在EEG和fNIRS中识别握力信号的性质,使用多模态图形融合网络

科学领域:

• 神经科学是一个神经科学.
• 康复工程 康复工程
• 生物医学工程 生物医学工程

背景情况:

• 大脑-计算机接口 (BCI) 提供了中运动康复的潜力.
• 持续的力量控制对于自然运动至关重要,但难以解码.
• 了解大脑对运动指令和感官反的协调至关重要.

研究的目的:

• 在力量控制过程中调查大脑协调.
• 开发一款用于连续抓力解码的多模式模型.
• 加强康复和辅助设备的BCI.

主要方法:

• 新的实验设置隔离了运动意图和感官反.
• 功能电刺激用于被动抓取.
• 多模态大脑信号采集 (EEG,fNIRS).
• 多模态图形融合模型用于力解码.

主要成果:

• 在不同条件 (自愿运动,运动图像,被动感知) 的EEG时间频率表示中观察到显著的神经模式差异.
• 通过使用合并的EEG和fNIRS模型,成功地实现了连续双手抓地力解码.
• 结合运动意图和感官反的证明可行性.

结论:

• 这项研究有助于我们更好地理解强力任务中的神经控制.
• 开发的多模式BCI模型显示了准确的力量解码的前景.
• 这些发现支持开发先进的神经康复和涉及力量操纵的辅助技术.