攻壳智动,脑机接口

主要工作：

探索使用基于运动想象任务的脑电信号识别不同的运动意图，提高非侵入式脑机接口系统的控制自由度和复杂功能。

分析方法：

提出一种结合信号可追溯性和黎曼几何特征的方法，识别上肢的六种运动意图，包括手掌的握紧/张开，肘关节的屈伸，肩关节的外展/内收。首先，使用低分辨率脑电磁层析法从原始信号中分离出与任务相关的成分，并追溯到源头。然后，从重构的脑电信号的协方差矩阵中提取黎曼几何框架下的切向空间特征。最后，使用线性核函数的支持向量机进行模式识别。

结论：

在15名参与者的数据集上，该方法对六种分类的平均识别准确率为22.47%，并且在时间上的特征变化导致的分类准确率的平均方差为2.98%。结果表明，该方法显著提高了意图识别的准确性。

创新点：

这项研究的创新点在于提出了一种结合信号可追溯性和黎曼几何特征的方法，用于识别上肢的六种运动意图，包括手掌的握紧/张开，肘关节的屈伸，肩关节的外展/内收。该方法显著提高了意图识别的准确性，并为运动想象任务领域提供了有价值的见解。

研究意义：

该研究为运动想象任务领域提供了有价值的见解，并提供了一种高精度识别的新颖有效的方法。该方法有望为患有运动障碍和交流障碍的患者提供帮助，促进先进可靠的医疗辅助设备和应用的发展。

参考文献：

Zhang M, Huang J, Ni S. Recognition of motor intentions from EEGs of the same upper limb by signal traceability and Riemannian geometry features. Front Neurosci. 2023 Oct 30;17:1270785. doi: 10.3389/fnins.2023.1270785. PMCID: PMC10643198.