Publications
主要研究方向脑-机接口、神经电信号分析与处理、深度学习。此栏主要记录所做工作，方便后续梳理。
Published in 42nd Annual International Conference of the IEEE EMBC, 2023
针对传统脑-机接口技术存在交互方式单一的问题，本工作开发了单人脑控汉字书写系统，将脑-机接口技术与机械臂相结合，实现了脑-机接口信息输出方式由一维到二维，由离散指令到平面像素，由“拼”到“写”的改变。相关研究工作以第一作者身份发表在国际生物医学工程年会IEEE EMBC。
Recommended citation: Han Jin, Xu Minpeng, Wang Yijun*, Tang Jiabei, Liu Miao, An Xingwei, Jung Tzyy-Ping, Ming Dong*. (2020). "‘Write’ but not ‘spell’ Chinese characters with a BCI-controlled robot." 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). 2020: 4741-4744.(EI: 20203809207925).
Download Paper
Published in unsubmitted（请见博士学位论文第7章）, 2023
本人先前研究（请见 博士学位论文 第6章 时变弱磁场调制脑电响应的变化规律探究），初步证明了人类大脑可以感知弱磁场强度的变化。在此基础上，本工作将环境弱磁场调制应用于BCI研究，探究弱磁场对视觉脑机接口（v-BCI）系统的调制影响。具体如下，以实验当地的地磁场强度为基准，等倍数改变受试者所处环境的静态弱磁场强度，采用视觉型BCI（v-BCI）中的快速序列视觉呈现范式（RSVP），通过对诱发的事件相关电位（ERPs）中各成分幅值和空间分布、特征可分性、分类性能等方面的分析，发现静态弱磁场强度的改变可以显著提高ERPs成分幅值、特征可分性和v-BCI系统分类性能。该工作为提高BCI性能提供一种新型的调制手段，也为研究大脑功能提供了新的技术手段。
Recommended citation: 韩锦. 视觉型脑-机接口特征调制与增强关键技术研究[D]. 天津大学. 2023.
Download Paper
Published in unsubmitted（请见博士学位论文第6章）, 2023
针对视觉型脑机接口（v-BCI）分类识别性能有待提高的问题，本工作从与日常生活密切相关的地球磁场着手，探究与地磁场强度等量级的环境弱磁场对大脑的调制作用，发展新型神经调制手段，从大脑的感磁能力探究和如何将弱磁场应用于v-BCI研究两方面展开。此工作针对第一部分工作中人类大脑是否可以感知弱磁场强度变化的问题，搭建时变弱磁场环境，将弱磁场强度以固定频率变化，探究不同环境磁场强度下睁眼静息脑电信号的变化规律，初步证明了弱磁场强度可对大脑产生显著的调制作用，为后续开展静态弱磁场调制大脑响应，发展可提升BCI系统性能的新型调制方法奠定了研究基础。
Recommended citation: 韩锦. 视觉型脑-机接口特征调制与增强关键技术研究[D]. 天津大学. 2023.
Download Paper
Published in Journal of Neural Engineering, 2023
近年来，随着BCI应用场景的快速扩展，对BCI系统性能的要求也提出了更高的要求。自2020年以来，研究人员设计了多种编码范式和解码方法，如多频率顺序编码（Multiple frequency sequential coding, MFSC）、光谱密集的联合频相调制方法（Spectrally-dense JFPM, sJFPM），以及基于编码调制诱发电位（c-VEP）的编解码方法，实现了对大指令集高速率BCI的进一步提升。在此背景下，本工作基于本人的以往研究基础，设计了新型混合编码范式，通过提取运动诱发电位、P300和SSVEP三种特征，融合更多脑电信息，设计多维度脑电串行与并行联合增强方法，开发大指令集高速率脑-机信息输入系统，进一步扩增指令数量，单指令输出时间仅为1.2秒，在线平均信息传输速率高达302.83 bits/min，实现了大规模指令集的快速脑机交互。相关研究工作以第一作者身份发表在神经工程领域著名期刊Journal of Neural Engineering。
Recommended citation: Han Jin, Xu Minpeng*, Xiao Xiaolin, Yi Weibo, Jung Tzyy-Ping, Ming Dong*. (2023). "A High-Speed Hybrid Brain-Computer Interface with more than 200 targets." Journal of Neural Engineering. 20: 016025.(SCI: 000919881200001).
Download Paper
Published in 数据采集与处理, 2022
基于脑机接口（Brain-computer interface，BCI）的脑控技术发展迅速，取得较大进展。然而，现有研究多采用单人脑控方式，存在执行效率低、可控自由度低的问题，难以满足复杂条件下的操控任务需求。针对此问题，本文采用时-频-相混合编码的视图脑机交互方法，设计双人协同策略，通过解码P300和稳态视觉诱发电位（Steady-state visual evoked potential，SSVEP）脑电特征，开发了108指令的双人协同脑控机械臂系统，实现双人同时对汉字一笔一划的书写。8名被试在线平均正确率为87.92%，平均在线信息传输速率（Information transfer rate，ITR）为66.00b/min。该系统扩展了BCI信息交互方式，初步验证了协同BCI操控机械臂的可行性和有效性，为协同BCI提供了技术支撑。相关研究工作以第一作者身份发表在中文期刊数据采集与处理。
Recommended citation: 韩锦，董博文，刘邈，许敏鹏*，明东*. (2022). "基于P300-SSVEP的双人协同脑-控机械臂汉字书写系统." 数据采集与处理. 37 (6): 1401-1411. (中文核心，CSCD: 7358130).
Download Paper
Published in Journal of Neuroscience Methods, 2022
刺激间时间间隔（Inter-stimulus interval, ISI）是BCI编码关键参数，通过影响目标刺激的空间临近干扰和试次间重叠程度等因素，对脑电特征的诱发效果，以及算法的分类识别效果产生影响，直接决定了BCI系统的编码效率和系统性能。本工作以时-频混合多址实验范式为基础，围绕所提出的并发混合脑电特征，将ISI从-175ms到0ms以25ms为步长等间隔变化，研究ISI对并发混合脑电特征及BCI系统性能的影响，探究进一步提升系统性能的可行方法。相关研究工作以第一作者身份发表在神经工程领域著名期刊Journal of Neuroscience Methods。
Recommended citation: Han Jin, Liu Chuan, Chu Jiayue, Xiao Xiaolin, Chen Long, Xu Minpeng, Ming Dong. (2022). "Effects of inter-stimulus intervals on concurrent P300 and SSVEP features for hybrid brain-computer interfaces." Journal of Neuroscience Methods. 372: 109535.(SCI: 000788121200005).
Download Paper
Published in IEEE Transactions on Biomedical Engineering, 2020
针对目前脑机接口领域指令集数量与解码速度相互制约的难题，本研究通过设计时-频-相混合编码策略，首次提出两种新的脑电特征，利用任务相关分析算法，开发了108指令的高速率脑控打字系统。该系统首次覆盖全键盘操控指令，系统性能是过去近十年同等研究平均的3~4倍，首次实现了超百指令超百信息传输速率的“双百”突破。相关研究工作以共同第一作者身份发表在神经工程领域著名期刊IEEE Transactions on Biomedical Engineering。
Recommended citation: Xu Minpeng, Han Jin (Co-first author), Wang Yijun*, Jung Tzyy-Ping, Ming Dong*. (2020). "Implementing over 100 command codes for a high-speed hybrid brain-computer interface using concurrent P300 and SSVEP features." IEEE Transactions on Biomedical Engineering. 67 (11): 3073-3082.(SCI: 000583492300007).
Download Paper
博士学位论文
博士期间主要围绕视觉型脑机接口展开研究，题目为“视觉型脑-机接口特征调制与增强关键技术研究-The key Technology of Feature Modulation and Enhancement for Visual Brain-Computer Interface”，下载链接请见博士学位论文下载
博士学位论文摘要：
视觉型脑-机接口（Visual brain-computer interface, v-BCI）是依据大脑对外源性视觉刺激的响应，实现大脑与外界环境直接交互的通信或控制系统。由于v-BCI具有特征诱发稳定、信息传输速率（Information transfer rate, ITR）高等优势，在医疗健康、工业控制等领域展现出广阔的应用前景。然而，目前v-BCI研究仍存在指令集维度低、分类识别效果有待提高的问题和技术瓶颈，阻碍了其在多场景下的应用。为此，本文从v-BCI特征调制方法着手，利用光刺激调制脑电响应的方式扩增指令数量，利用磁刺激调制脑电响应的方式提升分类识别效果，探究增强脑电特征的关键技术，以提升v-BCI的系统性能。在光刺激调制脑电响应，即视觉刺激编码调制方面，针对v-BCI中指令数量和交互速率互相制约，限制大指令集高速率v-BCI技术发展的问题，本文研究了混合多址编码调制方法，通过混合多种特征信息增强脑电特征，实现了指令数量的扩增，并基于此搭建和测试开源平台，进行了应用开发。首先，设计基于时-频分多址的新型混合编码范式，提出新型并发混合脑电特征及提取策略，开发108指令的高速率BCI编解码方法，在国际上首次将BCI指令数量扩增至百量级。其次，探究v-BCI编码关键因素刺激间时间间隔（Inter-stimulus interval, ISI）对并发混合脑电特征及系统性能的影响，通过设计等间隔变化的ISI参数，寻找最优的编码方式，系统ITR可显著提升9.15%。上述工作表明，采用多址编码方法和混合多种特征信息的方式，可以有效扩增指令数量。然后，搭建在线BCI开源平台BrainOn，并依托此平台和上述工作基础，继续采用多址编码策略，设计混合三种特征信息的新型编码范式，开发216指令高速率脑-机信息输入系统，进一步扩增v-BCI指令数量的同时，成功对平台进行测试，系统在线平均ITR达302.83 bits/min，是迄今最大指令集的高速率非侵入式BCI系统。最后，基于上述研究，提出基于笔画的新型汉字书写策略，开发基于v-BCI的机械臂汉字书写应用，在线平均操控正确率为84.05%，实现了BCI信息输出由“拼”到“写”的转变。在磁刺激调制脑电响应方面，针对v-BCI分类识别效果有待提高的问题，本文从与人类日常生活密切相关的地球磁场着手，探究与地磁场强度等量级的环境弱磁场对大脑的调制作用，从人类是否可以感知弱磁场强度变化和如何应用于v-BCI研究两方面展开，寻找新型磁刺激调制方式，以提升系统分类效果。首先，将环境弱磁场强度以固定频率变化，采集和分析不同磁场环境下受试者睁眼静息态的脑电数据。结果发现，弱磁场强度变化会显著影响脑电振荡节律的功率谱密度和节律间的相位-幅值耦合程度，初步证明了人类大脑可以感知弱磁场强度的变化。在此基础上，开展弱磁场对v-BCI性能的影响研究，以实验当地（北京）的地磁场强度为基准，等倍数改变环境磁场强度，采集和分析不同磁场环境下受试者执行快速序列视觉呈现任务的脑电数据。结果显示，相比于当地磁场强度，环境磁场强度的改变可显著影响上述任务诱发的事件相关电位N200、P300成分幅值，显著提升脑电特征可分性和系统分类识别性能（≥1.57%）。上述结果表明，环境弱磁场可以作为一种新型的非侵入式神经调制方式，用于提高v-BCI系统性能，也可为开发大指令集高速率v-BCI系统提供新的技术路径。综上，本文在光刺激调制方面，设计新型多址编码调制范式，通过混合多维信息增强脑电特征，先后将BCI指令数量扩增至百量级和二百量级，搭建了在线BCI开源平台，实现了脑控机械臂的汉字书写应用。在磁刺激调制方面，发现环境弱磁场可作为一种新型神经调制手段，显著提升v-BCI系统分类识别效果。本文相关工作为脑电特征调制研究提供了新方法和新思路，为开发适用于多场景的高性能BCI系统提供了平台和技术支撑。
关键词：脑-机接口；脑电；特征调制；特征增强；混合编码；弱磁场调制；大指令集
