超数和内在四肢之间的运动图像的EEG模式比较和分类性能

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,但对于传统的运动图像 (MI) 范式来说具有挑战性.

研究的目的:

• 提出并验证使用SRL (第六指,第三臂,第三腿) 的新型MI范式.
• 调查基于SRL的新型MI和传统的内在肢体MI之间的脑电图 (EEG) 响应模式的区别.
• 评估扩大BCI系统控制带宽的可能性.

主要方法:

• 开发一种新的MI范式,包括对SRLs的动作进行想象.
• 在新的SRL-MI和传统的固有肢体MI任务中记录EEG信号.
• 在传感运动区域的事件相关脱同步 (ERD) 的分析.
• 使用机器学习算法对不同的心理任务进行分类.

主要成果:

• 与想象固有的四肢相比,想象SRLs在感官运动区域诱导了更明显的ERD.
• 在新型SRL-MI和传统MI范式之间,EEG响应模式是不同的.
• 不同心理任务的分类准确度超过86%,最高达到90.5%.

结论:

• 一个基于SRLs的新型MI范式被成功提出和验证.
• 这种方法提供了一种新的方法,用于为BCI控制提取独特的神经信号.
• 这些发现表明,增加BCI系统中运动增强的控制带宽是一个有希望的途径.