在自由意志EEG中解码前移动和运动意图的窗口分析

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
• 信号处理 信号处理

背景情况:

• 大脑机器接口 (BMI) 对于恢复运动障碍患者的功能至关重要.
• 从脑电图 (EEG) 解码运动意图是实时BMI的关键.
• 对于实际的BMI来说,自由意志运动任务比基于提示的任务更相关,但EEG窗口大小的影响仍然未被探索.

研究的目的:

• 系统地分析不同脑电图窗口大小对解码运动意图在自由意志达到和抓取任务的影响.
• 为了确定最佳的窗口大小来解码前移动和移动相关的意图.
• 为了比较规则化的线性支向量机 (LSVM) 和规则化的线性差别分析 (RLDA) 对此解码任务的性能.

主要方法:

• 分析了23名受试者的49个EEG记录,检查窗口大小从0.1秒到1秒的0.1秒增量.
• 使用LSVM和RLDA对运动开始 (-3s到3s) 的解码性能进行了评估.
• 在各种窗口大小和时间转移中评估解码准确性.

主要成果:

• 较大的EEG窗口大小始终产生更高的解码精度.
• 与运动开始相比,在0s和1s之间的窗口中观察到峰值准确性.
• LSVM的表现优于RLDA,在1秒的窗口中达到90.94%的峰值精度. 一个0.5秒的窗口提供了准确度 (89.5%) 和延迟的近乎最佳平衡.

结论:

• 最佳的EEG窗口大小显著影响了BMI自由意志运动解码的性能.
• 一个0.5s窗口为实时自由意志EEG解码提供了一个实用的选择,平衡精度和延迟.
• 结果可以为运动残疾人开发更有效的实时BMI提供信息.