以生理学为灵感的EEG变压器用于预测双手任务中的运动过渡

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
• 人工智能的人工智能

背景情况:

• 人机界面 (HMI) 对于运动康复和增强至关重要.
• 预测人类运动过渡对于安全和直观的人机交互至关重要,特别是在意想不到的事件中.

研究的目的:

• 在双手任务中调查前运动神经特征,先于突然的运动过渡.
• 开发和评估一种新的AI模型,即以生理学为基础的EEG变压器 (PI-EEGformer),用于从EEG数据中识别运动意图.

主要方法:

• 在需要突然的运动状态切换的双手任务中收集了EEG数据.
• 在运动过渡之前分析了EEG功率谱和运动相关皮质潜力 (MRCPs).
• 开发并测试了PI-EEGformer与运动意图识别的最新模型相比.

主要成果:

• 脑电图功率频谱下降,并且在运动过渡之前,可以从逆侧运动皮质中提取MRCP.
• PI-EEGformer在运动前500-100毫秒检测运动过渡时获得了高精度 (0.912个主体间,0.829个主体间).
• 之前的PI-EEG超越了所有测试过的最先进的模型.

结论:

• 脑电图神经特征可以有效地预测正在进行的双手任务中的突然运动过渡.
• PI-EEGformer展示了准确,实时预测运动意图的潜力.
• 这项技术可以显著提高HMI系统在动态环境中的响应能力和安全性.