论文周报 | 第9期
更多脑机干货第一时间送达
第9期
论文周报
运动想象训练系统中上肢运动脑电测量的比较
Background
基于脑电图(EEG)的脑机接口最有前途的应用之一是中风康复。作为一个独立的运动想象(motorimagery, MI)训练系统或作为康复机器人系统的一部分，许多研究展示了使用它们来恢复中风患者的运动控制的好处。手部动作被广泛地选为MI任务。虽然分析起来可能更具挑战性，但对于运动想象任务，也应考虑腕部和前臂运动（例如腕部弯曲/伸展和前臂内旋/俯仰），因为这些运动是常规中风康复患者主要锻炼的一部分。本文将评估这种运动对MI任务的有效性。
Methods
选择两只手和腕部运动任务，分别为手的张开/闭合、手腕的屈/伸、前臂的旋前/旋后3项任务。11名受试者参与了实验。所有参与者都完成了手的开闭任务。10名受试者完成了两组MI任务，分别是手的张开/闭合和手腕的弯曲/伸展。五名受试者完成了所有三个MI任务。每项MI任务包括8个会话，时间跨度为4周。实验中，采用基于公共空间模式(CSP)的特征提取算法。实现了两种类型，一种是传统的CSP(称为WB)，另一种是通过将脑电图数据过滤到5个频带(称为FB)来实现更多的特征。采用线性判别分析(LDA)和支持向量机(SVM)进行分类。
下图为3项MI任务，M1是手的张开/关闭任务，M2是前臂的旋前/旋后任务，M3为腕部屈伸任务。
脑电数据分析过程如下图所示，它提供了两种类型的分类。 第一种类型是同一任务的左手和右手分类。 第二种是对每个MI任务进行分类。根据该图，M1是手的开/关任务。腕部屈伸被称为M2，前臂前旋/旋前被称为M3。
如下显示屏显示，
a, b：手打开/关闭任务的屏幕；
c, d：前臂旋前/旋前任务的屏幕；
e, f：腕部屈伸任务的屏幕。
Results
对脑电图数据进行八重交叉验证。LDA和SVM的分类精度相当。与WB相比，FB显著提高了分类精度。在所有受试者中，腕部屈伸任务的分类准确度均高于手开/闭任务的分类准确度。在大多数受试者中，对前臂旋前/旋后任务进行分类比对手开/关任务进行分类的准确性更高。在考虑所有MI任务的单独实验阶段时，9名受试者的分类准确率有显著提高。将手的开闭任务和腕部屈伸任务进行分类，其结果与手的开闭任务和前臂旋前旋任务的结果相一致。
下图为不同方法在手的开/关任务的分类精度比较。从图中可以发现FB-LDA和FB-SVM在手的张开与关闭任务中的分类精度要好于WB-LDA和WB-SVM。
下图为不同方法在腕部屈伸任务的分类精度。从图中可以发现FB-LDA和FB-SVM在腕部屈伸任务中的分类精度要好于WB-LDA和WB-SVM。
下图为不同方法在前臂旋前/旋前任务的分类准确性，从图中可以发现FB-LDA和FB-SVM在前臂旋前/旋前任务中的分类精度要好于WB-LDA和WB-SVM
由上面结果图中可以看出，LDA和SVM的分类精度相当，与WB相比，FB显著提高了分类精度。
Conclusion
三项MI任务的高分类准确率为基于脑电图的中风康复系统进行这些动作提供了可能性。由于LDA和SVM的准确率差异不具有统计学意义，所以LDA和SVM都可以作为分类器。与WB相比，明显更高的分类精度使FB更适合对MI任务进行分类。在这个实验中，更多的训练可能会导致更高的准确性。
更多阅读