脑电图（Electroencephalograph, EEG）信号是由大脑内以数万亿计的神经元细胞进行自发性电活动形成的电信号，包括有丰富的大脑活动信息[1]。脑-机接口（Brain-Computer Interface, BCI）是指在人脑和计算机或其他电子设备之间建立的直接的交流和控制通道，它不依赖于脑的正常生理输出通道（外周神经系统和肌肉），控制信号直接来自中枢神经系统并被转化为外部的控制信号，是一种全新的交流和控制方式[2,3]。BCI系统采集大脑的信号，通过信号处理算法提取其中特征进行分类，并将结果翻译成外部设备的控制命令[4]。BCI技术可以实现大脑与外界环境的交互，在医疗领域具有重要的应用价值，通过这项技术，可以帮助身体严重残疾（瘫痪、失语）的患者建立与外界交流的方式，也能帮助肢体残疾的患者实现大脑直接控制假肢，提高他们的生活质量[5]。
2013-2019年间，脑电图与脑机接口Top5论文产出国家为美国、中国、印度、日本和德国。Top5论文产出作者为天津大学的Ming,Dong、奥地利格拉茨技术大学的Müller-Putz, Gernot R.、韩国高丽大学的Müller,Klaus Robert、新加坡南洋理工大学的Guan, Cuntai和美国加州大学圣地亚哥分校的Jung,Tzyyping。在发文量排名前500的作者中，同济大学电子与信息工程学院Li, Jie排名第213位，发文篇数为16，被引次数为191，FWCI为1.28（FWCI是指分析对象文献的被引频次与数据库中其他类似文献的平均被引频次的比值）。Top5论文产出机构如图1所示。
图1 脑电图与脑机接口2013-2019年Top5论文产出机构
本领域最受关注的十大研究主题为：脑-机接口稳态视觉探究、皮肤电反应、脑电图与人类情感、脑电图与神经反馈神经网络、脑电中的眼电伪迹研究、感觉运动皮层、眼球运动与眼电信号、脑电波、脑力负荷、神经反馈训练。2019年发文的主要关键词如图2所示，2019年被引量最高的前十篇论文如表1所示。
图2 脑电图与脑机接口2019年关键词聚类
表1 脑电图与脑机接口2019年Top10被引论文
| 序号
|
标题
|
作者
|
来源
|
被引量
|
| 1
|
Quantitative Assessment for Self-Tracking of Acute Stress Based on Triangulation Principle in a Wearable Sensor System
|
Wu, W., Pirbhulal, S., Zhang, H., Mukhopadhyay, S.C.
|
IEEE Journal of Biomedical and Health Informatics
|
23
|
| 2
|
Sustained effects of neurofeedback in ADHD: a systematic review and meta-analysis
|
Van Doren, J., Arns, M., Heinrich, H., Vollebregt, M.A., Strehl, U., K. Loo, S.
|
European Child and Adolescent Psychiatry
|
21
|
| 3
|
Decoding of wrist movements' direction by fractal analysis of magnetoencephalography (MEG) signal
|
Namazi, H., Jafari, S.
|
Fractals
|
13
|
| 4
|
The peri-Sylvian cortical network underlying single word repetition revealed by electrocortical stimulation and direct neural recordings
|
Leonard, M.K., Cai, R., Babiak, M.C., Ren, A., Chang, E.F.
|
Brain and Language
|
12
|
| 5
|
Sparse Group Representation Model for Motor Imagery EEG Classification
|
Jiao, Y., Zhang, Y., Chen, X., Yin, E., Jin, J., Wang, X., Cichocki, A.
|
IEEE Journal of Biomedical and Health Informatics
|
12
|
| 6
|
Temporally constrained sparse group spatial patterns for motor imagery BCI
|
Zhang, Y., Nam, C.S., Zhou, G., Jin, J., Wang, X., Cichocki, A.
|
IEEE Transactions on Cybernetics
|
9
|
| 7
|
Attention, Executive Function, Behavior, and Electrocortical Function, Significantly Improved With 19-Channel Z-Score Neurofeedback in a Clinical Setting: A Pilot Study
|
Wigton, N.L., Krigbaum, G.
|
Journal of Attention Disorders
|
9
|
| 8
|
EmotionMeter: A Multimodal Framework for Recognizing Human Emotions
|
Zheng, W.-L., Liu, W., Lu, Y., Lu, B.-L., Cichocki, A.
|
IEEE Transactions on Cybernetics
|
8
|
| 9
|
Human emotion recognition using deep belief network architecture
|
Hassan, M.M., Alam, M.G.R., Uddin, M.Z., Huda, S., Almogren, A., Fortino, G.
|
Information Fusion
|
7
|
| 10
|
Mobile platform for affective context-aware systems
|
Nalepa, G.J., Kutt, K., Bobek, S.
|
Future Generation Computer Systems
|
6
|
参考文献：
[1]陈东伟,易子川,韩娜,缪睿,杨维奇,李楠,水玲玲,周国富.基于脑电图信号在复杂场景下的新型联合算法[J].华南师范大学学报(自然科学版),2018,50(06):6-11.
[2]赵海滨,刘冲,喻春阳,王宏.利用频带能量和k近邻分类器进行皮层脑电图分类[J].计算机应用,2010,30(11):3105-3107.
[3]李方博,刘方毅.脑机接口研究概述[J].电子世界,2017(21):74+76.
[4]李翔,高小榕,高上凯.一种基于两种不同范式的混合型脑-机接口系统[J].中国生物医学工程学报,2012,31(03):326-330.
[5]王鑫哲.脑机接口技术在医疗领域的应用前景分析[J].科技传播,2019,11(05):145-146.
如需更多信息，可联系同济大学图书馆情报分析与研究部。
电话：021-65982352
邮箱：ia@lib.tongji.edu.cn
网址：https://www.lib.tongji.edu.cn/index.php?classid=12227
撰稿：姚媛
审核：姚俊兰
|
