从物体的内在特性中解脱人类的抓取类型,使用低频EEG信号

科学领域:

• 神经科学是一个神经科学.
• 发动机控制器的控制器
• 大脑与计算机的接口

背景情况:

• 在人类和灵长类动物中,前侧-双侧脑网络在抓取时被激活.
• 对象属性的神经表示与抓取时的手姿势的神经表示仍然不清楚.

研究的目的:

• 研究人类脑电图 (EEG) 中物体属性和掌握类型在掌握过程中的时空编码.
• 开发和评估来自EEG信号的掌握类型和对象属性的多类解码器.
• 将EEG表示与运动和物体属性的分类模型进行比较.

主要方法:

• 操纵对象属性和抓取类型,创建12个独特的抓取动作.
• 记录了健康成年人的低频时间域EEG信号.
• 实施和评估多类解码器,以随着时间的推移掌握类型和对象属性.
• 分析了EEG表示和分类模型之间的相似性.

主要成果:

• 对象属性 (形状,大小) 和掌握类型 (运动属性) 在整个掌握阶段都被编码在不同的大脑区域.
• 抓取类型和对象属性都在规划和执行过程中可以从EEG中显著地解码.
• 对象属性可以从观察阶段进行解码,而抓取类型可以在对象释放时进行解码.

结论:

• 非侵入性的EEG信号可以在抓取过程中区分对象内在特性和运动参数的神经编码.
• 神经表征的时间演变允许在不同运动阶段对象和动作信息的解码.
• 开发的解码器为非侵入性运动控制策略和脑计算机接口提供了洞察力.