从计划到掌握执行的新兴神经活动的分类使用基于EEG的新型BCI平台

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:

• 现有的脑计算机接口 (BCI) 平台在人类掌握任务中,难以检测神经活动从视觉规划转移到运动执行.
• 在使用非侵入性脑电图 (EEG) 的这些阶段,区分不同的握力类型 (功率与精度) 仍然是一个挑战.

研究的目的:

• 开发一种新的基于视觉的抓BCI平台,能够在规划和执行阶段区分抓类型.
• 在计划到掌握任务期间调查EEG信号的特定频段中存在歧视性神经活动的存在.

主要方法:

• 开发一个基于视觉捕捉的BCI平台,使用非侵入式EEG.
• 使用过器银行常见空间模式 (FBCSP) 来分析EEG信号的特征提取.
• 使用支持矢量机 (SVM) 算法对握力类型 (功率与精度) 的分类.

主要成果:

• 特定频段的EEG信号包含在观察和运动阶段可以观察到的区分空间模式.
• 开发的BCI平台实现了高分类准确率:观察阶段74%,在α频段的移动阶段68%.
• 证明了在动力和精密握柄类型之间成功区分.

结论:

• 新的基于视觉的抓取BCI平台有效地区分使用EEG信号在规划和执行阶段的抓取类型.
• 特定的频段,特别是α频段,显示出不同的神经模式,对于抓地类型的分类至关重要.
• 这个平台显示了在人类运动控制研究中推进非侵入性BCI应用的前景.