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

北京理工大学研究团队首次研究了基于脑电信号的单手和双手协同运动方向的神经表征和解码。被试佩戴由博睿康自主研发的基于NeuSen W32脑电系统的信号采集设备，在经典center-out实验范式的基础上完成包括单手运动以及双手协同运动在内的六组不同方向的手部运动。在共平均参考、基线修正、带通滤波、伪迹子空间重构等信号处理基础上，论文绘制了与感知运动区域相关的运动相关皮层电位作为神经表征，对比了采用不同特征及不用分类器的单双手运动方向解码效果对比，并给出了生理学解释。

从脑电信号中解码人体运动参数对人机协作、人体康复和辅助具有重要理论和应用价值。过去基于非侵入式神经信号的手部运动方向解码研究主要集中在保持另一只手静止的情况下从脑电信号中解码单手运动方向。然而，在实际中，双手的协同运动很常见。故而关于基于脑电信号的双手协同运动方向的神经表征和解码的研究也非常的重要。
近日，北京理工大学机械与车辆学院毕路拯教授团队联合新加坡南洋理工大学Cuntai Guan教授在基于非侵入式神经信号的双手运动解码上取得重要进展。该项研究成果以《Decoding Single-Hand and Both-Hand MovementDirections from Noninvasive Neural Signals》为题，发表在生物医学工程领域旗舰期刊《IEEE Transactions on Biomedical Engineering》。其中论文第一作者是该团队的王佳蓉博士研究生，毕路拯教授为通讯作者。

研究人员对单手以及双手运动进行了相关研究，研究发现单手运动与双手运动在Cz通道上的运动相关皮层电位负最大偏移量有显著差异。研究人员并给出了基于力矩大小的生物生理学的解释。关于左/右手运动的神经活动对侧性也被观测到。下图为单手以及双手协同运动实验范式
图1 单手以及双手协同运动实验范式
图2 不同手部运动的运动相关皮层电位展示
图3 单手以及双手运动相关皮层电位在不同通道上的对比
此外，作者还研究了单手以及双手运动方向解码的随时间变化结果，如图4所示，实现了2个单手和4个双手协同运动方向的6分类神经解码。 六分类混淆矩阵结果对比如图表1所示。随着分类窗的滑动，解码效果在准备阶段保持平稳，并在包含真实运动信息后逐渐提升，在开始运动提示的1.0 s之后，模型识别准确率达到了70.29%±10.85%。
图4 单手及双手运动随时间变化解码效果表1 六分类混淆矩阵结果对比
不同方向组合之间的二分类结果也被计算出来，用以展示不用手部运动方向之间分类效果差异，如下表所示。
表2 不同运动方向组合二分类结果对比
研究人员以24通道脑电图信号的电位和低频功率和作为解码特征。实验中采用线性判别分析(LDA)和支持向量机(SVM)作为分类器。研究表明，利用低频脑电信号识别单手和双手运动方向是可行的。神经信号以MRCPs的形式给出。在双手运动条件下，观察到较大的负偏移幅值。以脑电势为特征，采用SVM分类器进行六类分类，译码精度峰值为70.29%。
研究人员表示，该研究为今后开发基于脑电信号的主动式人机协作、人体康复和人体辅助系统奠定了理论和技术基础，并为从脑电信号中解码手部运动参数开辟了新的研究方向，对于运动脑机接口有重要贡献。

通讯作者简介 

毕路拯博士：

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，曾在美国University of Michigan, Ann Arbor和新加坡南洋理工大学作过访问学者。毕教授是IEEE高级会员、担任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 20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(排二)。第一发明人获授权国家发明专利11项。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)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(1次)和优秀硕士论文指导教师称号(3次)。获北京理工大学首届“长寿秀伶”奖教金。

文章仅用于学术交流，不用于商业行为，

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

你的每一次在看，我都很在意！