脑电图特征 超数和内在肢体之间的运动图像比较:六指MI增强了ERD模式和分类性能

科学领域:

• 神经科学是一个神经科学.
• 机器人技术 机器人技术 机器人技术
• 生物医学工程 生物医学工程

背景情况:

• 大脑-计算机接口 (BCI) 旨在通过控制外部设备来增强人类的运动,例如超级机器人四肢 (SRL).
• 为高维控制提取独特的神经模式至关重要,但仍然具有挑战性,特别是在新型运动图像 (MI) 范式中.

研究的目的:

• 建立和验证一种新的运动图像 (MI) 新框架,使用超数的机器人六指MI (SRF-MI) 和传统的右手MI (RH-MI).
• 为了证明SRF-MI和RH-MI任务之间的脑电图 (EEG) 响应模式的区别.
• 评估BCI系统中增强控制带宽的可能性.

主要方法:

• 招募了24名受试者进行三个心理任务:SRF-MI,RH-MI和一个控制任务.
• 利用与事件相关的光谱扰动来分析EEG数据中的与事件相关的脱同步 (ERD).
• 在SRF-MI和RH-MI之间比较了ERD激活区域,强度和响应时间 (RT).
• 采用分类算法和基因算法来进行道选择.

主要成果:

• 在SRF-MI任务中,双边传感器和前额度调制,与RH-MI中的对侧传感器调制不同.
• SRF-MI显著提高了ERD强度 (在前额叶上高达117%,在两侧体感关联皮质中高达188%).
• 与RH-MI相比,SRF-MI任务的RT总体下降.
• 分类实现了高准确度 (最大2级为88.1%,3级为88.2%).

结论:

• 该研究成功地证明了SRF-MI和RH-MI范式之间的明显EEG模式.
• 新的SRF-MI范式提供了增强的神经调制和减少响应时间.
• 这一框架有可能显著扩大BCI系统的控制带宽,以实现运动增强.