一个由MI识别模型控制的上肢康复外骨系统,在VR场景中具有深度强调的信息特征

科学领域:

• 生物医学工程 生物医学工程
• 神经科学是一个神经科学.
• 康复技术 康复技术 康复技术

背景情况:

• 由于人口老龄化,全球中风患病率正在上升,需要先进的康复解决方案.
• 现有的运动图像大脑计算机接口 (MI-BCI) 在适应性和使用场景方面存在局限性.
• 脑卒中后的上肢运动缺陷显著影响患者的独立性和生活质量.

研究的目的:

• 为中风患者开发和评估基于虚拟现实的上肢康复外骨架系统 (VR-ULE).
• 为了增强运动图像 (MI) 电脑电图 (EEG) 识别,用于控制外骨.
• 通过综合MI-BCI和VR方法,提高康复培训的有效性和患者的适应能力.

主要方法:

• 设计了一个VR-ULE系统,将MI-EEG识别与卷积神经网络和挤压激发 (SE) 块集成在一起.
• 雇佣SE块以适应性学习个人EEG差异的最佳频段特征.
• 进行了离线培训实验,以确定战略可行性,并进行了在线控制实验,以验证系统有效性.

主要成果:

• 基于VR的MI线索的MI分类方法实现了86.49%±3.02%的准确性.
• 受试者在上肢康复任务中表现出高的平均完成率:86.82%±4.66%和88.48%±5.84%.
• VR-ULE系统有效地为中风患者的上肢康复训练提供了便利.

结论:

• 在中风幸存者中,VR-ULE系统为上肢康复提供了一个有效的解决方案.
• 将VR与MI-BCI集成,可以增强EEG识别,改善训练成果.
• 这种方法为基于BCI的康复设备提供了新的策略,解决了当前系统的局限性.