利用人工智能生成虚拟脑电波信号
汉阳大学生物医学工程系的林昌焕教授利用人工智能（AI）技术发明了一种用于图像转换和语音调制的虚拟脑电波信号。
如果这项技术投入使用，有望在未来用于脑工程的各个领域，因为它可以显着提高“脑机接口（BCI）”的性能，只需一个念头即可控制外部设备。
2015年深度学习与艺术相遇时引起轰动，AI学习梵高或伦勃朗的绘画风格，并将随机照片转换为艺术家绘制画作。如果将这项技术应用于语音信号，还可以将一个人的声音调制为特定名人的声音，但从未应用于脑电波。对比，林教授的团队提出了一种新的神经网络“S2S-StarGAN”模型，该模型基于图像转换领域使用的StarGAN模型，实现了脑电信号转换。林教授的团队成功地将静止时测量的短短16秒脑电图信号转换为称为“稳态视觉流电位（SSVEP）”的特殊脑电图。SSVEP是盯着周期性闪烁的视觉刺激时在大脑枕叶中产生的脑电图信号，是脑机接口领域应用最广泛的信号。
与现有方法相比，使用S2S-StarGAN模型实施的基于SSVEP的BCI可以将准确率平均提高3.4%，最高可提高10%或更多。现有BCI 系统收集个人数据需要超过 5 分钟，但新方法有望大大提高 BCI 的易用性，只需要收集 15 秒的静息脑电波。该研究成果在软件计算产业源技术开发项目和信息通信规划与评估研究所人工智能研究生院支持项目的支持下开展，在线发表在国际学术期刊《专家系统与应用》上。
人工智能生成的虚拟脑电信号频域谱图：在三个脑电图测量位置成功生成具有所需频率响应的脑电波
来源：本文来源于“汉阳大学官网”，仅用于学术资讯分享，如有侵权请联系管理员删除。
原文链接：http://www.newshyu.com/news/articleView.html?idxno=1006010
关注微信公众号：脑机接口产业联盟，了解更多相关资讯。