久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

腦-機(jī)接口（Brain-computer interface，BCI）系統(tǒng)是一個(gè)通過采集、分析大腦信號，并將其轉(zhuǎn)換為輸出指令，實(shí)現(xiàn)由大腦信號對外部設(shè)備直接控制的系統(tǒng)。BCI研究的重要目標(biāo)之一是為患有癱瘓或其他嚴(yán)重運(yùn)動功能障礙的病人，提供一種不需要通過外周神經(jīng)和肌肉便能實(shí)現(xiàn)對外交流的工具。基于運(yùn)動想象的BCI系統(tǒng)是唯一一種不需要外界刺激，反映使用者自主運(yùn)動意識且受使用者主動調(diào)控的BCI范式，可以將人們直接通過想象控制目標(biāo)運(yùn)動的暢想變?yōu)楝F(xiàn)實(shí)。其作業(yè)模式最符合大腦正常思維活動的狀態(tài)，且不易讓使用者感到疲勞。 

　　目前，基于EEG（Electroencephalogram）的運(yùn)動想象型BCI主要集中于不同的肢體部位，而對于同一肢體更為精細(xì)的運(yùn)動想象型BCI卻鮮有報(bào)道。已有的不同肢體部位運(yùn)動想象型BCI常常會導(dǎo)致運(yùn)動意圖與末端效應(yīng)器之間的認(rèn)知失聯(lián)，舉例來說，使用者需想象左手運(yùn)動以控制機(jī)械手伸開，而想象右手運(yùn)動則是控制機(jī)械手抓握，大腦想象的左右手運(yùn)動與機(jī)械手實(shí)際運(yùn)動間的不匹配為這一類型BCI的操作帶來困難。因此，發(fā)展“所想即所得”的同一肢體精細(xì)運(yùn)動想象型BCI系統(tǒng)具有重要價(jià)值，而當(dāng)前這一領(lǐng)域研究的瓶頸問題急需在新型可分動作范式以及新型運(yùn)動想象特征提取和分類方法方面進(jìn)行探索解決。 

　　針對該問題，自動化所神經(jīng)計(jì)算與腦機(jī)交互(NeuBCI)團(tuán)隊(duì)設(shè)計(jì)了單側(cè)肢體不同關(guān)節(jié)運(yùn)動想象的新范式（右手握拳、右肢屈肘、靜息態(tài)），并對應(yīng)采集了25名被試共計(jì)22,500個(gè)試次（trial）數(shù)據(jù)。該數(shù)據(jù)集根據(jù)BIDS-EEG數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行整理并開源，提供三種階段的數(shù)據(jù)以滿足不同研究者的需求。團(tuán)隊(duì)研究了單側(cè)肢體不同關(guān)節(jié)運(yùn)動想象誘發(fā)的大腦激活模式，提出通道相關(guān)網(wǎng)絡(luò)（Channel-Correlation Network）來學(xué)習(xí)導(dǎo)聯(lián)之間的整體表示，將集成學(xué)習(xí)應(yīng)用于多個(gè)通道相關(guān)網(wǎng)絡(luò)的輸出，在三分類情況下解碼精度達(dá)到87.03%。研究結(jié)果證明深度學(xué)習(xí)方法對同一肢體不同關(guān)節(jié)的運(yùn)動想象任務(wù)解碼的有效性，以及這種單側(cè)肢體多個(gè)關(guān)節(jié)運(yùn)動想象任務(wù)在實(shí)際應(yīng)用中的潛力。 

　　這項(xiàng)研究為基于EEG的高精度運(yùn)動意圖解析提供了科學(xué)基礎(chǔ)和技術(shù)支持，將促進(jìn)運(yùn)動想象腦機(jī)接口研究的發(fā)展，其在神經(jīng)康復(fù)和智能機(jī)器人等領(lǐng)域有著重要的應(yīng)用。 

　　該工作由NeuBCI團(tuán)隊(duì)獨(dú)立完成，主要完成人為馬學(xué)林博士、邱爽副研究員和何暉光研究員。相關(guān)研究成果發(fā)表在IEEE Transactions on Neural System and Rehabilitation Engineering（TNSRE）期刊上，開源數(shù)據(jù)發(fā)表在Scientific Data（SDATA）上。 

相關(guān)文章及鏈接： 

[1]. Ma, X., Qiu, S. & He, H. Multi-channel eeg recording during motor imagery of different joints from the same limb. Harvard Dataverse https://doi.org/10.7910/DVN/RBN3XG  

[2]. Ma, X., Qiu, S. & He, H. Multi-channel EEG recording during motor imagery of different joints from the same limb. Sci Data 7, 191 (2020). https://doi.org/10.1038/s41597-020-0535-2  

[3]. Ma, X., Qiu, S., Wei, W., Wang, S. & He, H. Deep channel-correlation network for motor imagery decoding from same limb. IEEE Transactions on Neural Systems and Rehabilitation Engineering 28, 297–306 (2020). https://doi.org/10.1109/TNSRE.2019.2953121 

來源：中國科學(xué)院自動化研究所