传统 EEG 与三极 EEG 用于高性能伸手抓握 BCI 系统的比较研究

本研究旨在通过比较三极脑电图（tEEG）与传统脑电图（EEG）的有效性，增强针对运动障碍人士的 BCI 应用。重点在于解释和解码各种抓握动作，如强力抓握和精细抓握。目标是确定哪种 EEG 技术在处理和转换抓握相关神经信号方面更有效。该方法涉及对十名健康参与者进行实验，他们执行两种不同的抓握动作：强力抓握和精细抓握，并以无运动条件作为基线。我们的研究全面比较了 EEG 和 tEEG 在解码抓握动作方面的表现。这种比较涵盖了几个关键参数，包括信噪比（SNR）、通过功能连接的空间分辨率、事件相关电位（ERPs）和小波时频分析。此外，我们的研究还涉及从小波系数中提取和分析统计特征，并采用了二分类和多分类方法。使用了四种机器学习算法来评估解码准确率。我们的结果表明，tEEG 在各个方面均表现出优于传统 EEG 的性能。这包括更高的信噪比、增强的空间分辨率，以及在 ERPs 和小波时频分析中提供更丰富的数据。使用 tEEG 显著提高了区分运动类型的解码准确率。具体而言，tEEG 在二分类中达到了约 90% 的准确率，在多分类中达到了 75.97%。这些结果明显优于标准 EEG，后者在类似任务中的最高准确率分别为 77.85% 和 61.27%。这些发现突出了 tEEG 在解码抓握类型方面优于 EEG 的有效性，以及在复杂分类中与现有研究相比具有竞争力或更优越的性能。