使用超高密度EEG解码手臂运动方向

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:

• 解码手臂运动方向对于恢复运动残疾人的自我护理至关重要.
• 侵入性脑电脑接口 (BCI) 是有前途的,但传统的脑电图 (EEG) 却难以处理多向手臂运动解码.
• 现有的基于EEG的BCI在有效地解释复杂的手臂运动方面面临挑战.

研究的目的:

• 开发和验证一个超高密度 (UHD) 的EEG系统来解码多向手臂运动.
• 分析与不同手臂运动方向相关的UHDEEG信号模式.
• 引入一种新的空间过方法,用于从UHDEEG数据中提取增强的特征.

主要方法:

• 设计了一种超高密度 (UHD) 的EEG系统,在4毫米间隔内设有200个电极.
• 在手臂运动期间分析了脑电图 (EEG) 信号模式,特别是与运动相关的皮质潜力 (MRCPs).
• 采用空间过技术,将主要组件分析 (PCA) 和区分空间模式 (DSP) 结合起来,用于特征提取.

主要成果:

• 证明了UHDEEG信号在波形和空间模式上的可分离性,用于不同的手臂运动方向.
• 在双臂的八个方向运动中,平均分类准确率为63.15%,峰值为77.24%.
• 在主导臂的四向运动中获得了75.31%的平均准确度,达到85.00%的峰值.

结论:

• 这项研究成功地使用UHDEEG解码了多向手臂运动,这是第一次同时进行双边手臂解码.
• 开发的UHDEEG系统和空间过方法为先进的BCI提供了有前途的方法.
• 这些发现对开发用于上肢运动障碍患者的辅助技术具有重大意义.