对执行的动作视觉暗示效应的EEG分析

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
• 人与计算机的交互

背景情况:

• 脑电图 (EEG) 和脑电图 (ECoG) 实验中的视觉线索可以触发意外的神经活动.
• 这种神经干扰使得脑电脑界面 (BCI) 应用程序中自我启动任务的解码复杂化.

研究的目的:

• 开发和评估新的视觉线索,尽量减少自我诱导的神经活动.
• 为了识别能够促进非同步BCI控制的提示效应免费分类器培训的线索.
• 通过提高BCI系统可靠性来帮助患有严重的个人.

主要方法:

• 引入了四个新的视觉线索:色,旋转,参考和恒星.
• 通过分析时间变化,运动相关皮质潜力 (MRCPs) 和分类准确度,评估暗示对大脑信号的影响.
• 将新的线索与传统的基于线索的范式进行比较.

主要成果:

• 在测试的线索中观察到时间变化和MRCP模式的显著差异.
• 旋转和参考线索显示时间变化最小,并保持一致的MRCP模式.
• 使用旋转和参考线索的分类准确性与自动节奏信号相当.

结论:

• 旋转和参考线索提供高分辨率和最小的可变性,对于精确的分类器培训至关重要.
• 这些线索具有提高在线BCI系统准确性和可靠性的巨大潜力.
• 这些发现为更直观,更有效的BCI控制为运动障碍患者铺平了道路.