解码运动频率和肢体基于来自非侵入性EEG的稳定状态运动相关节奏
Yuxuan Wei1, Xu Wang1, Ruijie Luo1
1State Key Laboratory of Mechanical System and Vibration, Shanghai Jiao Tong University, Shanghai, People's Republic of China.
Journal of neural engineering
|October 10, 2023
概括
这项研究表明,脑电图 (EEG) 中的稳定状态运动相关节奏 (SSMRR) 可以解码运动频率和四肢. SSMRR补充了现有的脑电脑接口方法.
科学领域:
- 神经科学是一个神经科学.
- 神经工程 神经工程是神经工程.
- 生物医学工程 生物医学工程
背景情况:
- 使用脑电图 (EEG) 非侵入性地解码运动对于脑电脑接口 (BCI) 至关重要.
- 虽然感觉运动节奏 (SMR) 对于肢体解码是有效的,但它在运动频率解码方面遇到了困难.
- 稳定状态运动相关节奏 (SSMRR) 被假设为编码运动频率.
研究的目的:
- 研究在自愿运动期间在EEG中SSMRR的空间光谱表示.
- 评估SSMRR对解码运动频率和四肢的有效性.
- 探索SSMRR作为增强BCI能力的SMR的补充.
主要方法:
- 检查了手指节律运动期间SSMRR的频率特征和空间模式.
- 使用了EEG (传感器/源域) 和数据手套记录的手指运动之间的连贯性分析.
- 采用了融合模型,将光谱SNR和过器银行共同的空间模式特征结合起来进行解码.
主要成果:
- 一致性地图证实SSMRR,包括基本频率 (f0) 和它的第一个波 (f1),被编码在相反的运动皮质.
- 在10名受试者中,为运动频率和肢体实现了73.14% (外部节奏) 和66.30% (内部节奏) 的四类解码精度.
- 表现最好的受试者达到87.21%和80.44%的解码精度.
结论:
- 验证了SSMRR的EEG表示及其在解码运动频率和肢体中的实用性.
- 证明SSMRR,使用空间光谱特征,可以有效地解码.
- 建议SSMRR作为SMR的一个有价值的补充,用于在BCI中扩展可解码的运动类型.
