北理工团队在推动运动意图神经解码走向真实应用场景方面取得研究进展

北京理工大学毕路拯教授团队在《IEEE Transaction》发表论文,提出注意力状态下的上肢运动意图分层解码模型,提升运动意图识别准确率。研究揭示注意力对解码的影响并提供解决方案,对脑机接口有重要贡献。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

049027432dc19591ab26a190172f9d47.gif

329039efde8dd05e81dd59480121b6ab.png

近日,北京理工大学机械与车辆学院毕路拯教授团队在基于非侵入式神经信号的运动意图解码方面取得重要研究进展。研究成果以“Hierarchical Decoding Model of Upper LimbMovement Intention from EEG Signals Based on Attention State Estimation”为题,被国际顶级期刊《IEEE Transactions on Neural Systems and Rehabilitation Engineering》接收。论文作者包括毕路拯教授、硕士研究生夏胜超和博士研究生费炜杰。毕路拯教授团队致力于探索上肢运动意图的神经解码,其团队关于单手和双手协同运动的神经解码成果曾发表于生物医学工程领域旗舰期刊《IEEE Transactions on Biomedical Engineering》等,本次研究成果为该团队在上肢运动意图神经解析方向的又一重要进展。(查看该论文:如何对单手和双手协同运动方向进行神经表征和解码?北理工研究团队给出了相关方案

【研究背景及主要内容】 从脑电信号解码人体上肢的运动意图具有重要的实用价值。而现有的解码模型都是在被试注意力集中状态下执行运动任务建立的。在实际的应用中,人们常常受到其他任务或者环境因素的干扰而导致分心。因此研究注意力状态是否会影响解码性能以及如何解决在不同注意力状态下运动意图的神经解码就非常重要。针对这一问题,本文提出了一种基于注意状态估计的上肢脑电信号分层解码模型。所提出的解码模型包括两个部分。首先,注意状态检测(ASD)模块判断上肢运动时的注意状态。接下来,运动意图识别(MIR)模块使用分别在集中和分心状态下建立的模型对运动意图进行解码。实验结果表明,所提出的分层解码模型在集中状态和分心状态下都有良好的解码性能。此工作可促进人体运动意图神经解码的应用,并为脑机接口的研究提供新的思路。

aa841a9b915f88b4dae2e5c1cec4825d.png

(a)

6e69b101301b3858cdf8fd9412429e8a.png

(b)

图1实验范式

【研究结果】研究发现,注意力集中与分心状态下运动在Cz、C3、C4通道上的运动相关皮层电位负最大偏移量和回弹率有显著差异。

711314953798f7532bcf56dc87b641c3.png

7e46392ea6e0e66494bcdb7fef009ee9.png

d279b771f332f0dffbe3ccf0cde5e098.png

图2 注意力集中与分心状态下运动相关皮层电位在不同通道上的对比

此外,解码效果表明,注意力对运动意图的解析会产生干扰。

fe6df1fa67cec4daf0e1c0f400d417ee.png

图3 注意力分散对运动意图解码的影响

为了验证上述结果并非是受到大脑信号非平稳状态影响而产生的结果,因此作者对实验开始前3s的静息状态进行分析,如图4结果表明脑电信号非平稳性这一混淆因素对实验的影响效果并不显著,实验范式设计合理。

f6fd3fcb80cce8e488ea219246adbb1d.png

图4 实验前3s静息状态结果分析

表1展示了该分层解码系统的ASD模块对运动过程中注意力集中状态的识别结果。

983ed53246bd7d44106a9610fc2a5563.png

表1 ASD解码效果

表2展示了该分层解码系统的MIR模块对运动意图的识别结果。

add2039a65bdb94daac18f31190db03c.png

7c13915d8f4f2258d31ba529f97eb67d.png

表2 MIR解码效果

作者将本系统的解码效果在两种注意力状态下和之前的研究结果相比较,实验结果表明使用本系统可以有效提升解码效果。平均结果来看,本文提出的方法在运动意图识别的准确率为75.99%±5.31%,传统方法的识别准确率为69.97%±5.32%。

39daa406525ee8d138d922f1eb975465.png

图5 不同注意力状态下本研究方法与传统方法比较

【研究贡献及前景】该研究有助于从脑电信号中进行人体运动意图解码(包括速度、位置等其他运动学参数)的研究和发展。进一步促进人体动作意图解码在改善上肢受损患者康复和辅助中的应用,对于运动脑机接口有中重要贡献。

作者简介 

毕路拯博士:

现为北京理工大学机械与车辆学院教授、博士生导师、机电系统与装备研究所所长。他先后在美国University of Michigan, Ann Arbor和新加坡南洋理工大学作过访问学者。他是IEEE高级会员、担任复杂系统建模与仿真(英文版)、IEEE/ASME AIM, ACC, ASME DSCC等的编委,国家自然基金、教育部博士后基金以及浙江省自然基金等的评审专家,世界机器人大赛-BCI脑控机器人专家组成员。

毕教授以第一或通讯作者在包括国际著名期刊IEEE TITS、IEEE TCYB、IEEE TBME、IEEE TNSRE、IEEE TSMC和IEEE THMS等发表论文80余篇(含IEEE Trans 21篇)。以第一著者出版学术专著一部。获教育部自然科学二等奖。第一发明人获授权国家发明专利16项。近10年,主持国家自然基金面上项目(3项)、国家自然基金青年基金、中央军委科技委前沿科技创新项目、国家自然基金重点项目(子课题)、北京市自然基金面上项目等。2016年被评选为北京理工大学首届十佳导师。获北京理工大学优秀博士论文指导教师和优秀硕士论文指导教师称号。获北京理工大学首届"长寿秀伶"奖教金。

821573c754f17328d37070515b3da034.png

不用于商业行为,转载请联系后台

若有侵权,请后台留言,管理员即时删侵!

00e63d3573259ec3944a0e8a0cf15618.png

更多阅读

超31亿! “脑科学与类脑研究”重大项目2021年度申报指南

采访深圳先进院李骁健:脑机接口全球竞赛,中国不落后

脑机接口拼写器是否真的安全?华中科技大学研究团队对此做了相关研究

蒲慕明、苏国辉院士等揭牌,广东再添脑科学中心!

利用脑电图(EEG)检测自闭症儿童大脑微状态的改变

利用深度学习(Keras)进行癫痫分类-Python案例

TensorFlow处理运动想象分类任务

重磅!浙江大学发布《重大领域交叉前沿方向2021》报告

9ebcd385d0f8ab94487c9619a7635171.png

1e297ecaf8cfe25615cbadb134a61d15.png

你的每一次在看,我都很在意!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

脑机接口社区

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值