針對腦機接口中運動想象任務的特征選擇問題,提出一種基于互信息與主成分分析的腦電特征選擇算法。該算法融入類別信息,用不同運動想象類別條件下特征間的互信息矩陣之和取代傳統主成分分析算法中的協方差矩陣,其特征向量表示新的主成分空間內各主成分的方向,特征值則作為評價準則判斷主成分維數。對2005年國際BCI競賽數據集,聯合功率譜估計、連續小波變換、小波包分解、Hjorth參數四種方法進行特征提取,采用所提出的算法進行特征選擇并與主成分分析算法對比,實驗結果表明,所提出算法的降維效果更好,以支持向量機為分類器,相同維數的主成分,所得分類正確率更高。
已有研究認為，運動想象心理旋轉認知任務對個體的運動想象能力有較好的預測度。為探索運動想象能力與行為學數據之間的關聯性，本研究對 10 名右利手男性受試者開展了身體部位相關圖片的心理旋轉任務試驗，根據其反應時和正確率得出行為學效應，并將行為學數據與運動想象量表評分進行皮爾遜相關性分析。研究結果表明，對于單一受試者來說，在心理旋轉過程中存在明顯的角度效應、身體部位效應；對于所有受試者，行為學數據與運動想象量表評分呈相關性，研究結果表明受試者反應時越長，運動想象能力越差，反之同理。本研究可為后期開展運動想象心理旋轉過程中的腦電生理學研究奠定前期基礎。
腦?機接口（BCI）技術通過解碼大腦信號可實現人類和外部設備的交互，近年來取得了一些重要的突破，但其應用推廣目前還存在許多障礙。當前常見的 BCI 控制信號一般來源于與感覺運動相關的腦區，這些信號僅能反映肢體運動意圖的有限部分。因此，需要探索更多可用于控制 BCI 系統的腦信號源。基于認知腦區的腦信號具有更加直觀、有效的特點，可作為拓展腦 BCI 信號源的新途徑。本文綜述了基于單一腦區和多腦區混合的認知 BCI 的研究現狀，并歸納了其在康復醫學領域的應用研究，以期將基于認知的 BCI 技術作為未來 BCI 康復應用的突破口。