本文深入探讨了多模态研究中的EEG-fNIRS同步技术，通过一个实验案例展示其在感觉通道分类中的高效性。研究表明，结合EEG和fNIRS数据可以提高分类准确率，证明了多模态数据采集手段的价值。此外，还介绍了EEG-fNIRS同步检测的优势，如时间与空间分辨率互补、鲁棒性强、适用于多种场景，并讨论了其在脑机接口、脑功能状态监测、情感识别和人因工程等领域的应用。
关注“心仪脑”查看更多脑科学知识的分
关键词：多模态、脑机接口、EEG-fNIRS
在之前的推文中，我们已经对实现多模态研究的方法做了介绍（详情参照：认知神经科学中实现多模态研究的几种方法
http://link.zhihu.com/?target=http%3A//mp.weixin.qq.com/s%3F__biz%3DMzUxMTg2MTU5OA%3D%3D%26mid%3D2247494615%26idx%3D1%26sn%3D74dc8a76ae8a3e0ab598f0463a467d8b%26chksm%3Df96f9de6ce1814f05077695c9576cf00af856f08a7dd698da93e46c2c4cf20375c976315ac38%26scene%3D21%23wechat_redirect）。在了解了基本原理的基础上，接下来可以向前再迈进一步——参考先行研究中如何使用该方法实现具体的研究目的。
先来复习一下模态的概念。模态一词在不同语境下有不同含义：当以人为主体时，模态可以指代感觉通道（视觉、听觉……）；而当以计算机为主体时，模态又可以代表信息获取方式。
在本篇推文中我们采取的首要切入点为信息获取方式。直白来说，在同一个任务过程中有两种及以上记录手段参与时，我们即认为这是一个多模态的数据采集过程。在认知神经科学中模态的组合方式是
最低0.47元/天 解锁文章
扫一扫
1116
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
