节奏时间预测增强了神经对运动意图的表现,用于大脑-计算机接口
Jiayuan Meng1,2, Yingru Zhao1, Kun Wang1,2
1The Academy of Medical Engineering and Translational Medicine, Tianjin University, Tianjin 300072, People's Republic of China.
Journal of neural engineering
|October 24, 2023
概括
将节奏时间预测纳入脑计算机接口 (BCI) 显著提高了运动意图检测. 这种新型范式通过利用认知时间预测以及运动信号来提高解码精度.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 认知科学 认知科学
背景情况:
- 大脑计算机接口 (BCI) 通常依赖于内源脑电图 (EEG) 功能来检测运动意图.
- 现有的基于运动的BCI面临由于运动的神经表现不足的局限性,阻碍了性能改进.
研究的目的:
- 开发和评估一种新的BCI编码范式,该范式整合了节奏时间预测,以增强运动意图检测.
- 评估这种模式在优化基于电机的BCI中可检测意图的准确性和范围方面的可行性.
主要方法:
- 一个视觉运动同步任务被设计为左/右运动意图和节奏时间预测 (1000 ms,1500 ms,或没有).
- 从24名健康参与者中收集了行为和EEG数据.
- 分析包括与事件相关的潜力 (ERP),与事件相关的光谱扰动,共同空间模式 (CSP),支向量机,里曼触点空间和后勤回归来比较预测条件.
主要成果:
- 节奏时间预测 (1000毫秒和1500毫秒) 显著减少了行为偏差时间.
- ERP分析显示,在时间预测条件下,与运动相关的节奏振荡.
- 1000毫秒条件显示增强的β事件相关脱同步 (ERD) 横向化和正面ERD,导致明显更高的解码精度 (高达97.30%) 与没有预测相比.
- 运动和时间信息的同时解码在四个类别的任务中实现了88.51%的准确性.
结论:
- 节奏时间预测有效地提高了基于运动的BCI的检测能力.
- 这项研究表明,单个BCI范式的潜力可以编码运动和时间信息,扩大可解码意图的范围.
