北理工团队在不同注意力状态下肢体运动意图的鲁棒神经解码方面取得重要研究进展
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不同注意力状态下上肢运动意图的鲁棒解码方面取得重要研究进展。研究成果以“Effects of Cognitive Distraction on Upper Limb Movement Decoding from EEG Signals”为题，被生物医学工程领域旗舰期刊《IEEE Transactions on Biomedical Engineering》录取。论文第一作者为其团队博士研究生费炜杰，毕路拯教授为通讯作者。为了更好地将运动脑机接口推广到真实的应用场景，毕路拯教授团队致力于探索自然场景下运动意图的鲁棒神经解码的基础理论和关键技术，其团队在该方向已经取得了一系列的重要研究成果。其团队关于考虑注意状态的上肢运动意图分层解码模型曾发表于国际顶级期刊《IEEE Transactions on Neural Systems and Rehabilitation Engineering》【可点击查看《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》】，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》【可点击查看《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》】等，本次研究成果为该团队在运动意图神经解码方向取得的又一重要进展。
从脑电信号解码人体手部运动意图对于上肢损伤患者的康复和辅助具有重要的价值。而现有的从脑电信号解码手部运动的研究很少考虑分心的影响。然而，在现实生活中，患者在使用手部运动解码系统时很可能会出现分心的情况。针对这一问题，该研究旨在研究认知分心对运动解码性能的影响。该研究首先提出了一种针对认知分心的面向手部运动方向识别的脑电信号鲁棒解码方法(RM-GNBC)，该方法通过黎曼流形提取具体仿射不变性的特征并使用高斯朴素贝叶斯分类器进行解码。然后，该研究在无认知分心和有认知分心的情况下，分别使用实验采集的脑电信号数据和仿真生成的脑电信号数据，比较三种解码方法(包括该研究提出的基于黎曼流形的高斯朴素贝叶斯方法（RM-GNBC）、切空间线性判别分析(TSLDA)和基线方法（W-PLV）)的解码性能。
图1实验范式
研究发现，在仿真条件下随着认知分心程度的提升，解码模型的性能随之下降，但是基于黎曼流形的方法相对于基线方法具有更好的鲁棒性，其性能的下降速度和幅度更低。
图2 仿真条件下解码模型性能随认知分心程度的提升变化情况对比
此外，作者通过实验结果验证了通过仿真获得的结论，该结果表明基于黎曼流形的方法(RM-GNBC和TSLDA)在没有和有认知分心的情况下解码精度更高，且在没有和有认知干扰的情况下解码精度的下降幅度小于基线方法。此外，RM-GNBC方法在没有认知分心和有认知分心情况下的准确率分别比TSLDA方法高6% (配对t检验，p=0.026)和5% (配对t检验，p=0.137)。该结果表明基于黎曼流形的方法对认知分心具有较高的鲁棒性。
图3 在无认知分心和有认知分心条件下三种解码模型的性能比较
图4 脑电信号源通道分析
表1 基线方法（W-PLV）在有认知分心和无认知分心条件下的解码性能
表2 切空间线性判别分析方法（TSLDA）在有认知分心和无认知分心条件下的解码性能
表3 基于黎曼流形的高斯朴素贝叶斯方法（RM-GNBC）在有认知分心和无认知分心条件下的解码性能
该研究有助于开发一种BCI来改善手残患者的康复和帮助，并为现实生活中的健康人开发积极的以人为中心的辅助系统。该研究可为未来基于脑电信号的主动人机协作系统的开发奠定基础，并为从脑电信号解码手部运动参数开辟新的研究方向。此外，该研究可以为认知分心对其他BCI范式的影响研究开辟一条道路。
毕路拯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。主要研究领域包括脑机接口与脑控智能机器、智能人机交互与控制、多模态智能感知、多机器人协同以及人的行为与认知建模。他先后在美国University of Michigan, AnnArbor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AE，Frontiers in Neurorobotics (SCI)客座AE。他是国家自然基金重点项目、装备发展部某重大项目、科技部科技创新-2030-“脑科学与类脑重大项目评审专家，工信部国防基础科研、军委科技委前沿创新项目、教育部博士后基金以及浙江省自然基金等的项目评审专家。担任中国计算机学会智能汽车分会专委会常委委员、中国仿真学会交通建模与仿真专业委员会委员、世界机器人大赛-BCI脑控机器人专家组成员。他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 TSMCS和IEEE THMS等发表论文近100篇（含IEEE Trans 24篇）。第一著者出版学术专著一部和研究生教材一部。获教育部自然科学二等奖（排二）和中国电子学会科技进步奖二等奖（排四）。第一发明人获授权国家发明专利24项。近10年，主持国家自然基金项目4项、军委科技委创新项目2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，华为技术有限公司横向课题等。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。
毕老师官网：
https://me.bit.edu.cn/szdw/jsml/zzgcx/jdxtyzbyjs/bssds16/b153019.htm
文章信息：
DOI (identifier) 10.1109/TBME.2022.3187085
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
加入社群
欢迎加入脑机接口社区交流群，
探讨脑机接口领域话题，实时跟踪脑机接口前沿。
加微信群：
添加微信:RoseBCI【备注：姓名+行业/专业】。
加QQ群：104048131
欢迎来稿
1.欢迎来稿。投稿咨询，请联系微信：RoseBCI
2.加入社区成为兼职创作者，请联系微信：RoseBCI
助力脑机接口发展
点个在看祝你开心一整天!