声明
致谢
摘要
插图
表格
1 绪论
1.1 脑机接口简介
1.2 研究现状
1.2.1 植入式脑机接口系统
1.2.2 神经元重要性的评估
1.2.3 神经元锋电位的高效解码
1.2.4 神经元活动的时变性
1.3 研究内容与目标
1.4 论文结构安排
2 实验材料及方法
2.1 实验对象
2.2 实验平台
2.3 实验范式
2.3.1 抓握实验范式
2.3.2 摇杆实验范式
2.4 信号采集
2.4.1 动作电位的产生与记录
2.4.2 电极埋植手术
2.4.3 神经信号的采集和预处理
3 离散和连续任务的神经解码
3.1 离散任务的神经解码
3.1.1 K近邻算法
3.1.2 支持向量机
3.1.3 猴子不同抓握手势的解码
3.2 连续任务的神经解码
3.2.1 广义回归神经网络
3.2.2 卡尔曼滤波器
3.2.3 支持向量回归
3.2.4 猴子四方向运动轨迹的解码
3.3 本章小结
4 基于局部学习方法的神经元重要性评估
4.1 基于局部学习的评估方法
4.2 重要神经元的解码结果
4.3 重要神经元的发放模式分析
4.4 基于局部学习方法的性能分析
4.4.1 与其他方法的比较
4.4.2 算法收敛速度分析
4.5 神经元的时变性分析
4.6 本章小结
5 基于神经元生理特性的高效解码算法设计
5.1 序列蒙特卡罗方法概述
5.2 考虑神经元时空相关性的解码算法设计
5.2.1 基于点过程的调谐模型
5.2.2 调谐模型的评估方法
5.2.3 猴子二维平面随机运动轨迹的解码
5.3 考虑神经元时变特性的解码算法设计
5.3.1 辅助粒子滤波算法
5.3.2 参数变化点的检测
5.3.3 静态调谐参数的估计
5.3.4 仿真数据上的实验结果
5.3.5 真实数据上的初步结果
5.4 基于GPU的大规模并行化解码算法实现
5.5 本章小结
6 总结与展望
6.1 工作总结
6.2 本文创新点
6.3 未来展望
参考文献
发表文章目录