WiMi 开发了基于 EEG-fNIRS 多模态数据融合的 BCI

北京,2023年9月14日— WiMi全息云(NASDAQ:WIMI)(“WiMi”或“公司”)是一家领先的全球性全息增强现实(“AR”)技术提供商,今天宣布开发了一种基于EEG-fNIRS多模态数据融合的脑机接口(BCI),以提高EEG-fNIRS多模态数据融合的性能和准确性。

多模态数据融合近年来一直是人工智能领域的热点话题,其主要目标是有效地结合来自不同来源的数据或信息,比单一数据源提供更好的决策依据。脑电图(EEG)和功能近红外光谱学(fNIRS)是两种常用的检测大脑神经信号的技术,它们各有优势和局限性。

EEG可以提供高时间分辨率的大脑神经活动信息,但其空间分辨率相对较低;尽管fNIRS时间分辨率低,但可以提供高空间分辨率的脑血流动力学信息。WiMi团队发现,这两种技术的结合可以弥补它们各自的不足,提供更全面准确的大脑神经信息。

WiMi利用二进制增强算法实现了EEG和fNIRS数据的有效融合。这是一个具有自注意力机制的深度学习模型,可以自动学习数据的内在相关性,提高数据融合的质量和效率。此外,WiMi还设计了一个独特的算法框架,可以处理大规模多模态数据,满足不同场景中的应用需求。

过程可以分为以下步骤:

数据采集:首先,我们需要同时使用EEG设备和fNIRS设备对同一目标进行数据采集。EEG设备将记录大脑的电活动,而fNIRS设备将监测大脑中的血流变化。

数据预处理:收集的数据需要对EEG和fNIRS数据进行预处理,包括滤波、降噪和去伪迹以提高数据质量。这通常包括滤波和归一化等步骤。此外,由于EEG和fNIRS设备的时间分辨率不同,还需要进行时间对齐操作。

特征提取:通过数据的组合,我们可以提取更丰富准确的大脑神经活动特征。从预处理的数据中提取有用的特征。对于EEG数据,可以提取时域、频域和时频域等特征,如平均功率谱密度、时域特征(如均值、方差)、小波变换系数等。对于fNIRS数据是发光通量变化等。

数据融合:在EEG-fNIRS多模态数据融合中,特征被组合以获得一个全面的多模态特征表示。多模态特征融合主要是将从EEG和fNIRS数据中提取的特征组合起来,以获得更全面准确的大脑活动信息。通过二进制增强算法,一个基于自注意力机制的深度学习模型,它可以自动学习数据的内在相关性,从而实现高维复杂结构数据的有效处理。

模型训练:使用交叉验证等方法进行模型参数选择和性能评估的模型训练过程。

应用实现:基于提取的特征实现各种应用。例如,使用这些特征训练机器学习模型以预测和控制大脑神经活动。

这项技术将为大脑科学、神经工程和临床医疗保健领域的研究和应用提供强有力的技术支持。它可以帮助研究人员更深入地了解大脑神经活动规律,为临床医生提供更准确的诊断和治疗依据,也可以应用于脑机接口、虚拟现实等高科技领域,推动其技术进步。

关于WIMI全息云

WIMI全息云公司(NASDAQ:WIMI)是一家专注于专业领域的全息云综合技术解决方案提供商,包括全息AR汽车HUD软件、3D全息脉冲LiDAR、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航等全息AR技术及服务。其服务和全息AR技术包括全息AR汽车应用、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR广告技术、全息AR娱乐技术、全息ARSDK支付、交互式全息通信等全息AR技术。

安全港声明

本新闻稿包含1995年《私人证券诉讼改革法案》所指的“前瞻性陈述”。这些前瞻性陈述可以通过词汇“将”、“预计”、“预计”、“未来”、“打算”、“计划”、“相信”、“估计”等词识别。除历史事实陈述外,本新闻稿中所有陈述均为前瞻性陈述。其中包括但不限于有关公司信念和预期的业务展望和管理层引语,以及公司战略和运营计划。公司还可能在其向美国证券交易委员会(“SEC”)提交的20-F表和6-K表的定期报告中,年度报告、新闻稿和其他书面材料以及管理层对第三方的口头陈述中作出书面或口头前瞻性陈述。前瞻性陈述本质上存在不确定性。多种因素可能导致实际结果与任何前瞻性陈述存在重大差异,其中包括但不限于以下因素:公司目标和战略; 公司未来业务发展、财务状况和经营结果; AR全息行业预期增长; 以及公司对其产品和服务的市场需求和市场接受度的预期。

有关这些以及其他风险的更多信息,请参见公司向SEC提交的20-F表年报和6-K表当前报告以及其他文件。本新闻稿中提供的所有信息均截至本新闻稿发布之日。除适用法律要求的情况外,公司不承担任何义务来更新任何前瞻性陈述。