北京，2023年9月14日/PRNewswire/-全球领先的全息增强现实（“AR”）技术提供商WiMi全息云股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，开发了一种基于EEG-fNIRS多模态数据集成的脑机接口（BCI），以提高EEG-fNIRS多模态信息集成的性能和准确性。
多模态数据集成是近年来人工智能领域的热门话题，其主要目标是有效地组合来自不同来源的数据或信息，为决策提供比单一数据源更好的依据。脑电图（EEG）和功能性近红外光谱（fNIRS）是检测大脑中神经信号的两种常用技术，它们各有优点和局限性。
脑电图可以提供高分辨率的脑神经活动信息，但其空间分辨率相对较低；尽管fNIRS具有较低的时间分辨率，但它可以提供高空间分辨率的脑血流动力学信息。WiMi团队发现，将这两种技术结合起来可以弥补各自的不足，并提供更全面、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数据的有效集成。这是一个具有自注意机制的深度学习模型，可以自动学习数据的内在相关性，提高数据集成的质量和效率。此外，WiMi设计了一个独特的算法框架，可以处理大规模的多模态数据，并满足不同场景下的应用需求。
该过程可分为以下步骤：
数据收集：首先，我们需要同时使用脑电图设备和fNIRS设备收集同一目标的数据。EEG设备将记录大脑的电活动，而fNIRS设备将监测大脑中血流的变化。
数据预处理：采集的数据需要对EEG和fNIRS数据进行预处理，包括滤波、去噪和去伪影，以提高数据质量。这通常包括过滤和规范化等步骤。此外，由于EEG和fNIRS设备的时间分辨率不同，还需要时间对准操作。
特征提取：通过数据的组合，我们可以提取出更丰富、更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。
数据集成：在EEG-fNIRS多模态数据集成中，对特征进行组合，以获得全面的多模态特征表示。多模态特征集成主要是将从EEG和fNIRS数据中提取的特征进行组合，以获得更全面、准确的大脑活动信息。通过二进制增强算法，一种基于自注意机制的深度学习模型，它可以自动学习数据的内在相关性，从而实现对高维复杂结构数据的有效处理。
模型训练：模型训练过程，使用交叉验证等方法进行模型参数选择和性能评估。
应用程序实现：基于提取的特征，实现各种应用程序。例如，使用这些特征来训练用于预测和控制大脑神经活动的机器学习模型。
该技术将为脑科学、神经工程和临床医疗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，促进他们的技术进步。
关于WIMI全息云
维密全息云股份有限公司（NASDAQ:WIMI）是一家全息云综合技术解决方案提供商，专注于全息AR汽车HUD软件、3D全息脉冲激光雷达、头戴光场全息设备、全息半导体、全息云软件、全息汽车导航等专业领域。
