从EMG和EEG信号中识别与手部康复运动相关的神经运动模式

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
• 康复科学 康复科学 康复科学

背景情况:

• 卒中经常会损害幸存者的上肢功能,需要有效的康复策略.
• 准确分类运动的意图和执行对于个性化的患者监测和机器人辅助中风恢复至关重要.

研究的目的:

• 研究电脑学 (EEG) 和电肌学 (EMG) 信号的整合,以分类五种不同的手动.
• 评估机器学习模型在使用组合生物信号特征来解码运动意图和执行方面的有效性.

主要方法:

• 获得了22名健康参与者执行特定手动的同步EEG和EMG数据.
• 从EEG提取频率和连接特征,从EMG提取肌肉活动指标.
• 训练并比较机器学习模型 (集袋树,神经网络,SVM) 用于运动分类.

主要成果:

• 集体包装树模型实现了最高的分类准确性:运动执行率为84.7%,运动意图为67.4%.
• EEG功率光谱密度特征对分类特别有效.
• 确定了与神经运动过程相关的独特的运动相关的大脑连接模式.

结论:

• 集成的EEG-EMG分析与机器学习提供了一种可行的方法来增强中风康复.
• 这种方法可以提高患者监测的准确性和机器人辅助治疗的有效性,以恢复上肢功能.