通过使用基于表面电极和深度电极的内脑电图进行运动大脑-计算机接口的审查

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:

• 大脑-计算机接口 (BCI) 对于恢复神经疾病中的功能至关重要.
• 侵入性BCI使用电皮质谱 (ECoG) 表面电极和深度电极 (SEEG,DBS).
• 现有的评论往往缺乏对侵入性BCI运动解码的特定任务的视角.

研究的目的:

• 审查侵入性BCI研究的重点是人类的运动解码.
• 根据解码目标 (动力学,动力学,身体部位,手的敏捷性,运动意图) 分析BCI性能.
• 为了比较表面与深度电极的信息丰富性,并评估解码算法.

主要方法:

• 对动作解码的侵入性BCI发表的研究进行系统审查.
• 通过解码任务对研究进行分类.
• 分析电极类型 (ECoG,SEEG,DBS) 和解码算法 (传统的ML,深度学习).

主要成果:

• 运动解码涉及多个大脑区域的分布式运动网络.
• ECoG表面电极提供比深度电极更全面的神经信息.
• 深度学习算法在原始信号解码方面优于传统的机器学习.

结论:

• 侵入性BCI显示出对运动解码的承诺,表面电极提供了优势.
• 深度学习显著提高解码精度.
• 需要对具有感官反和长期电极性能的闭环BCI进行进一步的研究.