机构名称：
¥ 1.0
替代损失肢体的假肢设备近年来已经越来越表现。软件和硬件的最新进展允许解码脑电图（EEG）信号，以改善使用脑部计算机接口（BCI）对活动假体的控制。大多数BCI研究都集中在上半身上。尽管BCI对下肢的研究近年来有所增加，但我们对下肢运动相关的神经模式的了解仍然存在差距。因此，这项研究的主要目的是显示解码从EEG数据记录中解码下肢运动的可行性。第二个目的是研究截肢患者中众所周知的神经塑性适应对解码性能的影响。为了解决这个问题，我们从多个具有下肢截肢和匹配的健美对照组的个体中收集了数据。使用这些数据，我们训练和评估了已经证明对上肢BCI有效的常见BCI方法。两组的平均测试解码精度为84％，我们的结果表明，可以使用EEG数据良好的准确性来区分不同的下肢运动。在健康受试者和下肢截肢的受试者之间这些运动的解码性能中没有显着的差异（p = 0.99）。这些结果表明，使用BCI进行下肢假体控制的可行性，并表明解码性能不受两组之间神经可塑性诱导的差异的影响。
大脑的数据驱动机器学习方法 -
主要关键词
相关文件推荐
