前运动阶段的脑电图帮助脑机接口识别运动意图
前运动阶段的脑电图帮助脑机接口识别运动意图
背景与研究目的
脑机接口(Brain-Computer Interface, BCI)是一项通过神经信号直接翻译人类意图以控制设备的技术，具有广泛的应用前景[1]。脑机接口有可能改变日常生活、娱乐、通信、康复以及教育等多个领域。然而，现阶段基于运动意图的脑机接口存在一些挑战，特别是前运动阶段的脑电图（EEG）特征不明显且容易受注意力影响，这制约了运动BCI性能的提升。
基于上述背景，河北工业大学健康科学与生物医学工程学院、可靠性与智能化电气设备国家重点实验室和天津生物电磁技术与智能健康重点实验室的Yuxin Zhang、Mengfan Li、Haili Wang、Mingyu Zhang和Guizhi Xu（通讯作者）针对如何在前运动编码时加入准备状态，并验证其在提高运动意图检测中的可行性展开研究。他们的研究成果近日发表在Journal XX。
研究方法与实验流程
该研究设计了两个按钮任务，诱导被试在视觉引导下进入两个运动意图（左或右）的准备状态。实验使用了14名参与者（3名女性和11名男性，右手优势，年龄在23至28岁之间）。实验流程包括两个子实验：自发前运动和准备前运动。
实验设计与数据采集
- 自发前运动实验：参与者在3秒放松时间后，自由选择在10秒内任何时间点按压键盘按钮。每次按键后有2秒休息时间，总共进行了60次左手指按键和60次右手指按键。
- 准备前运动实验：3秒放松后，屏幕上出现向左或向右的箭头，引导被试接下来的运动方向。箭头显示1秒后转换成进度条，持续2秒到达100%后，被试按键并进入2秒休息，总共进行了120次试验（60次左手和60次右手）。
各实验在安静环境下进行，EEG信号通过64电极便携式无线EEG放大器记录，并采用多种信号处理技术（如独立成分分析和常见均值参考）去除伪影和噪声。
特征提取与分类
实验中对低频运动相关皮层电位（MRCPs）和高频事件相关去同步化（ERD）的EEG数据进行提取，并采用任务相关空间模式（TR-CSP）和常见空间模式（CSP）算法融合不同特征进行分类分析。研究还对比了不同前运动条件下的时域、频域以及分类准确性的差异。
主要研究结果
MRCPs特征
研究发现，准备前运动在对侧和同侧运动皮层均引起了更低的幅度和更早的潜伏期。对侧主导现象明显，尤其是在不同任务诱发的MRCPs波形显示低频情况下，左脑和右脑区域的激活水平有显著差异。
ERD特征
在频域上，准备前运动诱发的ERD值更低，且在按键后快速恢复基线水平。Alpha和Beta频带的时频曲线显示，准备前运动能更快地恢复至基线水平，体现出更明显的ERD特征。
分类性能
通过融合特征分类方法，研究发现准备前运动条件下的分类准确性提升至83.59%，相比自发前运动条件的78.92%有显著提高（p<0.05）。同时，实验中的标准差也从0.95降低至0.68表明上述方法在不同被试间的适用性更广泛且稳定性更高。
研究结论与意义
该研究通过引入准备状态到前运动编码，并对比传统自发前运动，验证了新编码范式能显著增强前运动的神经表征。该方法不仅提高了运动BCI的检测性能，还能够扩展可解码的运动意图范围，具有重要的应用价值。
研究亮点
- 创新的编码范式：通过引入准备状态，明显提升了前运动的神经表征，这为改进脑机接口的准确性提供了新的思路。
- 跨被试的稳定性：该范式在多个被试间表现出更高的稳定性和适用性，为解决BCI不稳定问题带来了新的解决方案。
- 应用价值：研究结果表明，新范式不仅适用于康复领域，还具备拓展运动BCI应用范围的潜力。
通过此次研究，我们看到，加入准备状态的前运动编码范式不仅能提升分类准确性和稳定性，还为BCI应用提供了新的可能性，具有广泛的科学意义和实际应用价值。