一个神经生理学分层框架,用于中级运动图像-BCI用户基于独立事件相关的大脑动力学
Xu Duan1, Songyun Xie2, Yujie Cui1
1Key Laboratory for Artificial Intelligence and Cognitive Neuroscience of Language, Xi'an International Studies University, Xi'an 710128, China.
Brain sciences
|February 27, 2026
概括
这项研究引入了一种新方法来分类运动图像大脑-计算机接口 (MI-BCI) 用户,识别不同的群体,包括那些单边熟练的人. 这种分层可以帮助为更好的BCI控制量身定制培训.
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
- 人与计算机的交互
背景情况:
- 基于运动图像的脑电脑接口 (MI-BCI) 为运动障碍的人提供通信.
- 许多用户表现中等性能,未能实现可靠的控制,尽管准确度超出了机会.
- 中级用户的不对称运动图像能力需要改进早期评估和培训.
研究的目的:
- 开发一种精细的方法来对基于运动图像的脑计算机接口 (MI-BCI) 的用户进行分层.
- 识别"好"和"差"表现者之外的不同用户群体,特别是那些单方面MI熟练的人.
- 为MI-BCI用户提供个性化培训协议的设计提供信息.
主要方法:
- 使用独立组件分析 (ICA) 来从EEG数据中提取与事件相关的脱同步/同步 (ERD/ERS) 组件.
- 一个基于规则的自动化框架集成了双极定位,ERD/ERS特征和频段功率特征.
- 为了准确的ERD估计,应用了功率光谱参数化和统计方法,然后对参与者进行分类.
主要成果:
- 参与者被分为四组:表现好 (24.8%),表现差 (35.8%),左手精通/右手差 (LgoodRpoor, 27.5%),左手差/右手精通 (LpoorRgood, 11.9%).
- 单边执行者在对应担保ERD中没有显著差异.
- 在单边执行者中观察到双边ERS的实质差异.
结论:
- 独立的与事件相关的大脑动态模型提供了更细致的MI-BCI用户分层.
- 基于单方面运动图像熟练程度来描述用户至关重要.
- 研究结果支持开发针对个体用户能力的分级培训协议,特别是针对具有不对称能力的用户.


