提高假肢手的控制:一个协同的多通道电脑图

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:

• 电肌图 (EMG) 是假肢手控制的标准,但由于肌肉功能和疲劳而面临限制.
• 由于复杂的时间脑网络转移,对假肢控制的非侵入性脑电图 (EEG) 信号进行分类仍然具有挑战性.

研究的目的:

• 研究大脑协同作用,定义为大脑网络中的协调时间模式,用于解码手部运动.
• 开发和验证基于EEG的假肢手控制系统,利用协同功能.

主要方法:

• 获得了来自10名健康参与者的32通道EEG数据,这些数据是在手握和开放任务期间获得的.
• 使用独立组件分析分析了协同的空间分布和功率光谱.
• 从15个选定的EEG频道中提取了时间域和协同特征.
• 训练了一个基于贝叶斯优化器的支持向量机 (SVM) 分类器.

主要成果:

• 使用与优化 SVM 的协同功能,实现了 94.39 ± 0.84% 的平均测试准确度.
• 在分类手动时,协同特征显著优于时间域特征 (p < 0.05).
• 分类器的输出成功地用于假肢手的控制.

结论:

• 大脑协同分析为假肢手掌控提供了一个有希望的,有效的方法,解决了EMG的局限性.
• 这种协同方法增强了EEG手部运动的解码,有助于先进的神经假肢.
• 这些发现突显了基于协同作用的控制对未来假肢研发的潜力.