一种新的脑控制假肢手方法,集成AR-SSVEP增强,异步控制和机器视觉辅助
Xiaodong Zhang1,2, Teng Zhang3,2, Yongyu Jiang1
1School of Mechanical Engineering, Xi'an Jiaotong University, Xi'an, Shannxi, 710049, China.
Heliyon
|March 11, 2024
概括
这项研究引入了一个增强现实 (AR) 脑计算机接口 (BCI) 假肢手,通过新的刺激范式和模式识别算法增强控制. 该系统证明了对残疾患者的提高准确性和实际可用性.
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.
- 人与计算机的交互
背景情况:
- 使用稳定状态视觉唤起潜能 (SSVEP) 的脑计算机接口 (BCI) 系统为残疾人提供了假肢手臂辅助的潜力.
- 现有的BCI系统在交互,刺激范式和控制逻辑方面面临局限性,这阻碍了实际应用.
研究的目的:
- 通过整合增强现实 (AR) 技术,创新视觉刺激范式和BCI控制假肢手的异步解码/控制策略.
- 开发一种先进的异步模式识别算法,以提高BCI系统的交互逻辑和实际功能.
主要方法:
- 开发了一个基于AR的异步视觉刺激范式,具有8个控制模式.
- 提出了一个新的异步模式识别算法,Center-ECCA-SVM,结合了正规相关性分析和支持向量机器.
- 使用YOLOv4深度学习对象检测算法实现了一个智能BCI系统开关,以增强用户交互.
主要成果:
- 与LCD相比,AR模式增加了SSVEP频谱幅度17.41%,信号噪声比 (SNR) 增加了3.52%.
- 中心-ECCA-SVM分类器在2秒的分析时间内实现了高异步模式识别准确性 (94.66%97.40%).
- YOLOv4微型模型能够在25.29fps的速度以96.4%的可靠性实时检测假肢手,从而促进日常任务的完成.
结论:
- 开发的AR-BCI系统显著改善了对假肢手控制的用户交互.
- 该研究验证了替代假肢控制和康复计划的拟议系统的有效性和实用性.
