北理工团队在基于非侵入式神经信号的连续运动解码方面取得新进展

Original 社区创作者脑机接口社区 2023-05-13

近日，北京理工大学机械与车辆学院毕路拯教授团队联合华为2012实验室脑机接口团队在基于非侵入式神经信号的连续运动解码方面取得新进展。研究成果以“EEG-Based Continuous Hand Movement Decoding using Improved Center-Out Paradigm”为题，被国际顶级期刊《IEEE Transactions on Neural Systems and Rehabilitation Engineering》录取。论文第一作者为其团队博士研究生王佳蓉。

为了推进脑机接口和脑控机器迈向真实的应用场景，北京理工大学毕路拯教授团队一直致力于自然场景下的脑机接口、脑机混合智能和脑机协同控制的理论、方法和应用研究。在脑机接口方面，该团队关于考虑注意状态的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》，参考《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》，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》，参考《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》，关于不同注意力状态下运动意图的鲁棒神经解码研究曾发表于生物医学工程领域旗舰期刊《IEEE Transactions on Biomedical Engineering》，参考《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》，该论文也获得2022世界机器人大赛-BCI脑控机器人大赛一青年论文比赛一等奖（唯一）。在脑机协同控制方面，该团队所创建的脑机协同控制框架以及在脑空智能车辆上的应用研究曾发表于国际顶级期刊《IEEE Transactions on Intelligent Transportation Systems》，参考《北理工研究团队在脑机协同控制技术与脑控智能车辆方面取得重要进展》，所提出的基于鲁棒非线性模型预测的脑机协同控制方法以及在脑控移动机器人上的应用研究曾发表于国际顶级期刊《IEEE Transactions on Cybernetics》，参考《北理工研究团队在脑-控移动机器人上取得重要进展》。此外，该团队首创的脑控多域多任务机器人系统还曾作为脑机接口领域创新成果在2022年世界机器人大赛现场进行展示，参考《北理工智能人机系统团队研发“脑控”机器人应用于城市反恐防暴--2022世界机器人大赛》。

DOI (identifier) 10.1109/TNSRE.2022.3211276

研究背景及主要内容

基于脑电图(EEG)信号的人体运动意图的连续运动解码，而不仅仅是离散的运动分类，对于开发更自然的运动增强或辅助系统，具有重要的价值。经典的center-out范式被广泛用于研究离散和连续的手部运动参数解码。然而，在研究连续运动解码时，经典的center-out范式需要被进行改进，以提高其解码性能，特别是泛化性能。即，在经典的center-out范式中，每次试验中的手部运动要么沿着x轴方向，要么沿着y轴方向。在这种情况下，每个点对点运动的投影分量大多集中在一个轴上，而在另一个轴上接近于零。实际上，要解码运动参数，必须建立运动参数(因变量)与EEG信号(自变量)之间的回归模型。然而，对于经典的center-out范式，与X轴上的两个方向(左方向和右方向)相关联的试验不会生成解码/的训练数据。同样，Y轴上的试验不会生成解码/的训练数据。这意味着只有一半的试验会最终有助于建立每个运动学参数解码模型。此外，为了保证解码模型在整个二维平面上的泛化能力，需要提供更一般的场景(即/和/都不等于零)。在本文中，我们首先讨论了经典的center-out范式在探索手部运动的连续解码时的局限性。在此基础上，我们提出了一种改进的手部运动范式。此外，我们还开发了一种自适应解码器-集成框架，用于连续的运动学参数解码。

图1实验范式

研究结果

研究结果发现，在运动开始点和physical-effort等方面，神经活动和行为分析之间存在神经一致性。结果表明，本论文所提出的改进范式具有physical-effort水平较低的优势。此外，基于本论文提出的改进的范式和集成解码框架，以预测和真实的运动运动学参数之间的Pearson相关系数作为性能标准，矢量运动学参数和标量运动学参数的解码性能分别提高了约75%和约10%。此外，矢量运动学参数的泛化性能显著提高了约20%。

图2 行为分析

图3 两种范式下的源分析结果对比

图4 两种范式下连续运动解码的泛化性能对比

图5 模型性能对比

研究贡献及前景

本研究显示了改进的范式在基于脑电信号的连续手部运动解码方面的优势。它可以促进非侵入式运动脑机接口在康复、日常辅助和人体增强等领域的应用。

团队与作者简介

北京理工大学智能人机系统团队隶属于北京理工大学机械与车辆学院机电系统与装备研究所。团队由4名教师和30余名博士后、博士和硕士研究生组成，负责人为毕路拯教授。团队主要研究方向包括脑机接口与脑控智能机器、多机器人协同与多模态智能感知、无人机探测技术、以及人机智能交互与智能辅助驾驶。近几年，团队主持省部级以上项目10余项。团队在国际权威期刊IEEE TCYB, TBME, TITS, TSMCS, TNSRE和THMS等发表论文100余篇（含IEEE Trans 25篇）。获授权国家发明专利25项。获教育部自然科学奖二等奖1项，中国电子学会科技进步二等奖1项。获得2022年世界机器人大会-BCI脑控机器人大赛-青年论文比赛一等奖（唯一）。获首届“京彩大创”北京大学生创新创业总决赛季军、一等奖和第八届中国国际“互联网+”大学生创新创业大赛北京赛区一等奖。

毕路拯教授简介

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。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、中国仿真学会智能优化与调度专业委员会委员、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。

论文信息：

EEG-Based Continuous Hand Movement Decoding using Improved Center-Out Paradigm

DOI (identifier) 10.1109/TNSRE.2022.3211276

仅用于学术交流，若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

将同构迁移学习应用于脑机接口，

解决训练数据不足的问题

用于恢复言语以及帮助治疗抑郁症的脑机接口设想

Transformers 如何模仿大脑的某些部分

当你在梦乡里，大脑是如何唤醒你的？

帮助大脑患病患者生活的脑机接口解决方案

瘫痪患者借助脑机接口可进行数字绘画