在人手外骨交互期间对EEG表现和解码中的自身感受的影响
概括
基于脑电图 (EEG) 的脑电脑接口 (BCI) 可以跟踪手部外骨的运动,但将预期的行为与被动反区分开来仍然是自然控制的挑战. 需要先进的BCI解码器来实现无的人类外骨交互.
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:
- 使用脑电图 (EEG) 的脑电脑接口 (BCI) 在运动增强和神经康复中为手外骨控制提供了潜力.
- 了解自身感受从外骨相互作用中的作用对于自然BCI控制至关重要.
研究的目的:
- 在手外骨架使用过程中量化EEG表示和BCI性能.
- 调查自感反对感官运动EEG活动和BCI分类准确性的影响.
主要方法:
- 在25名健康受试者中监测全头皮EEG,使用电缆驱动的手外骨架执行想象式 (IM),被动式 (PM) 和对应的想象式和被动式 (IPM) 指曲动任务.
- 分析了传感运动区域的α和β频段功率变化.
- 使用机器学习模型来分类运动条件 (IPM与REST,PM与REST,IPM与PM,IM与REST).
主要成果:
- 与IM相比,对于PM和IPM任务的传感器运动区域的α和β频段脱同步明显更强.
- 在从休息开始对外骨架辅助运动进行分类时的高准确性 (IPM与REST:0.80 ± 0.07;PM与REST:0.72 ± 0.10),IPM显示了最高的准确性.
- 与没有外骨架检测运动意图相比,在区分IPM和PM (0.61±0.09) 中的精度较低 (IM与REST:0.73±0.08).
结论:
- 感官运动EEG活动有效地跟踪来自手外骨的自感反.
- 虽然自身感知反是可检测的,但在外骨使用过程中准确检测运动意图仍然是一个重大挑战.
- 开发先进的解码器和控制策略对于连续BCI驱动的手外骨架系统至关重要.


