通过应用基于EEG的在线框架来解码运动意图,轨迹和错误处理来解锁脊髓受伤的运动控制
Valeria Mondini1, Andreea-Ioana Sburlea2, Gernot R Müller-Putz3,4
1Institute of Neural Engineering, Graz University of Technology, Graz, Austria.
Scientific reports
|February 27, 2024
概括
这项研究将运动意图,轨迹和错误处理的连续解码集成为直观的大脑与计算机接口 (BCI). 虽然性能随着复杂性而下降,但它促进了残疾人对自然运动控制的理解.
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) 经常使用离散的心理状态来控制,限制了直觉.
- 这是一个很棒的节目,这是一个很棒的节目.
- 感受到你的影响力.
- 该项目寻求一种新的框架,用于对手/手臂运动意图进行持续解码,以获得更自然的BCI.
研究的目的:
- 介绍一个新的BCI框架的首个集成实现,它结合了目标定向的运动意图,轨迹解码和错误处理.
- 在闭环控制范式中评估这个框架.
- 调查其对自然运动控制的潜力以及对运动障碍患者的应用.
主要方法:
- 开发并实施一个闭环BCI系统,集成目标定向的运动意图,轨迹解码和错误处理.
- 进行了一项在线研究,其中12名身体健康的志愿者和一名脊髓受伤 (SCI) 参与者试图进行运动.
- 分析了脑电图 (EEG) 数据,以检测运动相关的皮质潜力,错误潜力和源的定位.
主要成果:
- 观察到与运动相关的皮质潜力和与以前的研究一致的错误潜力.
- 试图的运动轨迹被成功重建.
- 源分析确定了涉及运动意图和轨迹解码的感觉运动和后壁面区域.
- 综合系统的复杂性导致与单个组件相比性能下降.
结论:
- 集成的BCI框架显示了朝着更自然和直观的电机控制方向的进展.
- 这项研究提供了对自然运动控制机制的见解.
- 这些发现为为运动障碍患者开发改进的BCI策略提供了潜力.
