1.EEG 脑电图指通过头皮表面的电极采集大脑内部神经元活动产生的微弱电信号再将这些信号记录、整理后形成的波形图其信号幅值非常微弱仅为微伏级别比日常生活中使用的电压弱上万倍是脑机接口研究中最核心、最基础的原始数据来源。2.BCI 脑机接口一种不依赖人体肌肉和神经传导路径的交互技术它能直接捕捉大脑产生的电信号通过特定算法将其翻译成机器能够识别和执行的指令进而控制轮椅、假肢、电脑光标等设备核心作用是为肢体瘫痪、运动障碍等人群提供一种无需依靠肢体就能对外交流和控制的通道。3.MI 运动想象指被试在身体完全不动、不做出任何肢体动作的前提下仅在大脑中主动想象特定肢体运动比如想象左手动、右手动、抬脚或伸舌头这种纯粹的大脑想象活动会诱发大脑皮层产生特定的脑电信号变化也是目前非侵入式脑机接口研究中最常用、最成熟的实验方式。4.非侵入式 EEG一种无创的脑电采集方式采集时只需将专用电极贴片粘贴在头皮表面无需进行任何手术、无需植入任何设备就能隔着皮肤和颅骨采集到大脑的电信号它安全、无痛苦、成本较低且操作便捷是目前脑机接口科研领域最主流的采集方式。5.侵入式 EEG一种需要通过外科手术才能实现的脑电采集方式医生会将电极直接植入大脑皮层内部或表面近距离捕捉神经元的电活动这种方式采集到的信号质量极高、噪声极少解码精度远高于非侵入式 EEG但它存在手术创伤、术后感染等医疗风险仅适用于临床重症患者的治疗和研究不适合普通科研和日常使用。6.导联 / 电极通道指佩戴在头皮上用于采集脑电信号的每一个独立电极位点每一个电极对应头皮上的一个固定位置专门采集该位置对应脑区的电活动通常来说电极通道的数量越多采集到的大脑空间信息就越完整后续的解码精度也可能越高。7.国际 10-20 电极系统全球科研和医疗领域统一采用的电极摆放标准就像地球的经纬度一样它将头皮划分为多个固定的电极位点明确规定了每个电极的摆放位置、命名规则如常用的C3、Cz、C4电极目的是让全世界不同实验室、不同设备采集的脑电数据能够互相对照、重复验证保证实验结果的统一性和可比性。8.基线信号指在脑电实验开始前让被试保持安静、全身放松、不进行任何任务、不产生任何主动想象时采集到的脑电信号它相当于一个“参考基准”后续采集被试执行任务如运动想象时的脑电信号会与基线信号进行对比、校正以此排除被试个体基础脑电差异带来的误差让实验结果更准确。9.伪迹指混入到有效脑电信号中的各种干扰信号这些信号并非大脑本身产生而是来自外界环境或被试自身常见的伪迹包括眨眼、眼球转动产生的眼电伪迹咬牙、耸肩、肌肉紧张产生的肌电伪迹家庭电路、电器带来的工频干扰伪迹以及电极接触不良产生的抖动伪迹伪迹会影响脑电信号的纯度因此脑电解码的第一步就是尽可能去除这些干扰。10.SNR 信噪比指脑电信号中有效信号的强度与噪声信号强度的比值这个比值直接反映了脑电信号的纯度比值越高说明有效信号越干净、噪声越少比值越低说明噪声越强甚至可能盖过有效信号而EEG信号本身就非常微弱因此它的信噪比普遍较低这也是脑电解码的核心难点之一。11.试次 Trial指一次完整的脑电实验任务流程简单来说被试每执行一次实验任务比如接收一次运动想象指令、完成一次想象动作采集到的那一条完整的脑电数据就是一个试次它是脑电实验中最基本的样本单位多个试次会被整合起来用于模型的训练和测试。12.被试 Subject指参与脑电实验的志愿者这些志愿者需要按照实验要求配合完成运动想象、安静休息等任务以便研究人员采集到所需的脑电数据被试的年龄、性别、身体状态等都可能对脑电信号产生一定影响因此实验中通常会控制这些变量。13.被试内解码一种脑电解码方式指研究人员使用同一个被试的脑电数据一部分作为训练数据用来训练解码模型另一部分作为测试数据用来检验模型的解码精度这种方式的优势是数据来自同一个人个体差异小解码难度相对较低是最基础的解码方式。14.跨被试解码一种难度更高的脑电解码方式指研究人员使用一部分“旧被试”已经完成实验、采集好数据的志愿者的脑电数据训练模型训练完成后用这个模型去解码“全新陌生被试”未参与过模型训练、首次采集数据的志愿者的脑电信号核心考验模型的泛化能力也是脑机接口实现通用化应用的关键。15.跨会话解码指研究人员使用同一个被试在不同时间段采集的脑电数据进行解码比如第一天采集的数据作为训练数据第二天或一周后采集的数据作为测试数据由于同一个人在不同时间段的身体状态、情绪、疲劳程度等可能不同脑电信号也会有细微差异因此这种解码方式也能考验模型的鲁棒性和泛化能力。16.采样率指脑电采集设备每秒采集脑电信号的点数单位是赫兹Hz常用的采样率为250Hz和500Hz比如250Hz就意味着设备每秒会采集250个脑电数据点采样率越高采集到的时序信息越细腻、越完整但同时也会增加数据量和计算压力需根据实验需求选择合适的采样率。17.归一化一种脑电数据预处理方法核心是将不同范围、不同幅值的脑电数据通过特定计算缩放到一个统一的数值区间常用0-1或-1-1目的是消除不同电极通道、不同被试之间的脑电幅值差异避免因数据范围差异过大导致模型训练不稳定提升模型的训练效果和泛化能力。18.端到端解码一种先进的脑电解码方式指将原始的、未经过任何手工处理的EEG信号直接输入到深度学习模型中模型会自动完成特征提取、特征筛选和分类解码的全过程无需研究人员手动设计特征提取方法、筛选有效信号大大减少了人工干预也是目前脑电解码的主流发展方向。19.泛化能力指脑电解码模型在面对陌生的、未参与过训练的新数据时依然能够保持较高解码精度的能力简单来说就是模型“举一反三”的能力泛化能力越强说明模型越实用越能适应不同被试、不同时间段的脑电信号是衡量模型性能的核心指标之一。20.过拟合指脑电解码模型在训练过程中过度“死记硬背”训练数据的特征甚至学习到了训练数据中的噪声和误差导致模型在训练集上的解码精度极高但在未参与训练的测试集上精度会急剧下降这种情况说明模型失去了泛化能力无法应用于实际场景。21.欠拟合指脑电解码模型的结构过于简单无法捕捉到脑电信号中的有效特征导致模型不仅在测试集上的解码精度很低在训练集上的精度也不高这种情况通常是因为模型复杂度不足无法适配脑电信号的复杂特性需要调整模型结构、增加模型复杂度来改善。22.张量深度学习中处理脑电数据的基础数据格式相当于一个多维度的数组脑电数据的张量形状通常为[批次通道时序]其中“批次”指一次输入模型的试次数“通道”指采集脑电的电极数量“时序”指每个试次的脑电数据点数比如[3222375]就代表一次输入32个试次每个试次包含22个电极通道、375个时序数据点。23.基准 Baseline在脑机接口相关论文中用来与当前提出的新模型、新算法进行性能对比的经典模型或传统算法比如常用的CSP、FBCSP算法以及EEGNet等经典深度学习模型设置基准的目的是为了证明新模型、新算法的优越性让实验结果更具说服力也是科研论文中不可或缺的对比依据。作者声明个人整理切勿抄袭知识有限求真辨别共同学习互相进步