具体描述
脑机接口技术是一种涉及神经科学 、信号检测、信号处理 、模式识别等多学科的交叉技术，近年来随着神经科学和工程学的长足进展，脑机接口技术愈来愈引起学术界和工业界的关注和重视。本书是第一本讲述脑机接口理论及应用的入门教材。
作者简介
Rajesh P.N. Rao (born July 2, 1970 in Madras, India) is the Director of the NSF Center for Sensorimotor Neural Engineering (CSNE) and Professor of Computer Science and Engineering at the University of Washington in Seattle.[1]
He is a researcher in the fields of computational neuroscience, artificial intelligence, and brain-computer interfacing. He also works on the 4000-year-old Indus script, a topic on which he has given a TED talk.[2] He is the author of the book Brain-Computer Interfacing (Cambridge University Press, 2013) and the co-editor of two volumes, Probabilistic Models of the Brain (MIT Press, 2002) and Bayesian Brain (MIT Press, 2007).
In the first demonstration of human brain-to-brain communication in August 2013, Rao wearing an electrical brain-signal reading cap triggered the movement of his colleague Andrea Stocco's hand via the Internet, allowing their brains to cooperate to solve a computer game.[3] The demonstration was subsequently replicated across other pairs of humans and the results published in the journal PLOS ONE.[4]
With Prof. Adrienne Fairhall, Rao offered the first massive open online course in computational neuroscience in 2013.
Rao graduated summa cum laude from Angelo State University in 1992 with a B.S. in Computer Science and in Mathematics. He then attended the University of Rochester where he earned his M.S. (1994) and Ph.D. (1998) in Computer Science.[1]
Awards[edit]
Sloan Faculty Fellowship, 2001 [1]
Packard Fellowship for Science and Engineering, 2002 [1]
NSF CAREER award 2002 [5]
ONR Young Investigator Award, 2003 [6]
目录信息
译者序
前言
第一部分 背景知识
第1章 引言2
第2章 神经科学基础4
2.1 神经元4
2.2 动作电位或锋电位5
2.3 树突和轴突5
2.4 突触5
2.5 锋电位的产生6
2.6 神经连接的调节：突触可塑性7
2.6.1 LTP7
2.6.2 LTD7
2.6.3 STDP7
2.6.4 短期激励和抑制8
2.7 大脑组织、解剖学结构和功能9
2.8 小结11
2.9 问题和习题11
第3章 记录大脑信号和刺激大脑12
3.1 记录大脑信号12
3.1.1 侵入式技术12
3.1.2 非侵入式技术17
3.2 刺激大脑22
3.2.1 侵入式技术22
3.2.2 非侵入式技术23
3.3 同步记录和刺激24
3.3.1 多电极阵列24
3.3.2 神经芯片25
3.4 小结26
3.5 问题和习题26
第4章 信号处理28
4.1 锋电位分类28
4.2 频域分析29
4.2.1 傅里叶分析29
4.2.2 离散傅里叶变换32
4.2.3 快速傅里叶变换33
4.2.4 频谱特征33
4.3 小波分析33
4.4 时域分析34
4.4.1 Hjorth参数34
4.4.2 分形维数35
4.4.3 自回归模型36
4.4.4 贝叶斯滤波36
4.4.5 卡尔曼滤波38
4.4.6 粒子滤波40
4.5 空间滤波41
4.5.1 双极、拉普拉斯和共同平均参考41
4.5.2 主成分分析41
4.5.3 独立分量分析44
4.5.4 共空间模式46
4.6 伪迹去除技术48
4.6.1 阈值法48
4.6.2 带阻和陷波滤波48
4.6.3 线性模型49
4.6.4 主成分分析49
4.6.5 独立分量分析51
4.7 小结51
4.8 问题和习题51
第5章 机器学习54
5.1 分类技术54
5.1.1 二分类54
5.1.2 集成分类技术59
5.1.3 多分类61
5.1.4 分类性能的评估64
5.2 回归方法66
5.2.1 线性回归67
5.2.2 神经网络与反向传播算法68
5.2.3 径向基函数网络70
5.2.4 高斯过程71
5.3 小结73
5.4 问题和习题73
第二部分 构建系统
第6章 构建BCI78
6.1 BCI的主要类型78
6.2 对构建BCI有用的大脑反应78
6.2.1 条件反射78
6.2.2 集群行为79
6.2.3 想象运动和认知行为79
6.2.4 刺激诱发行为80
6.3 小结80
6.4 问题和习题81
第三部分 BCI的主要类型
第7章 侵入式BCI84
7.1 侵入式BCI的两个主要范式84
7.1.1 基于操作性条件反射的BCI84
7.1.2 基于集群解码的BCI86
7.2 应用于动物的侵入式BCI87
7.2.1 控制假臂和手的BCI87
7.2.2 控制下肢的BCI98
7.2.3 控制光标的BCI100
7.2.4 认知型BCI104
7.3 应用于人的侵入式BCI108
7.3.1 植入多电极阵列控制光标和机器人108
7.3.2 认知型BCI111
7.4 侵入式BCI的长期使用112
7.4.1 BCI的长期使用和稳定皮质代表区的形成112
7.4.2 植入人脑的BCI的长期使用114
7.5 小结114
7.6 问题和习题114
第8章 半侵入式BCI117
8.1 基于皮质脑电信号（ECoG）的BCI117
8.1.1 基于ECoG的动物用BCI117
8.1.2 基于ECoG的人用BCI118
8.2 基于外周神经信号的BCI134
8.2.1 神经型BCI134
8.2.2 目标肌肉神经分布重建135
8.3 小结137
8.4 问题和习题138
第9章 非侵入式BCI140
9.1 基于脑电信号的BCI140
9.1.1 振荡电位和ERD140
9.1.2 慢皮质电位148
9.1.3 运动相关电位151
9.1.4 刺激诱发电位153
9.1.5 基于意识任务的BCI158
9.1.6 BCI的错误电位159
9.1.7 互适应型BCI160
9.1.8 分层型BCI161
9.2 其他非侵入式BCI:fMRI、MEG和fNIR162
9.2.1 基于功能性磁共振成像的BCI162
9.2.2 基于脑磁图的BCI162
9.2.3 基于功能性近红外光学成像的BCI164
9.3 小结164
9.4 问题和习题165
第10章 BCI的刺激修复作用167
10.1 感觉功能恢复167
10.1.1 恢复听力：人工耳蜗167
10.1.2 恢复视力：皮质和视网膜的植入169
10.2 运动恢复171
10.3 感觉扩增172
10.4 小结173
10.5 问题和习题173
第11章 双向与循环型BCI175
11.1 通过刺激产生直接的皮质指令控制光标175
11.2 使用BCI和体觉刺激实现主动触觉探索178
11.3 迷你机器人的双向BCI控制180
11.4 通过功能性电刺激实现肌肉的脑皮质控制182
11.5 建立脑区间的新联系183
11.6 小结186
11.7 问题和习题186
第四部分 应用和伦理
第12章 BCI的应用190
12.1 医学领域的应用190
12.1.1 感觉恢复190
12.1.2 运动恢复190
12.1.3 认知恢复191
12.1.4 康复治疗191
12.1.5 使用菜单、光标和拼写器实现交流191
12.1.6 脑控轮椅192
12.2 非医学领域的应用193
12.2.1 网页浏览和虚拟世界导航193
12.2.2 机器人替身195
12.2.3 高流通量的图像搜索197
12.2.4 测谎和法律领域的应用199
12.2.5 警觉性监测202
12.2.6 估算认知负荷204
12.2.7 教育和学习206
12.2.8 安保、身份识别和验证208
12.2.9 利用外骨骼扩增身体能力209
12.2.10 记忆和认知的放大209
12.2.11 航空领域的应用211
12.2.12 游戏和娱乐213
12.2.13 脑控制艺术214
12.3 小结216
12.4 问题和习题216
第13章 脑机接口的道德规范218
13.1 医学、健康和安全问题218
13.1.1 平衡风险和利益218
13.1.2 知情同意219
13.2 BCI技术的滥用219
13.3 BCI的安全性和隐私性220
13.4 法律问题220
13.5 道德和社会公平问题221
13.6 小结222
13.7 问题和习题222
第14章 结论224
附录A 数学背景知识226
参考文献237
索引248
· · · · · · (收起)
读后感
用户评价
这本书的插图简直是视觉盛宴，色彩的运用和布局的巧妙，让我这个对技术细节不太敏感的读者也能瞬间抓住重点。尤其是那些复杂的电路图和算法流程，竟然被处理得如此直观和美观，完全颠覆了我对技术书籍的刻板印象。作者在排版上显然是下了大功夫的，字体的选择、行距的拿捏，都透露着一股匠心，阅读起来非常舒适，长时间翻阅也不会感到疲劳。而且，那些穿插其中的历史小故事和名人轶事，像一颗颗调味剂，让原本可能枯燥的理论知识变得生动起来，仿佛在和一个知识渊博的朋友聊天。这本书的装帧设计也很有质感，拿在手里沉甸甸的，封面设计简约而不失深度，每次把它从书架上取下来，都有一种面对珍贵文献的感觉。这不仅仅是一本工具书，更像是一件艺术品，让人爱不释手，忍不住想要和别人分享它的精美。
这本书的实操指导部分，简直是为动手实践者量身定做。那些代码示例和实验步骤的描述，详尽到令人发指，每一步都有对应的解释和可能的错误排查指南。作者似乎预料到了读者在实际操作中可能遇到的所有“坑”，并在前言中就进行了详细的预警和指导。我按照书中的步骤搭建了一个小型测试环境，所有的依赖库版本、配置参数，甚至是硬件推荐，都写得清清楚楚，几乎没有遇到什么棘手的环境配置问题。这种注重实效的写作态度，让我觉得这本书的价值远超其定价。它不是那种只停留在理论层面“纸上谈兵”的著作，而是真正愿意手把手地把你带入实践前沿的优秀导师，极大地增强了我的实操信心和能力。
这本书的语言风格非常独特，带着一种老派学者的严谨，但又不失现代的活力。用词精准，句式复杂却富有韵律感，读起来就像是听一场高质量的学术讲座，充满了知性的魅力。作者似乎有一种魔力，能把那些冰冷的技术术语，通过精妙的措辞，赋予它们生命和温度。比如，他描述某项技术突破时所用的词汇，充满了力量感和画面感，让人仿佛能看到那些科学家们在实验室里夜以继日的奋斗场景。我尤其喜欢作者在引用其他研究成果时，那种谦逊而又自信的语气，既表达了对前人的尊重，也体现了自己观点的独立性和深刻性。这本书的文字本身就是一种享受，它提升了我的阅读品味，让我开始关注文字表达的艺术性。
这本书的深度和广度令人印象深刻，它不仅仅局限于某一特定技术流派的介绍，而是展现了一个极其宏大的全景图。我注意到作者在介绍不同技术路径时，会非常客观地分析它们的优缺点、应用前景以及潜在的伦理挑战。这种多维度的审视，让我这个读者在学习知识的同时，也能对这个新兴领域保持一种批判性的思考。比如，在讨论数据采集和隐私保护的章节里，作者的论述非常平衡，既肯定了技术带来的便利，也毫不避讳地指出了其风险，甚至给出了行业内正在探索的解决方案。这种负责任的叙事方式，让我对作者的人品和专业素养产生了极大的信赖感。这本书更像是一份行业白皮书，为我构建了一个完整、成熟的知识框架，而不是零散的知识点堆砌。
我得说，这本书的作者在行文逻辑的处理上，简直是大师级的。他似乎非常懂得如何引导一个初学者的思维，从最基础的概念开始，层层递进，每一步的过渡都自然得像是水到渠成。没有那种突然抛出一个深奥概念让人措手不及的感觉，所有的铺垫都做得非常扎实到位。特别是涉及到一些高阶的数学推导时，作者采用了“先说结论，再解释原理”的策略，这对我这种更注重应用和理解“为什么”而不是“如何推导”的人来说，简直是福音。他没有强迫读者去啃那些晦涩的数学证明，而是用清晰的比喻和生活化的例子来阐释背后的科学原理，让人豁然开朗。这本书的章节安排也极具匠心，感觉就像是精心设计的一条探索之路，每走一步都有新的发现，绝不让人感到迷失方向。
算是入门级的书，蛮不错的
小波变换介绍的太简单了
草草翻了下，感觉讲得不甚清晰。
草草翻了下，感觉讲得不甚清晰。
小波变换介绍的太简单了
