使用中枢神经刺激的BCI运动图像性能可靠的预测器
Valérie Marissens Cueva1,2, Laurent Bougrain2, Fabien Lotte1
1Inria Center at the University of Bordeaux / LaBRI, Talence, France.
Journal of neural engineering
|March 24, 2025
概括
中间神经刺激 (MNS) 有效地预测大脑-计算机接口 (BCI) 的性能. 这种非侵入性方法与运动图像 (MI) -BCI精度相关,使个性化BCI优化成为可能.
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:
- 预测脑电脑接口 (BCI) 性能对于用户体验和训练至关重要.
- 运动成像 (MI) -BCI性能预测具有挑战性,但对于个性化BCI应用至关重要.
- 目前用于BCI性能预测的方法有限.
研究的目的:
- 研究中枢神经刺激 (MNS) 作为运动成像 (MI) -BCI性能的非侵入性预测因素.
- 建立一种可靠且独立于用户的方法来评估个人潜在的BCI熟练程度.
- 为了使BCI缺乏或熟练程度的被动预测,以优化BCI使用.
主要方法:
- 利用中枢神经刺激 (MNS) 诱导与事件相关的 (脱同步) (ERD/ERS) 模式.
- 分析了MNS诱导的ERD的最小值作为预测标记.
- 与随后的MI-BCI任务执行精度相关联的MNS诱导的ERD模式.
主要成果:
- 在MNS诱导的最小ERD和MI-BCI精度之间发现了强烈的负相关性 (rho = -0.71,p<0.001).
- 基于MNS的预测指标在预测MI-BCI性能方面显示出显著的相关性 (rho = 0.61,p<0.01).
- 预测器实现了平均绝对误差9.0,验证了其预测能力.
结论:
- 中间神经刺激 (MNS) 为预测个体运动成像 (MI) -BCI性能提供了强大而可靠的方法.
- 这种方法促进了BCI熟练程度的被动评估,为个性化的BCI适应铺平了道路.
- 这些发现支持MNS提高BCI效率并为基于BCI的神经康复策略提供信息的潜力.
