从慢性ECoG-BCI记录中分类心理运动任务,使用相幅度合特征.
Morgane Marzulli1, Alexandre Bleuzé1, Joe Saad2
1Clinatec, CEA, LETI, University Grenoble Alpes, Grenoble, France.
Frontiers in human neuroscience
|March 27, 2025
概括
阶段振幅合 (PAC) 有效地解码运动行为使用电皮质谱 (ECoG) 信号在脑电脑接口 (BCI) 系统. 关键的发现表明,theta/低马和β/高马带的合对于分类不同的心理任务至关重要.
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
- 信号处理 信号处理
背景情况:
- 阶段振幅合 (PAC) 被认为是目标导向运动行为的标记.
- 在解码试图的运动运动中,PAC的确切作用需要进一步的研究.
研究的目的:
- 为了确定PAC衍生特征是否可以在脑计算机接口 (BCI) 系统中使用电皮质谱 (ECoG) 信号来分类不同的运动行为.
- 评估PAC指标在预测心理任务方面的有效性.
主要方法:
- 在涉及精神运动任务的BCI实验中,从四肢患者身上收集了ECoG数据.
- 神经振荡特征 (振幅,相) 通过光谱分解提取,以量化PAC.
- PAC指标被用作机器学习管道中的输入特征进行分类.
主要成果:
- 在分辨运动任务时,PAC特征实现了高准确度.
- 显著的分类特征涉及到theta/低玛和β/高玛频段的合.
结论:
- 对于推进对运动行为的理解,PAC具有显著的潜力.
- 从PAC衍生出来的特征可以为开发优化的BCI系统做出贡献.
