基于抓取与抬举任务中运动前EEG的受试者无关轨迹预测
信号处理
2024-06-19 v2
摘要
脑机接口(BCI)系统可用于从头皮脑激活中解码运动学以控制康复或助力增强装置。本研究利用头皮脑电图(EEG)信号在三维(3D)空间中对抓取与抬举任务进行手部运动学解码。本研究使用了公开数据库WAY-EEG-GAL中的十二名受试者。特别地，提出了基于多层感知机(MLP)和卷积神经网络-长短期记忆(CNN-LSTM)的深度学习框架，利用编码于运动前EEG数据中的运动神经信息。分析了在七个频段滤波的EEG数据用于手部运动学解码的频谱特征。表现最佳的频段频谱特征被考虑用于不同EEG窗口大小和滞后窗口的进一步分析。距运动起始的适当滞后窗口使该方法在真正意义上成为运动前解码。此外，使用留一受试者交叉(LOSO)方法进行了受试者间手部轨迹解码分析。以皮尔逊相关系数和手部轨迹作为评估神经解码器解码性能的度量。本研究探索了仅使用抓取与抬举任务中EEG信号进行受试者间3D手部轨迹解码的可行性，这可能是首次。该结果可为使用运动前EEG信号解码3D手部运动学以提供可行信息，用于外骨骼/外衣和假肢等实际BCI应用。
引用
@article{arxiv.2209.01932,
title = {Subject-independent trajectory prediction using pre-movement EEG during grasp and lift task},
author = {Anant Jain and Lalan Kumar},
journal= {arXiv preprint arXiv:2209.01932},
year = {2024}
}