使用脑电图和人体姿势估计评估皮质神经动力学连贯性
E A Lorenz1, X Su1, N Skjæret-Maroni2
1Department of Computer Science, Norwegian University of Science and Technology, Sem Sælands vei, Trondheim, Norway.
Biomedical physics & engineering express
|December 4, 2025
概括
这项研究验证了一种结合脑电图 (EEG) 和人体姿势估计 (HPE) 的新方法,用于测量真实和虚拟环境中复杂任务期间的大脑运动合.
科学领域:
- 神经科学是一个神经科学.
- 生物力学 生物力学
- 人与计算机的交互
背景情况:
- 自身感受的外周机制已被理解,但复杂运动期间的皮质处理尚不清楚.
- 皮质可动力学连贯性 (CKC) 测量了感觉运动皮质和四肢运动的合,但评估是具有挑战性的.
- 在生态上有效的CKC测量需要先进的,综合的方法.
研究的目的:
- 验证一种结合脑电图 (EEG) 和人体姿势估计 (HPE) 的新方法来测量CKC.
- 评估这种EEG-HPE方法在现实世界和虚拟现实 (VR) 环境中的可行性和有效性.
- 为了能够更容易地评估皮质自身感受处理.
主要方法:
- 九名健康成年人在现实和虚拟现实环境中进行了手指敲击和触摸任务.
- 数据采集涉及同步的64通道EEG,光学运动捕捉和基于深度学习的HPE (Mediapipe).
- 分析了基于标记器和HPE系统之间的CKC和动力学协议.
主要成果:
- 通过基于标记器和HPE动力学在任务和环境中成功检测到CKC.
- 对大多数关节来说,HPE衍生的CKC与基于标记器的测量密切匹配.
- 在真实和VR条件之间发现了强大的可靠性和同等的连贯大小.
结论:
- 这项研究验证了一种非侵入性,便携式的EEG-HPE方法来评估皮质自身感知处理.
- 这种方法可以进行生态有效的CKC测量.
- 该方法具有更广泛的临床和康复应用的潜力.
