为非侵入性脑计算机接口提取强大的单一试验体感唤起潜力

科学领域:

• 神经科学与生物医学工程
• 信号处理
• 康复技术

背景情况:

• 在脑损伤后的康复中,可靠的单试体感官唤起潜力 (SEP) 对脑机界面 (BCI) 的应用至关重要.
• 目前的非侵入性SEP提取方法通常需要大量的平均值或处理,因为信号很小且可变.
• 需要优化刺激参数和信号处理,以提高实时BCI反的信号噪声比 (SNR).

研究的目的:

• 描述和评估优化的电刺激参数,以提高非侵入性单次试验的SNR.
• 为了实现可靠的SEP实时提取BCI应用程序.
• 评估健康个体和中枢神经系统 (CNS) 损伤者实时检测SEP的可行性.

主要方法:

• 在13名健康参与者和2名中枢神经受伤者中使用头皮脑电图 (EEG) 记录SEP.
• 评估了三种低于推的刺激频率 (0.2 Hz,1 Hz,2 Hz),脉冲宽度较长 (1 msec).
• 使用线下,伪线上和实时分析,使用拉普拉斯选,评估单次试验的SEP检测性.

主要成果:

• 主要在头皮中部地区观察到SEP N70成分.
• 在线解码性能通过拉普拉斯选显著提高,实现曲线下面面积 (AUC) 分数为0.78-0.90.
• 在不完全脊髓损伤 (AUC 0. 86) 和中风 (AUC 0. 81) 的个体中,实时检测显示AUC为0. 89.

结论:

• 这项研究介绍了使用优化电刺激参数和信号处理的实时单次试验SEP提取系统.
• 这种增强的SNR方法适用于基于BCI的操作条件的康复.
• 优化的系统显示了在神经障碍患者中有效的BCI应用的潜力.