多维手写运动的皮质表示和对神经假体的影响
Zebin Wang1,2,3, Guangxiang Xu1,2,3, Bowen Yu1,2,3
1The State Key Lab of Brain-Machine Intelligence, Zhejiang University, Hangzhou, China.
Nature communications
|March 15, 2026
概括
用于手写的脑电脑接口 (BCI) 正在为的人提供更好的沟通方式. 新的研究表明,多维运动特征,而不仅仅是2D速度,对于解码神经信号和提高BCI性能至关重要.
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
- 康复技术 康复技术 康复技术
背景情况:
- 手写脑电脑接口 (BCI) 为患者提供高性能脑到文本通信.
- 手写运动的精确神经表现,包括笔笔和笔举动,尚未完全理解.
- 现有的BCI通常仅依赖于二维 (2D) 动态数据,这可能无法完全捕捉手写的复杂性.
研究的目的:
- 研究手写运动的详细参数及其皮质表示.
- 确定是否结合2D速度之外的多维手写特征可以提高神经信号解释性和BCI解码性能.
主要方法:
- 在手写任务中记录了的个体的皮层内神经活动.
- 从健康受试者获取多维手写数据,包括3D速度,握力,写作压力和电肌图 (EMG) 信号.
- 通过2D和多维特征集分析神经表征和解码性能.
主要成果:
- 对于冲动和笔举动,观察到明显的神经表征,仅仅通过二维速度无法完全解释.
- 结合多维特征 (3D速度,握力,压力,EMG) 显著提高了神经信号的解释性.
- 利用这些额外的维度导致了BCI中手写解码性能的提高.
结论:
- 运动皮层编码手写作为一个复杂的,多维的运动.
- 多维特征对于准确解释与手写有关的神经信号至关重要.
- 整合这些多维特征对于提高手写BCI用于辅助通信的性能至关重要.
