宏观 EEG 揭示计划抓取视运动任务中的判别性低频振荡
信号处理
2025-10-23 v1 机器人学
摘要
基于视觉的抓取脑网络将视觉感知与认知和运动过程整合，用于视运动任务。虽然侵入性记录成功解码了与抓取类型规划和执行相关的局部神经活动，但利用非侵入性脑电图(EEG)捕获的宏观神经激活模式仍鲜有了解。我们引入一种新颖的视觉抓取平台，探究利用 EEG 神经成像研究抓取类型特异性(精准抓取、力学抓取、无抓取)神经活动。该平台在自然istic视运动任务中将抓取特定的规划与其相关的执行阶段隔离开来，设计了滤波组合常域模式(FBCSP)技术，用于提取每个阶段中判别性的频率特征。支持向量机(SVM)分类分别用于每个阶段的二分类(精准抓取 vs. 力学抓取、抓取 vs. 无抓取)和多分类(精准抓取 vs. 力学抓取 vs. 无抓取)，并与传统运动相关皮层电位(MRCP)方法进行比较。低频振荡(0.5-8 Hz)携带规划阶段建立的抓取相关信息，并在整个执行期间保持稳定，精准抓取与力学抓取的判别性能在两个阶段均为 75.3-77.8%，而使用 MRCP 方法仅为 61.1%。高频活动(12-40 Hz)呈现出阶段依赖性结果，抓取 vs. 无抓取分类准确率达 93.3%，但精准抓取 vs. 力学抓取的分类准确率仅为 61.2%。基于 SVM 系数的特征重要性分析识别了规划阶段前额-顶叶网络中判别性特征以及执行阶段运动网络中的判别性特征。这一工作证明了低频振荡在利用非侵入性 EEG 解码规划阶段抓取类型的作用。
引用
@article{arxiv.2510.19057,
title = {Macroscopic EEG Reveals Discriminative Low-Frequency Oscillations in Plan-to-Grasp Visuomotor Tasks},
author = {Anna Cetera and Sima Ghafoori and Ali Rabiee and Mohammad Hassan Farhadi and Yalda Shahriari and Reza Abiri},
journal= {arXiv preprint arXiv:2510.19057},
year = {2025}
}
备注
12 pages, 8 figures, 1 table