指向手动可以从岛内皮层SEEG信号分类,使用循环神经网络和高马波段特征

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
• 人工智能的人工智能

背景情况:

• 运动大脑-计算机接口 (BCI) 利用人工智能和机器学习来解码神经信号以恢复运动功能.
• 除了运动皮层之外,其他大脑结构,如胰岛,越来越多地被认为是它们在运动控制中的作用,特别是指向手的动作.

研究的目的:

• 应用人工智能和机器学习技术来解码来自岛屿皮层高马波段活动的方向手动.
• 通过立体电脑学 (SEEG) 来研究岛屿在条件运动歧视中的作用.

主要方法:

• 利用了来自七名患者的SEEG数据,这些患者在指导运动任务 (左手,右手,没有运动) 期间接受了insula电极监测.
• 处理的神经信号,专注于高马波段活动 (70-200 Hz).
• 应用脱主要组件分析 (dPCA) 用于尺寸缩小和特征提取,然后使用双向长短期内存 (LSTM) 网络进行运动分类.

主要成果:

• 在运动执行期间,在岛屿皮层中展示了强大的,方向特定的高马调制.
• 在不同的运动条件下,dPCA揭示了高马活性的独特时空模式.
• 对于解码运动方向,LSTM网络的分类精度为72.6% ± 13.0%,远高于偶然 (33.3%).
• 在训练测试会的时间距离和解码性能之间发现了强烈的负相关性 (r = -0.868),表明神经表征的时间差异.

结论:

• 岛屿在条件移动歧视中发挥着重要作用.
• 与高马波段分析相结合的LSTM网络增强了对运动背后的神经机制的理解.
• 这些发现为基于SEEG的BCI提供了潜在的进步,旨在恢复运动功能.