報告時間：2017年6月12日下午2:00
報告地點：科技樓一樓多功能廳
報告一：基于事件相關電位的腦-機器人交互系統與認知負荷的解析
報告人：李夢凡
報告簡介：針對事件相關電位（ERP）在腦-機器人交互系統中存在的問題，提出并驗證“含義豐富的視覺激勵能夠誘發幅值更大的ERP”的假設，并在此基礎上構建自適應模式和協調機制以適應個體差異性與環境的多樣性。
報告人簡介：李夢凡，博士畢業于天津大學，研究領域為事件相關電位、腦-機器人交互系統。目前已在《International Journal of Neural System》、《IEEE Transactions on Industrial Electronics》等期刊和國際會議發表多篇論文。
報告人：奕偉波
報告簡介：基于運動想象（Motor imagery，MI）的腦-機接口（Brain-computer interface，BCI）是唯一不需要外界刺激且反映使用者運動意識的主動式BCI范式，其已在運動功能代償和大腦可塑性誘導方面體現出重要作用。然而，目前MI-BCI仍然面臨一些發展瓶頸：1）有限的動作范式制約著MI-BCI控制指令的輸出；2）運動意圖的解碼性能也有待提高。針對上述關鍵問題，報告人提出了復合MI誘發策略，包括多肢體運動功能區聯合參與的復合肢體范式以及融入外源信號的復合刺激范式，旨在解決MI-BCI在可選指令數、分類正確率方面的不足，為多模態、高精度的運動意圖解析提供了科學基礎和技術支持。
報告人簡介：奕偉波，博士，天津大學精儀學院生物醫學工程專業，研究方向：基于運動想象的腦-機接口系統、康復工程、神經信號處理。
報告三：腦力負荷的腦電響應、識別與自適應腦-機交互技術研究
報告人：柯余峰
報告簡介：腦力負荷（Mental Workload）表征工作狀態下腦力資源占用率，是影響作業績效的重要因素，過高或過低的腦力負荷都會使作業績效下降，甚至造成人因失誤、引發嚴重事故。腦電可敏感體現大腦對工作負荷的初始神經電生理響應，也是目前識別腦力負荷水平和研究其神經生理機制的重要手段之一。針對基于腦電的腦力負荷識別研究存在的跨任務和跨個體難題，以及腦力負荷識別在腦-機接口技術中的應用問題，開展了相關研究。首先，根據認知資源理論設計了兩組實驗，發現了自發腦電在不同任務下的腦力負荷響應的共性之處，特別是發現了tirERP在不同任務下隨腦力負荷變化的一致性。其次，基于自發腦電對不同任務的腦力負荷響應的共性特征，結合支持向量回歸建模，設計了跨任務特征篩選方法，突破了跨任務腦力負荷識別難題，實現了不同N-back任務之間和N-back與復雜模擬任務之間的跨任務腦力負荷識別。再次，基于tirERP分別實現了跨任務、跨個體和同時跨任務跨個體的腦力負荷識別，并且跨個體條件下基于tirERP的識別效果均高于自發腦電功率譜，并發現在跨個體條件下參與訓練個體數比樣本數對識別效果影響更大。最后，發現低負荷下建立BCI系統在高負荷下應用會顯著影響BCI系統的識別率，而在適當負荷條件下建立BCI有助于降低這一影響。基于此提出了自適應ERP-BCI方法，并基于在線模擬驗證了該方法克服腦力負荷影響的有效性。
報告人簡介：柯余峰，1988年生人，2011~2017年天津大學明東教授課題組碩博連讀，主要研究方向包括腦力負荷、腦-機接口、神經工效學等。
