一种基于阶段的EEG时代选择方法,用于解码中风患者双向手部运动想象力的双向解码
概括
这项研究引入了一种基于相位的新算法,用于在脑电脑接口 (BCI) 系统中选择脑电图 (EEG) 时代,用于中风康复. 该方法显著提高了解码手动图像的准确性,提高了恢复潜力.
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
- 康复技术 康复技术 康复技术
背景情况:
- 基于脑电图 (EEG) 的脑电脑接口 (BCI) 系统为中风康复提供了一个有希望的途径.
- 精确选择信息性的EEG段对于提高BCI疗效至关重要.
- 脑卒中引起的半和手部软弱需要先进的康复工具.
研究的目的:
- 提出和评估基于阶段的EEG时代选择算法,以改善中风患者的运动图像BCI性能.
- 提取与双向手动图像相对应的歧视性EEG时间段.
- 为了提高解码精度和信息传输速度,用于中风康复.
主要方法:
- 一个基于阶段的EEG时代选择算法被开发来识别信息神经活动.
- 从选定的EEG时代中提取了相锁值 (PLV) 特性.
- 线性差异分析 (LDA) 用于对想象中的手动方向进行二进制分类.
- 该算法在16名中风患者中进行了测试,这些患者患有半衰和手部软弱.
主要成果:
- 与使用整个EEG信号相比,提出的时代选择算法将平均方向分类精度提高了11.5% (校准) 和11.7% (反).
- 平均信息传输速率 (ITR) 为每分钟39.8±24.6位,比基线方法提高了86%.
- 选择的EEG时代为解码手动图像提供了更具歧视性的特征.
结论:
- 基于相位的EEG时代选择算法有效地提高了用于中风康复的运动图像BCI的性能.
- 这种MI-BCI系统在改善神经可塑性和恢复中风幸存者的手部功能方面具有临床意义.
- 开发的方法提供了一个强大的平台,可以将BCI与外骨或假肢整合起来,以提高康复结果.
