深度学习增强运动训练:用于认知运动康复的混合VR和外骨系统
Kathya P Acuña Luna1, Edgar Rafael Hernandez-Rios1, Victor Valencia1
1Mirai Innovation Research Institute, Osaka 559-0034, Japan.
Bioengineering (Basel, Switzerland)
|April 26, 2025
概括
这项研究将脑-计算机接口与虚拟现实和外骨集成为运动图像训练. 优化的系统达到89.23%的准确性,显示了老年人康复的潜力.
科学领域:
- 神经科学是一个神经科学.
- 康复工程 康复工程
- 人与计算机的交互
背景情况:
- 运动图像分类对于脑计算机接口 (BCI) 至关重要.
- 现有的康复方法往往缺乏参与和可扩展性.
- 整合虚拟现实 (VR) 和外骨架可以提高运动训练的有效性.
研究的目的:
- 开发和优化实时机器学习系统,用于使用EEG进行运动图像分类.
- 将该系统与VR和外骨架集成,用于实际的康复和运动训练应用.
- 评估系统在训练认知运动功能的有效性,特别是在老年人中.
主要方法:
- 开发了一种用于数据分类的运动图像EEG采集协议.
- 使用深度学习框架与波形数据包转换用于特征提取.
- 与支持矢量机器 (SVM),卷积神经网络 (CNN) 和长短期记忆 (LSTM) 网络进行了深度学习模型的比较.
- 使用随机超参数搜索优化模型性能.
- 创建了一个VR捕鱼游戏,用于与外骨反同步的交互式运动图像任务.
主要成果:
- 实现了89.23%的高分类准确度,用于运动图像数据.
- 通过VR游戏展示了系统通过动态响应EEG输出的能力.
- 观察到电脑电图 (EEG) 与事件相关的脱同步/同步 (ERD/ERS) 极化速率在α和β波中增加的潜力.
结论:
- 集成的BCI,VR和外骨系统为运动康复和训练提供了可扩展和实用的解决方案.
- 优化的机器学习框架显著提高了分类准确性.
- 该系统有望改善老年人群的认知运动功能和用户参与,等待进一步的临床验证.
