用可解释的神经网络进行外骨控制的异步BMI设计:一周内数据演变和可扩展性的概念证明

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:

• 神经康复旨在整合机器人疗法,以积极参与患者.
• 开发非侵入性脑机接口 (BMI) 对于有效的机器人连接至关重要.
• 基于运动图像的BMI为控制辅助设备提供了一个有希望的途径.

研究的目的:

• 介绍一项为期一周的实验方案的概念研究,用于使用BMI控制下肢外骨架.
• 在多天内评估基于神经网络的BMI系统的可行性和性能.
• 评估累积数据集成的潜力,以提高BMI在多天设置中的准确性.

主要方法:

• 从EEGNet调整的一个神经网络被用来分类运动图像和静止状态.
• 该模型每天都在使用新的和以前的训练数据进行微调.
• 每天进行封闭循环的异步评估,以评估实时的外骨控制.

主要成果:

• 在整个为期一周的方案中,BMI系统在准确度方面表现出稳定的改善.
• 累积数据集成增强了神经网络分类认知状态的能力.
• 该系统显示了下肢外骨架可靠,实时控制的潜力.

结论:

• 拟议的为期一周的协议为开发有效,非侵入性BMI用于外骨控制提供了框架.
• 连续的模型微调与累积数据是有利于提高BMI性能在多天应用程序.
• 这种方法对推进神经康复和增强患者参与治疗具有重大前景.