文摘

运动状态的早期解码直接从大脑活动是至关重要的发展脑机接口(BMI)对实验鼠的自然运动控制。因此,本研究旨在探讨运动信息的检测在实际运动发生之前。这块信息可能有助于提供早期控制信号驱动BMI-based康复和运动辅助设备,从而提供一个自然的和积极的康复治疗。在这个工作中,脑电图扫描器大脑信号从六个健康的右撇子参与者被记录在自创的达到的上肢运动。这些脑电图痕迹的分析表明,存在重大事件相关去同步化之前和期间的执行动作,motor-related为主和频带和电极放置在运动皮层。这不断振荡大脑活动被用来检测移动四肢的意图,即识别运动阶段的实际执行之前达到运动。结果显示,首先,放松和运动意图和之间的重要分类,其次,运动意图的重要检测开始前执行运动。在这些结果的基础上,检测运动意图可用于BMI设置以减少精神运动过程和实际之间的差距运动由一个辅助或康复机器人装置。

1。介绍

脑机接口(BMI)系统是新兴技术,提供一种新型的通信通道对健康人群和患者沟通有限或运动障碍(1,2]。BMI系统解码的心理任务执行的用户使用记录的脑信号侵入性或非侵入性技术。这是反过来用于控制应用程序或外部设备如电脑光标,机器人轮椅,或一个矫正法装置3,4]。周围神经系统是没有参与这个过程,可以有前途的BMI辅助技术部分或完整的运动障碍的人(5,6]。BMI系统最重要的应用是汽车辅助机器人的控制设备,是用于电动机或运动康复(恢复7,8]。这也包括康复方案基于虚拟现实环境(9,10]。这些应用程序可以提供患者患中风或脊髓损伤的可能性缩短恢复期改善运动功能。

cue-based同步协议是传统的模式用来解码大脑活动的心理任务BMI设置。在这种范式,精神的任务是首先由用户然后BMI技术解码算法适用于识别任务(8]。然后,提供了控制信号或命令驱动neuroprosthesis [11),例如,一个真正的或虚拟的机械手臂。例如,在基于运动图像的体重指数(MI),用户执行心理想象不同的肢体动作,然后BMI技术识别移动肢体用于应用程序中提供一个命令的运动(12]。因此,用户的心理与运动相关的任务是提供的应用程序。然而,存在一个固有的延迟时间之间的心理任务和运动的时间执行的应用程序。结果,动作由外部设备,真实或虚拟的,自然由用户中是找不到的。

减少时间差距精神运动任务和实际的运动由一个辅助或康复机器人装置可能有用得到快速和自然运动控制。这也可以促进汽车复苏在皮层水平(13,14]。实现这一早期检测的运动信息,这项工作研究自然运动信息的解码前电机执行任务。几个以前作品研究这种解码的无创性脑电图仪的大脑(EEG)信号。这些研究都是基于运动相关的皮层电位(MRCP检查),光谱功率(SP),常见的空间模式(SCP)脑电图检测运动的特征信息前实际动作。表1总结了国家最相关的艺术作品来检测运动意图。这些研究已经证明的可行性检测电动机执行运动之前的信息。

尽管如此,仍然需要更多的研究来实现早期检测的运动更现实的情况。出于这个原因,这项工作提出了连续检测的运动意图在自学自然达到的上肢运动。这个实验任务被选中,是因为它就像抓物体的共同daily-live-activity如一杯水或瓶子。检测是很重要的运动意图前有足够的时间才能使用此信息块准时向用户提供自然运动控制BMI-based运动恢复和运动康复情况。因此,这项研究解决了检测的打算不管移动肢体内连续解码策略。六个健康的右撇子实验对象参加了实验。结果显示重大事件相关去同步化之前和期间达到运动的执行任务,而这些皮质节奏被用作功能不断检测打算移动四肢。此外,重要分类的运动目的是实现爆发前的水平达到执行动作。

本文的组织结构如下:实验的描述,数据处理和分析,评估过程和指标详细的部分2;部分3描述结果,尤其是重大事件相关去同步/同步活动和面向分类结果来检测运动意图;最后一节4给出了结论和未来的工作。

2。方法

2.1。实验的设计和执行

实验包括自学自然达到上左/右肢体的运动。这个实验被选中,因为它就像抓物体的共同daily-live-activity如一杯水。参与者与前臂放在椅子上舒服地坐着的手臂,坐落在他们面前的电脑屏幕上。实验包括许多重复的执行或试验达到运动的左或右手臂和引导了视觉线索呈现在屏幕上。每个试验包括三个线索。第一个线索显示文本“放松”三秒,表示与手臂放在保持舒适地坐在椅子上的手臂完全放松。参与者被要求不执行或想象任何运动。第二个线索显示12秒钟一个图像和一个“箭头”指着左/右,表示移动自然相应的手臂向屏幕的中心。参与者被指示不要发起运动箭头后立即提出了但是随时启动它,等待至少5秒,同时避免任何精神计数。因此,启蒙运动因试验而异。 Immediately after the reaching movement was completed, participants were instructed to return back the arm towards the chair’s arms. The third cue showed the text “rest” and indicated resting, moving, or blinking for three seconds. Therefore, each trial lasted for eighteen seconds in total. Figure1显示完整的审判时间序列在实验。参与者被要求避免任何运动和减少闪烁表示的第一个线索,达到运动的终止。

24个试验的实验在四个街区被处决(7.2分钟/块)导致96试验对所有块(28.8分钟)。为了避免疲劳,病人可能块之间,只要他们需要休息。保持平衡试验的数量的左右臂,每个块包含相同数量的左右运动,提出了伪随机的方式。这个实验是大学的伦理委员会批准。

2.2。参与者

六个强壮的右手科目(两个男人和四个女人;年龄范围23-19年;的意思是性病年)没有诊断神经系统疾病或运动自愿参与本研究。所有参与者都是大学学生,没有经验与脑电图(EEG)记录协议或脑机接口(BMI)实验。他们及时了解研究和实验过程的目的和他们签署知情同意表格。他们被告知,他们可以离开实验时,他们想要的。

2.3。记录脑电图和肌电图信号

头皮脑电图信号记录使用单极电极21职位根据10/10国际电极定位系统。从头皮脑电图信号记录位置,,,,,,,,,,,,,,,,,,,,,与地面和参考左耳垂。EMG信号记录与双极电极上方的肱二头肌肌和三头肌brachii肌肉。这些EMG信号记录从双臂被用来建立每个试验的运动开始的时间。脑电图和肌电图记录数据的采样频率2048赫兹和没有应用过滤。电极阻抗一直低于5 k脑电图和20 k肌电图。脑电图和肌电图信号同时使用Nexus-32电生理监测系统从记录媒体。BioTrace +软件用于管理视觉线索的表示和脑电图和肌电图信号的记录和存储数据进行离线处理。

2.4。数据预处理

实验课程之后,记录数据进行离线预处理和分析。脑电图和肌电图数据削减演讲的第一个线索的演讲第三个线索;因此,由此产生的试验持续了15秒。然后,每个试验的运动出现的时间延迟之后这个过程的计算与EMG活动:(i)的EMG信号移动手臂被选中;(2)这个EMG信号是高通过滤的截止频率赫兹使用sixth-order Butterworth-type无限脉冲响应(IIR)滤波器;(3)过滤信号的希尔伯特变换计算;(iv)的大小希尔伯特变换平滑和规范化分数;(v)第一个值大于零在生成的信号被定义为EMG-based运动开始。试验的运动开始低于3 s(早期的手臂运动起始),大于11 s(延迟手臂运动起始)相对于第二视觉线索的出现作为被解雇了。然后,每个试验的时间轴rereferenced EMG-based运动发作;也就是说,代表了达到运动的开始。最后,试验从起始时间被削减(例如,演讲的时间是1 s的第一个线索)相对于EMG-based运动开始。

额电极(和),电极附近小潮(和),和其他远离运动皮层电极(,,,,,,,)从所有参与者,因为它们通常受到眼睛眨眼,肌肉活动,和其他构件;因此9电极位于或周围运动皮层(,,,,,,,,)和用于后续分析。脑电图数据重新取样256 Hz,过滤使用零相位从0.1赫兹到100赫兹,四个订单,带通巴特沃斯滤波器,rereferenced使用常见的平均引用(汽车)过滤所有渠道中减去平均每个通道独立的每一次样本。

2.5。与事件相关去同步/同步

计算每个电极的重要事件相关去同步/同步,引导分析的时频表示。这个分析的目的是研究底层任务相关振荡运动的大脑活动的目的(15]。所有试验都修剪1 s相对EMG-based运动开始。这允许所有试验具有相同的长度。对于每个试验和每一个频道,时频表示在频率计算的乐队吗赫兹的分辨率1 Hz使用Morlet小波(16]。单独为每个通道,事件相关去同步/同步(即。、电力增加/减少)相对于基线是计算每个时间和频率,在那里是平均的在基线间隔频率。每个通道的重大事件相关去同步/同步与引导分析计算后(17的显著水平。

2.6。检测运动的目的

检测运动的目的是基于光谱功率特性和支持向量机(SVM)用于区分放松和意图。

2.6.1。特性

光谱功率特性与自回归谱(ARS)模型计算订单16 (18,19],伯格法估计模型系数和噪声方差20.]。对于每一个电极,只有motor-related光谱功率的值赫兹和赫兹频段。在解决光谱功率值计算赫兹。这导致18光谱功率值/电极。因此,特征向量x 在哪里(18光谱功率值电极)与一个类标签。对于一个给定的时间在哪里从脑电图,光谱特性计算的时间窗口,在那里窗口的大小。注意时间对应的端点使用时间窗;因此是因果的计算特性。

2.6.2。分类器

区分放松和意图,支持向量机和径向基函数(RBF)内核(21)是就业。支持向量机的实现依赖于LIBSVM库(22]。的hyperparameters RBF正则化参数和的宽度(23,24]。训练分类器,提取完全的放松阶段的特性和运动意图阶段分别和他们贴上放松和意图。图2(一个)说明了放松和意图用于提取的部分功能。在这些领域,特点是计算不重叠的时间窗的长度。放松阶段特性的计算为前提是。计算在运动意图相特性为前提是。在培训之前,特性显示分数归一化,在那里和相应的平均值和标准偏差吗专门从训练数据特性计算。

2.6.3。评价过程和指标

检测每个独立主体的运动目的是评估这个过程:(我)随机选择80%的试验作为训练集,使用剩余20%作为测试集。(2)对于每一个训练集的试验,提取基于光谱功率特性的放松阶段,根据运动意图阶段然后训练分类器。(3)应用分类器中的每个试验测试组使用滑动窗口的大小在步骤0.1年代(图2 (b)说明了这个过程用来执行测试试验分类)。(iv)使用整个测试集计算性能指标。

以下指标被认为是:(i)分类精度(CA)(正确分类率达到放松和意图阶段),真正的积极事件(TPE)(运动意图获得的检出率在意向阶段),和真正的负面事件(转)(检出率获得放松的放松阶段);(2)时间分辨运动检测准确性或意图(速度的运动意图检测时间);(3)运动的时间即时发作或意图(时间即时最低达之间的显著差异和机会层面明确了);和(iv)试验,运动检测或意图(速率试验,运动的目的是明确检测到运动开始之前,也就是说,)。

这个评估过程是重复的*和分布性能指标的计算为每个参与者和他们所有人。检测准确性或水平的重大机会被随机排列计算经验的类标签在训练分类器。这个过程也进行了30次每个主题使用80%的试验训练(随机标签),剩下的20%进行评估。的重要级别的分类准确性或机会是计算的最大经验水平的放松的机会吗和意图年代阶段。检查CA分布和之间的显著差异显著水平的机会魏克森讯号等级测试,同时检查之间的显著差异和的Wilcoxon rank-sum测试工作。这些统计测试进行的置信水平。

3所示。结果

运动的时间即时启动计算与EMG活动估计在所有的试验对象的表示第二视觉提示(即。,自行启动的报复性关税的指示到达左/右手臂的运动)。运动开始低于3 s在3%的试验中大于11时1%的试验。这些试验是出院,而不是用于其余的工作。然后,试验在所有科目的总数平均用于本研究(最小的和最大的)。表2显示了估计的一个总结EMG-based运动开始为所有对象和他们的平均水平。平均运动出现在所有科目(最低3.18,最高10.82年代)。

的重大活动与事件相关去同步化/同步计算所有试验和主题呈现在图3。明显的失调()是在所有传感器和motor-related赫兹和赫兹频段在运动开始年代。这明显失调开始运动意图阶段大约在1 s运动开始之前,仍然是重要的运动执行间隔。没有明显的失调或同步()是观察到前年代。注意重要的失调是均匀分布在所有传感器和两个半球;,没有空间去同步化的模式/同步运动皮层观察到。

重大事件相关去同步/同步的平均值赫兹和赫兹频段计算每个电极的窗户沿整个试验的持续时间。这些研究的结果发表在表3。在所有电极,重要的失调是缺席的时间窗口来年代然后开始逐渐加强年代到年代。因此,明显失调开始运动开始前,也就是说,在运动意图阶段,仍然是重要的运动执行阶段。注意,与事件相关去同步化/同步的/频段平均为所有电极−4.72 /−3.84,24.53 /−−16.21,和20.44−39.90 /−时间窗口,和年代,分别。这表明重要的失调是更加突出在运动比在运动意图阶段和执行阶段,它是强大的赫兹比赫兹频段。

第一个分类分析窗口大小的影响进行了探讨用于计算之间的功率频谱特性分类放松和意图。图4所示,对于每个主题和对他们来说,分类精度指标的分布CA的窗口大小,,年代和显著水平的机会(最大机会水平在所有科目的放松和运动意图阶段)。科目1、3、4、6,中值的分布比机会越来越明显不同水平(魏克森讯号等级测试)。然而,对于课题2和5,没有发现显著差异值之间的分布和水平的机会(魏克森讯号等级测试)。CA的平均值年代是,,,,,,因为年代是,,,,,,对于年代是,,,,,分别为主题1到6。结果所有受试者表明中值的分布对所有也更大,比机会水平明显不同(魏克森讯号等级测试)。表4总结了分类精度的结果((TPE),真正的积极事件,和真正的负面事件(转)获得所有科目三个窗口的大小。的平均价值为的,,是,,分别,TPE /转/,/,/,分别。这些结果表明,放松和意图之间的识别性能随时间窗口大小增加。因此,一个窗口的大小年代是本研究的其余部分中使用的检测运动意图。

图5显示了时间分辨检测精度和的重大机会水平检测精度。结果给出了分别为每个主题。在所有科目提出了从年代。这是由于以下几点:首先,审判的起始时间在所有科目和不同试验和共同所有的起始时间年代,第二,窗口大小是用来计算因果特性年代。对所有科目(5号除外),最初水平的机会,开始上升运动开始前在吗年代。换句话说,没有检测到运动的目的来同时检测的运动目的是观察年代。的最大是,,,,分别为主题1到6,(不包括5)。这些检测精度达到的峰值,,,、科目1到4和6达到最大和(见垂直蓝色的点在所有块数据行)。请注意,总是在运动执行阶段的山峰。为5,机会以上来自哪里来年代,突然在下降年代。这表明运动意图总是发现,即使在运动意图阶段(即。,it is not possible to discriminate between movement intention and no movement intention) and that movement intention is at the chance level at the movement execution phase年代。因此,这个参与者没有检测到运动意图的信息。这个结果同意分类精度的分布和平均值呈现在图4为主题5提出了较低的性能。

试验的一部分,运动的目的是检测到运动开始之前和时间的运动意图检测总结在表5。也可以观察到在图吗5。这些指标不计算为主题5没有明显的时间分辨检测精度实现这个的参与者。平均而言,运动的目的是发现%的试验在所有科目(最低69%,最高87%)。这些结果表明,运动的目的是发现在大多数的参与者所执行的动作。此外,运动的时间即时检测是意图运动开始之前(最小值年代,最大年代)。

4所示。结论

这项工作提出了连续检测的运动意图从脑电图仪的(EEG)大脑信号在自然自学到上肢的运动。在这项工作中,运动的目的是定义为精神运动任务(没有物理输出)发生前发起一场运动,例如,汽车的计划。六个健康受试者参加本研究,脑电图和肌(EMG)活动记录。

与事件相关同步/失调脑电图活动显示重要的任务相关皮层开始的节奏运动开始之前,也就是说,在运动意图阶段,保持运动执行期间。明显的失调(motor-related观察)赫兹和赫兹频段在所有选择的传感器上方的运动皮层。这个重要的权力开始减少年代开始前的运动和运动执行仍然是重要的,虽然没有明显的同步/失调()是观察在此之前。这个明显的失调是在两个半球,符合实验发现电机任务包括达到与左或右手臂运动。

这些任务相关的皮质节奏被用于调查的可行性判别放松阶段和运动意图之间的阶段。因此,biclass分类放松,目的是评估使用光谱之间的力量正在进行脑电图活动和支持向量机作为分类器。这个分类是评估使用不同的窗口大小脑电图的计算功率频谱特性。结果表明,分类精度和放松之间的意图阶段随时间窗口大小增加。因此,一个窗口的大小年代选择计算功率频谱特性用于研究运动意图的连续检测。

最后,重要的时间分辨检测精度得到5个6参与者在实际运动的起始。的一个参与者,它是不可能区分运动意图从放松。运动意图的重要检测开始上升大约1 s爆发前的水平运动,在运动的执行阶段。时间分辨检测精度达到最大运动执行期间。这个同意上述观察到显著的去同步化活动报道。的初始时间即时平均运动目的是年代,几乎半秒之前的实际运动,在80%的试验检测。该探测器的运动意图可用于BMI-based机器人协助康复情况。优势将会减少和精神运动过程之间的时间延迟执行的实际运动机器人设备。原则上可以提供快速的、自然的和连续的运动控制,提高和促进在皮层水平运动再学习。

这项研究的下一个步骤是(我)检测移动手臂,(2)确定小说的特性基于峰值的估计,(3)测试一种新的分类器基于晶格与树突神经网络处理,和减少(iv)执行功能和选择使用基于快速相关滤波器(FCBF) [25,26]或顺序向前选择(SFS)。

相互竞争的利益

作者宣称没有利益冲突。

确认

作者表达自己的感谢CONACYT和COECYTJAL部分财政支持通过“项目Estimulos la Innovacion”和项目3232 - 2015。第一作者感谢CONACYT博士后奖学金。同时,作者感谢学府de蒙特雷,校园瓜达拉哈拉。