跳到正文
只看一手#Wireless Recording
10月5日周一
  1. Europe PMC · BCI / PubMed76

    空间采样与时间动态塑造宽频带皮层内信号的运动解码

    基于摘要分析。研究关注宽频带皮层内活动中哪些成分有利于运动解码，以及这些成分如何受电极配置和解码策略影响。作者比较多时间尺度的神经特征，并分析局部运动电位（LMP）的频谱、时间结构和通道冗余，以探讨稳健运动解码的信号表征原则。 实验使用恒河猴执行面向静止或移动目标的延迟到达任务时的记录，覆盖背侧前运动皮层、初级运动皮层和背外侧前额叶皮层；采集设备为 64 通道线性 S-probes 或 96 通道平面 Utah arrays。比较特征包括放电频段功率（SBP）、LMP 及多个频段的局部场电位（LFP）功率，解码器涵盖线性和非线性方法。摘要未给出被试数量、具体解码目标、训练测试划分及评价指标，不能据此量化不同配置的性能差距。 作者报告，SBP 与高频 LFP 特征的解码表现随记录到的单神经元数量变化，而 LMP 更受电极几何配置影响。在上述运动任务中，平面 Utah arrays 的 LMP 解码表现优于线性 S-probes，同时呈现更低的电极间相关性和更大的偏好方向差异。该结果提示空间采样可能影响可用群体信息的多样性，但几何配置、通道数、脑区及其他采集条件如何区分，需要全文核对。 作者报告，LMP 解码主要依赖与 delta 频段及运动相关皮层电位重叠的低频成分，其分析中的最优解码频率范围约为 0.1–8 Hz；非线性时间解码器，尤其是 convolutional neural network 和 gated recurrent unit 模型，进一步改善了 LMP 解码。具体滤波、时间窗口、模型结构、提升幅度及统计信息尚未验证。 研究直接涉及侵入式 BCI，阅读重点是低频群体动态能否在保留运动信息的同时降低通道冗余。作者将结果关联至可扩展与无线 BCI，但摘要未提供硬件带宽、功耗或在线闭环验证。复现需核对电极与脑区配置、特征提取、通道筛选、数据划分及基线设置；实验协议、消融及统计信息尚未验证。

7月31日周五
  1. OpenReview · EEG64

    用于具身交互评估的模块化 EEG-VR 系统

    基于摘要分析。该研究针对独立佩戴 EEG 设备与 VR 头显时，行为与神经生理信号难以同时记录的问题，提出将可拆卸非侵入式 EEG 模块集成到商用 VR 头显的模块化可穿戴感知系统。主要贡献是软硬件采集系统的集成与具身交互任务中的可行性展示，而非新的 EEG 解码算法。 系统采用轻量化机械结构、灵活的电极布置和无线 EEG 传输，支持 EEG、触觉事件及行为反应的同步采集。摘要未提供电极数量与位置、参考方式、采样率、无线传输性能或同步实现细节，因此尚不能判断佩戴兼容性、信号质量以及事件对齐精度。 可行性演示采用 VR 身体周围空间（peripersonal-space，PPS）任务，设置连续、离散和随机物体运动条件，以行为反应时评估 PPS 相关效应，并使用全局场功率（global field power，GFP）概括 EEG 响应。作者报告，在该演示任务中，连续接近条件下的行为拟合更清晰，近位置与远位置之间存在事件相关 GFP 差异；摘要未给出拟合指标、效应量或统计显著性。这些初步观察支持 EEG-VR 采集用于具身交互评估的可行性，但不能据此认定其具有稳定的个体级识别能力或 BCI 控制性能。 复现时需核对被试与试次数量、物体运动及触觉事件的时序、近远位置定义、EEG 预处理与伪迹处理、GFP 计算窗口，以及行为拟合和统计检验方法。尤其需要核对 VR 佩戴、头部运动与无线传输条件下的信号质量和同步误差。全文未取得，实验协议、对照、消融及统计信息尚未验证。

1月1日周四
  1. OpenReview · EEG72

    利用通道间相关性进行 EEG 信号重建

    基于摘要分析。本文研究无线体域网（WBAN）中 EEG 信号的采集与传输问题，提出在压缩感知（CS）重建中利用通道间相关性，而非逐通道独立重建；研究目标同时包括改善信号重建和降低 EEG 传感节点的总能耗。 核心方法是将多通道信号集合分别建模为低秩矩阵、变换域中的行稀疏矩阵，以及两者的组合。低秩模型利用多通道之间的相关结构，行稀疏模型则以变换域的联合稀疏结构组织重建。摘要未给出具体变换、优化目标、求解算法或采样方案，三种建模方式的实现差异尚未验证。 作者报告，相较于逐通道重建的既有技术，所提方法可改善信号重建，并显著降低传感节点总能耗。作者进一步称，既有技术仅降低传输能耗，而其方法还能降低采集能耗，并消除压缩所需的处理能耗。摘要没有提供重建指标、能耗数值、硬件条件或对照细节，因此这些结论仍需结合全文核对；作者关于首次利用通道间相关性的表述也尚未独立确认。 复现时需核对 EEG 数据来源、通道配置、压缩采样率、重建误差指标及逐通道基线，并厘清采集、处理与传输能耗的计量边界。还需检查低秩与行稀疏假设在不同信号片段中的适用性，以及伪迹或通道相关性变化对重建的影响。本文直接研究 EEG 采集与重建，但摘要未验证重建后信号能否保持 BCI 解码所需信息；实验协议、消融及统计信息尚未验证。

    阅读价值：值得核对其多通道联合重建与传感端能耗设计，尤其是通道间相关性如何支持低秩及变换域行稀疏建模，但重建收益与能耗降低的实验依据尚未验证。

1月1日周六
  1. OpenReview · EEG50

    基于 BSN node 的无线 EEG 监测系统

    基于摘要分析。该研究关注便携式无线 EEG 监测的实现，提出以商用 Body Sensor Networks node（BSN node）为基础的监测系统，将从被试采集的 EEG 信号通过无线链路传送至 PC 进行监测。其主要贡献是无线传感器节点在 EEG 采集与传输系统中的工程实现，而非 EEG 解码算法或 BCI 控制方法。 系统采用 Zigbee 无线通信技术，并运行 TinyOS 操作系统。摘要明确了 BSN node、无线传输和 PC 监测这几个组成环节，但未提供 EEG 模拟前端、电极配置、采样率、信号调理、数据封装或上位机处理的具体设计，相关实现细节尚未验证。 作者报告研究验证了这一方案，并认为未来增强功能具有可行性；摘要未给出被试数量、测试场景、对照设备或量化指标，因此尚不能判断波形保真度、无线丢包、端到端延迟、功耗及连续运行能力。实验协议、消融及统计信息尚未验证。 该材料可作为无线 EEG 监测硬件架构的阅读线索。复现需要进一步核对 BSN node 的硬件配置、EEG 采集电路、TinyOS 程序及 Zigbee 通信设置；当前摘要不足以确认其适用于实时 BCI，也不能将监测方案的可行性等同于解码性能或临床有效性。

1月1日周五
  1. OpenReview · EEG52

    基于 BSN node 的无线 EEG 监测系统

    基于摘要分析。本文研究便携式无线 EEG 监测的实现，提出利用商用 Body Sensor Networks node（BSN node）构建监测系统，将被试 EEG 信号无线传输至 PC。主要贡献是无线传感器节点在 EEG 采集与监测中的系统设计，而非 EEG 解码算法或 BCI 任务性能提升。 技术实现方面，摘要明确系统采用 Zigbee 无线通信技术，并运行 TinyOS 操作系统；其工作流程为检测被试 EEG 信号，再通过无线链路发送至 PC 进行监测。摘要未披露电极配置、模拟前端、采样率、通道数、量化精度、数据打包方式或 PC 端处理细节，这些实现条件尚未验证。 验证方面，作者报告研究验证了所提方案，并认为未来扩展具有可行性，但摘要未提供被试数量、测试场景、对照系统、信号保真度、丢包率、传输时延、功耗或续航等量化结果，因此目前只能确认作者报告了方案可行性，不能据此判断其是否满足实时 BCI 或长期 EEG 监测需求。实验协议、消融及统计信息尚未验证。 复现评估应优先核对硬件连接与 EEG 前端设计，以及无线传输对信号完整性和时间同步的影响。摘要未提供代码、硬件设计文件或完整配置，现有材料不足以直接复现系统。

1月1日周一
  1. OpenReview · EEG58

    基于 WLAN 的便携式 EEG 监测系统开发

    基于摘要分析。该研究面向患者实时 EEG 监测需求，开发名为 pEEG 的便携式多通道 EEG 设备，并构建基于 Wireless LAN（WLAN）的集成式 24 小时监测系统。其主要贡献是将便携采集、网络传输、服务器分发与医生端信号显示整合为远程监测流程，而非提出 EEG 解码或 BCI 控制算法。 系统由数据采集、TCP/IP 数据包处理单元、服务器和数据分析部分组成。服务器负责收集患者 EEG 数据，再通过 Internet 分发给医生；医生端分析程序能够显示原始波形、滤波后波形和功率谱。摘要描述的使用模式支持多名医生监测同一患者，也支持医生监测多名患者。 作者报告，当前阶段 pEEG 已经过测试，服务器端分发程序已完成，客户端或医生端程序已具备上述显示功能。不过，摘要未提供测试协议、通道数、采样率、滤波方法、无线传输延迟、丢包率、续航或信号质量指标，因此“24 小时监测”应理解为系统建设目标，不能据此认定已完成连续 24 小时可靠性验证。 该工作的阅读重点在于 EEG 采集与远程分发的工程架构。若复现，需要进一步核对硬件与电极配置、数据包格式、网络异常处理、时间同步及信号处理实现。被试或患者规模、临床验证、实验对照及统计信息尚未验证，不能从摘要推断诊断效能或 BCI 应用效果。