

LIU Tuo;YE Yangyang;WANG Kun;XU Lichao;YI Weibo;XU Minpeng;MING Dong(School of Precision Instrument and Opto-electronics Engineering,Tianjin University,Tianjin 300072,P.R.China;Academy of Medical Engineering and Translational Medicine,Tianjin University,Tianjin 300072,P.R.China;Tianjin Key Laboratory of Brain Science and Neural Engineering,Tianjin 300072,P.R.China;Beijing Machine and Equipment Institute,Beijing 100854,P.R.China)

机构地区：[1]天津大学精密仪器与光电子工程学院,天津300072 [2]天津大学医学工程与转化医学研究院,天津300072 [3]天津市脑科学与神经工程重点实验室,天津300072 [4]北京机械设备研究所,北京100854

出　　处：《生物医学工程学杂志》

基　　金：国家自然科学基金资助项目(61976152,81601565,81630051,62006014);第四届中国科协青年人才托举工程(2018QNRC001);天津市科技重大专项与工程(17ZXRGGX00010)。

年　　份：2021

卷　　号：38

期　　号：5

起止页码：995-1002

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：运动想象指想象特定动作但实际上并不执行该动作的行为,已经在神经科学等领域得到广泛关注。运动想象脑电信号分类算法主要根据脑电信号所包含的生理信息,尤其是从生理信息中提取出的特征,对各类运动想象任务进行区分。近年来,运动想象脑电信号分类算法在分类器与机器学习策略两方面出现了一些新的研究进展。分类器方面,一些研究对传统机器学习分类器进行了改进,深度学习与黎曼几何分类器也已在该领域得到广泛应用。机器学习策略方面,出于提高分类准确率等目的,集成学习、自适应学习与迁移学习等机器学习策略被引入到运动想象脑电信号的分类中。本文综述讨论了运动想象脑电信号分类算法的研究进展,希望能够对各分类器与机器学习策略进行总结评价,为开发更高性能的分类算法提供思路。

关 键 词：运动想象脑电  分类器 机器学习策略  

分 类 号：TN911.7] R318]