天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法...

本文主要是介绍天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法...,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

c3f5a1a1d01f15808e28f03c3c7a6e02.png

脑机接口 (BCI) 作为大脑和周边环境之间的直接通信途径,能够通过学习控制帮助运动障碍患者恢复运动功能,其中基于BCI的长期运动训练会使大脑和肌肉之间的功能耦合会发生什么变化一直是人们感兴趣的问题。最近,天津大学医学工程与转化医学研究院明东教授及陈龙副教授带领其团队,开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法,成果发表在《IEEE Transactions on Human-Machine Systems》期刊上。根据20名受试的脑电图(EEG)和肌电图(EMG)数据探索神经生理反应和EEG-EMG耦合关系,证明了结合EEG和EMG模式评估和建立一个基于BCI的运动训练方法的可行性,也为皮质肌肉和运动康复的功能耦合机制提供了有力的证据。

a47159e2b496adf1fd626a8cab7592e2.png

图1 实验设计;在实验过程中,受试舒适地坐在距离24英寸LCD屏幕约75~90厘米的椅子上,采用64通道脑电帽采集15个通道的EEG信号,在手臂放置电极采集EMG信号。

7c2e026cbe530fc77523721f1cfaa99c.png

图2整个实验的实验范式;分别在实验第1天、第7天和第14天进行初始训练任务、中期任务和训练后任务,共3次单手抓握的运动执行(ME)/运动想象(MI)任务,同时记录此时的EEG和EMG信号。每次任务之间有一个星期的训练,训练过程中,实验组接受神经反馈训练而对照组不接受反馈训练,视觉反馈信号即任务完成后界面箭头的长度根据脑电图特征(lrERD)改变。

结果分析

下图为实验组和对照组的平均脑电MI时频特征响应;C3和C4是MI和单侧分析的关键通道。运动训练2周后,实验组和对照组MI 事件相关功率谱变动(ERSPs)均呈现一致的时间增强趋势,其中运动训练显著改善了实验组典型波段的去同步(ERD)现象,然而,对照组该现象变化不明显,只是随着运动训练时间的增加略有改善,其中时频响应,尤其是右臂MI的时频响应几乎没有变化。

a5ed7cfe865e6d7f74fa9412981f620e.png

图3

b30daeee8affffc49f6c9a33e7024039.png

图4 左侧和右侧手运动想象任务(LH-MI、RH-MI)典型频段绝对ERD功率空间拓扑图,可以看出,在空间拓扑功率方面,ERD功率的绝对分布表现出明显的横向现象,且感觉运动皮层区域的差异更明显,并存在单侧优势,且BCI的分类精度随着神经反馈训练的重复而增加。

6df902fd7f82a43bdffe378df9f08996.png

图5 所有受试者的EEG和EMG信号对应分量之间的平均传递熵结果。

在LH-ME和RH-ME任务中,平均传递熵(TE)结果显示EEG-EMG的高频成分(gamma波)熵较高,且随着频率的降低而降低;不同方向的TE值也不同,各个分量的结果也表明从EEG到EMG的TE水平高于相反方向的TE水平,这说明了神经反馈对辅助肌肉运动功能的显著效果,但具体分量在受试之间存在差异。

该研究揭示了训练时间对训练效果的重要性,设计了一种多感觉通路诱导的神经反馈训练方法,可以有效提高MI模式水平和分类精度,更重要的,该实验还揭示了多种生理信号的变化以及多特征信息(EEG-EMG)的耦合机制,基于该机制,建立了一个具有综合训练/评估功能的“脑-机-肌-脑”运动康复系统,未来该系统应用于患者将更具有临床说服力,另外,对高级心理认知、运动学习和记忆相关BCI系统也有相当的参考价值。

参考文献:

Z. Wang et al., "Incorporating EEG and EMG Patterns to Evaluate BCI-Based Long-Term Motor Training," in IEEE Transactions on Human-Machine Systems, doi: 10.1109/THMS.2022.3168425.

https://ieeexplore.ieee.org/document/9766020


仅用于学术交流,不用于商业行为,若有侵权及疑问,请后台留言,管理员即时删侵!

更多阅读

北理工团队在不同注意力状态下肢体运动意图

的鲁棒神经解码方面取得重要研究进展

用于获取人体生理特征的皮肤友好型电子设备

EEG-fNIRS跨模态迁移学习优化BCI系统分类精度

Nature:科学家首次利用深度学习量化人类意识

观点|脑机接口,未来的投资热点

脑机 | NexStem 宣布推出 BCI 耳机和软件

军科院医学研究院神经工程与脑科学研究团队2022年招聘启事

脑-机交互运动训练的神经反馈方法及康复应用

脑机接口如何改变未来?

   加入社群  

欢迎加入脑机接口社区交流群,

探讨脑机接口领域话题,实时跟踪脑机接口前沿。

加微信群:

添加微信:RoseBCI【备注:姓名+行业/专业】。

加QQ群:104048131

  欢迎来稿  

1.欢迎来稿。投稿咨询,请联系微信:RoseBCI

2.加入社区成为兼职创作者,请联系微信:RoseBCI

76a6a549a7afde3caee514118a33d642.png

1b6c39d210bd288c17e40a87653091ef.jpeg

753f242307c19d1ce2a848e7dd61e082.jpeg

92a2cd1ae9cab389a903451524bd51e1.jpeg

助力脑机接口发展

edd9dd77267c175f99ee9c0a2d0d5a8b.png

09472023a536b34738c9910e85e302b5.png

58f576ee5227486b95fbc4b889370246.png


13f53472bba56a09507de12eba2e8581.png

6026e791cfe7cac9876fba52f6bd4560.png

点个在看祝你开心一整天!

这篇关于天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法...的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/819006

相关文章

Python结合PyWebView库打造跨平台桌面应用

《Python结合PyWebView库打造跨平台桌面应用》随着Web技术的发展,将HTML/CSS/JavaScript与Python结合构建桌面应用成为可能,本文将系统讲解如何使用PyWebView... 目录一、技术原理与优势分析1.1 架构原理1.2 核心优势二、开发环境搭建2.1 安装依赖2.2 验

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

使用Python开发一个带EPUB转换功能的Markdown编辑器

《使用Python开发一个带EPUB转换功能的Markdown编辑器》Markdown因其简单易用和强大的格式支持,成为了写作者、开发者及内容创作者的首选格式,本文将通过Python开发一个Markd... 目录应用概览代码结构与核心组件1. 初始化与布局 (__init__)2. 工具栏 (setup_t

SpringBoot应用中出现的Full GC问题的场景与解决

《SpringBoot应用中出现的FullGC问题的场景与解决》这篇文章主要为大家详细介绍了SpringBoot应用中出现的FullGC问题的场景与解决方法,文中的示例代码讲解详细,感兴趣的小伙伴可... 目录Full GC的原理与触发条件原理触发条件对Spring Boot应用的影响示例代码优化建议结论F

SpringBoot条件注解核心作用与使用场景详解

《SpringBoot条件注解核心作用与使用场景详解》SpringBoot的条件注解为开发者提供了强大的动态配置能力,理解其原理和适用场景是构建灵活、可扩展应用的关键,本文将系统梳理所有常用的条件注... 目录引言一、条件注解的核心机制二、SpringBoot内置条件注解详解1、@ConditionalOn

Spring Shell 命令行实现交互式Shell应用开发

《SpringShell命令行实现交互式Shell应用开发》本文主要介绍了SpringShell命令行实现交互式Shell应用开发,能够帮助开发者快速构建功能丰富的命令行应用程序,具有一定的参考价... 目录引言一、Spring Shell概述二、创建命令类三、命令参数处理四、命令分组与帮助系统五、自定义S

Python 迭代器和生成器概念及场景分析

《Python迭代器和生成器概念及场景分析》yield是Python中实现惰性计算和协程的核心工具,结合send()、throw()、close()等方法,能够构建高效、灵活的数据流和控制流模型,这... 目录迭代器的介绍自定义迭代器省略的迭代器生产器的介绍yield的普通用法yield的高级用法yidle

C++ Sort函数使用场景分析

《C++Sort函数使用场景分析》sort函数是algorithm库下的一个函数,sort函数是不稳定的,即大小相同的元素在排序后相对顺序可能发生改变,如果某些场景需要保持相同元素间的相对顺序,可使... 目录C++ Sort函数详解一、sort函数调用的两种方式二、sort函数使用场景三、sort函数排序

Spring Boot项目中结合MyBatis实现MySQL的自动主从切换功能

《SpringBoot项目中结合MyBatis实现MySQL的自动主从切换功能》:本文主要介绍SpringBoot项目中结合MyBatis实现MySQL的自动主从切换功能,本文分步骤给大家介绍的... 目录原理解析1. mysql主从复制(Master-Slave Replication)2. 读写分离3.

Python通过模块化开发优化代码的技巧分享

《Python通过模块化开发优化代码的技巧分享》模块化开发就是把代码拆成一个个“零件”,该封装封装,该拆分拆分,下面小编就来和大家简单聊聊python如何用模块化开发进行代码优化吧... 目录什么是模块化开发如何拆分代码改进版:拆分成模块让模块更强大:使用 __init__.py你一定会遇到的问题模www.