荣获"CHINA TOP cited paper award 2021"的神经工程领域顶级期刊的论文汇总

首页
栏目
ERP
荣获"CHINA TOP cited paper award 2021"的神经工程领域顶级期刊的论文汇总

2021-10-25
Admin

近日英国物理学会出版社（IOP Publishing）公布了“CHINA TOP cited paper award 2021”，社区为大家汇总了神经工程领域顶级期刊《Journal of Neural Engineering》上荣获该荣誉的一些研究。【注：(1)排名不分先后;(2)如有遗失，欢迎补充;(3)介绍若有误，欢迎指出，后续会进行修改。】

中国航天员研究训练中心等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“Incorporation of dynamic stopping strategy into the high-speed SSVEP-based BCIs”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

脑电图(EEG)是一个非线性、非平稳的过程，其特征不稳定，且在不同的试验中质量存在差异，这对脑机接口(BCI)提出了严峻的挑战。解决这一问题的方法之一是采用动态停止(DS)策略自适应地收集足够的脑电图证据。近年来，基于高速稳态视觉诱发电位 (SSVEP) 的 BCI 取得了巨大的进步。本研究旨在通过结合 DS 策略进一步改进基于高速SSVEP 的 BCI。本研究为基于高速 SSVEP 的 BCI 开发两种不同的 DS 策略，它们分别基于贝叶斯估计和判别分析。在两个数据集上，DS策略比FS策略取得了更好的信息传递率(ITR)，基于贝叶斯的DS提高了9.78%，基于判别的DS提高了6.7%。

论文地址：https://iopscience.iop.org/article/10.1088/1741-2552/aac605

中国电子科技大学等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“How do reference montage and electrodes setup affect the measured scalp EEG potentials?”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

人头皮脑电图(EEG)由于其非侵入性和超高时间分辨率而广泛应用于认知神经科学和临床研究。然而，测量的 EEG 电位对底层神经活动的代表性仍然是一个有争议的问题。本研究旨在系统地研究参考蒙太奇(reference montage)和电极设置如何影响 EEG 电位的准确性。

研究人员首先在神经源空间中使用单偶极子进行正向计算，得到11个通道数(10、16、21、32、64、85、96、128、129、257、335)的标准脑电图电位。在这里，引用是由正演理论隐含地决定的理想无穷大。然后，将标准脑电图电位转换为不同参考文献的记录，包括5个单极参考文献(左耳垂、Fz、Pz、Oz、Cz)和3个重复参考文献(链接乳突(LM)、平均参考文献(AR)和参考电极标准化技术(REST))。最后，根据通道数、头皮区域、电极布局、偶极源位置和方向以及传感器噪声和头部模型评估标准 EEG 电位和转换后的电位之间的相对误差。

该项研究结果可能为认知神经科学家和临床医生如何尽可能准确地获取 EEG 电位提供有用的建议。

https://iopscience.iop.org/article/10.1088/1741-2552/aaa13f/meta

中国医学科学院和北京协和医学院等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“Combination of high-frequency SSVEP-based BCI and computer vision for controlling a robotic arm”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

在本研究中，研究人员提出了一种新的控制方法，结合基于高频稳态视觉诱发电位(SSVEP)的BCI和基于计算机视觉的物体识别，以控制机械臂执行需要多自由度控制的拾取和放置任务。计算机视觉可以识别工作空间中的物体并定位它们的位置，而BCI允许用户选择这些物体中的一个来由机械臂进行操作。

研究结果证明了将基于高频SSVEP 的 BCI 和基于计算机视觉的对象识别相结合来控制机械臂的可行性和效率。而且研究人员所介绍的控制策略可以扩展到控制机械臂来执行其他复杂的任务。

https://iopscience.iop.org/article/10.1088/1741-2552/aaf594

武汉理工大学等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“Feature extraction of four-class motor imagery EEG signals based on functional brain network”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

该项研究了脑电图(EEG)信号处理技术，旨在提高多个MI任务的分类性能，以应对各种各样的被试所带来的挑战。的方法。研究人员提出了一种将脑功能网络的特征与常用空间模式(CSP)和局部特征尺度分解(LCD)两种特征提取算法相结合来提取识别特征的新方法。利用被试的脑电信号建立功能脑网络后，提取二元网络的程度度量作为附加特征，并与CSP和LCD算法提取的频率域和空间域特征融合。使用所提出的方法设计并实现了实时BCI机器人控制系统。被试可以通过四类MI任务来控制机器人的运动。

https://iopscience.iop.org/article/10.1088/1741-2552/ab0328

北京科技大学等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“A study on dynamic model of steady-state visual evoked potentials”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

为提高对SSVEP的动态过程的理解，尤其是对瞬态响应的理解。本研究引入了一种反相刺激方法((antiphase:phase)，可以同时从脑电图中分离提取SSVEP和事件相关电位(ERP)信号，消除ERP对SSVEP的干扰。基于反相刺激法获得的SSVEP信号，通过Hilbert变换提取SSVEP的包络，通过数学建模定量研究SSVEP的动力学模型。利用二阶线性系统的阶跃响应拟合SSVEP的包络，用四个具有生理和生理意义的参数来表征SSVEP的特性:一个与振幅相关，一个与潜伏期相关，两个与频率相关。本研究尝试使用预刺激范式来调节动态模型参数，并通过应用动态模型对结果进行定量分析，以进一步探索具有改善 BCI 性能潜力的预刺激方法。

https://iopscience.iop.org/article/10.1088/1741-2552/aabb82

中国科学技术大学等机构在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“HD-sEMG-based research on activation heterogeneity of skeletal muscles and the joint force estimation during elbow flexion”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。

当执行等长肘关节屈曲任务时，从覆盖上臂前部和内侧的网格中同步记录高密度表面肌电图(HD-sEMG)信号和产生的关节力。采用快速独立分量分析(FastICA)算法对HD-sEMG信号进行预处理，然后将其分解为对应于肱二头肌(BB)和肱肌(BR)的源信号及其贡献向量。首先从活化水平和活化区域两个方面考察了BB和BR的活化异质性。然后，利用K-means聚类方法将两个来源的贡献组合划分为几个主要的聚类。然后，从不同组合对应的主要聚类中提取力估计的输入信号，并采用多项式拟合技术作为力估计模型。最后给出了力估计结果，并对不同输入信号下的力估计性能进行了分析。

https://iopscience.iop.org/article/10.1088/1741-2552/aad38e

天津大学神经工程团队在国际神经工程领域顶级期刊《Journal of Neural Engineering》上发表题为“Enhance decoding of pre-movement EEG patterns for brain-computer interfaces”的研究论文，被英国物理学会出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。该奖项由英国物理学会出版社发布，旨在表彰研究人员发表的最具影响力的论文。

天津大学神经工程团队发展了极微弱诱发脑电信号解码技术，并利用运动预备电位与事件相关去同步的特征互补性机制，设计了多维时-频-空特征快速提取与融合方法，实现了运动预备阶段脑电特征的快速识别，显著提升了运动意图脑电解码效率。该研究提出的运动预备诱发脑电特征快速识别方法，可结合功能性电刺激（FES）应用于卒中患者康复训练，有望提升皮质运动意图与肌肉活动耦合的及时性，从而大幅提升康复效果；也可为航天员等特种人群在肢体束缚状态下脑控“第三只手”进行高效的人-机交互提供技术支持。

https://iopscience.iop.org/article/10.1088/1741-2552/ab598f