XiaoMi-AI文件搜索系统
World File Search System瘫痪
颈背根的硬膜外电刺激恢复了瘫痪的猴子的自愿臂控制
图1。实验框架。（a）在左侧，行为实验平台的示意图。当动物执行机器人覆盖，掌握和拉动任务时，我们测量了施加到机器人接头，全LIMB运动学，肌电图（EMG）活性的3D力，来自手臂和手的八个肌肉，以及来自感觉运动区域的皮层内信号。实验方案的右，概念方案：（1）在控制计算机上运行的解码器确定了运动的尝试，（2）（2）将电脊髓刺激传递到适当的脊髓根。（3）刺激产生了我们在离线记录和分析的手臂和手动运动。（b）任务的示意图。猴子经过训练，可以抓住，掌握并拉出放置在机器人臂末端效应子上的目标对象。我们认为当目标空间阈值在拉动过程中越过时，我们认为运动完整。版权所有JemèreRuby。
使用无线技术通过皮质记录为瘫痪患者访问虚拟键盘
如今，大多数人都患有瘫痪性疾病，这会导致许多残疾，例如无法说话、无法进行任何身体活动，他们很难表达自己的日常需求，但能够使用眼睛并经常移动头部。双瘫、闭锁综合征、四肢瘫痪和肌萎缩侧索硬化症 (ALS) 等少数疾病，患者意识到周围发生了什么，但无法做出反应，因为除了眼球运动和眨眼外，失去了身体中少数随意肌的运动能力。虚拟键盘是这些受害者与人交流并能够访问他们的重要密码的解决方案。本文使用脑机接口 (BCI) 原理。通过访问虚拟键盘，它可以帮助受害者键入将显示在显示器屏幕上的字母，它是使用 Matlab 编程设计的。BCI 原理是将用户产生的大脑活动模式转化为相应的命令。信号采集和信号处理由 BCI 组成。关键词：脑机接口 (BCI)、EEG、眨眼、虚拟键盘。DOI 编号：10.14704/nq.2022.20.8.NQ44309 NeuroQuantology 2022；20(8)：2779-2784 简介 有一些瘫痪疾病，例如双瘫、闭锁综合症 [1]、四肢瘫痪和运动神经元疾病，例如肌萎缩侧索硬化症 (ALS) [2]，患者无法移动他们的手和腿。这些疾病会削弱肌肉，还会影响控制随意肌运动的神经细胞。患者将失去控制随意运动的能力。脑电波的研究称为脑电图 (EEG)。1929 年，伯杰通过在人体头骨外部放置许多电极来记录脑电图。与大脑相关的生理功能数据通过这些信号间接传输。大量信号可用于可能的应用。例如，新技术设备与嵌入式设备融合
基于残余运动分类的用户界面，用于完全四肢瘫痪患者控制辅助设备
摘要 — 目的：完全性四肢瘫痪会使人失去手部功能。辅助技术可以提高自主性，但用户仍然需要符合人体工程学的界面来操作这些设备。尽管四肢瘫痪的人手臂瘫痪，但他们可能仍保留着残留的肩部运动。在这项研究中，我们探索了这些运动作为控制辅助设备的一种方式。方法：我们用一个惯性传感器捕捉肩部运动，并通过训练基于支持向量机的分类器，将这些信息解码为用户意图。结果：设置和训练过程只需几分钟，因此分类器可以是用户特定的。我们对 10 名身体健全和 2 名脊髓损伤参与者测试了该算法。平均分类准确率分别为 80% 和 84%。结论：提出的算法易于设置，操作完全自动化，所取得的结果与最先进的系统相当。意义：手部功能障碍人士使用的辅助设备在用户界面上存在局限性。我们的工作提出了一种新方法来克服这些限制，即对用户动作进行分类并将其解码为用户意图，所有这些都只需简单的设置和培训，无需手动调整。我们通过对最终用户的实验证明了它的可行性，其中包括完全四肢瘫痪、没有手部功能的人。
为四肢瘫痪患者提供带有感应口内舌界面的轮椅控制
摘要 — 高位脊髓损伤大大降低了伤者的生活质量。各种系统试图以各种单模或多模设计来连接受伤后仍然完整或残留的能力，以补偿受到严重影响的活动能力。口内感应舌计算机接口 (ITCI) 旨在为计算机和辅助设备提供实时离散和比例控制，并满足四肢瘫痪患者的特殊要求。在一项短期培训研究中，向两名四肢瘫痪患者演示了 ITCI 对轮椅控制的操作。此外，两名健全人也参与了这项研究。对于每位参与者，通过报告沿车道的速度和撞到的障碍物数量，比较了使用 ITCI 驾驶 Permobil C500 的能力与使用操纵杆（一种情况下是口操纵杆）沿两条 39 米的不同车道驾驶轮椅的能力。车道由 90 0、360 0 和由线性段连接的复杂机动段组成。 ITCI 的特点是口含两个电感传感器垫、驱动电子设备和电池。口含器通过牙齿固定器固定在参与者口腔的上颚。舌头上附有一个类似穿刺器的激活装置。数据通过有线接口无线传输到控制轮椅的中央单元。在所有参与者中，使用 ITCI 驾驶时，A 或 B 车道的平均速度达到最大值 0.42 至 0.74 米/秒，相当于使用操纵杆驾驶时速度的 41% 至 71%。
四肢瘫痪用户的长期 BCI 训练：自适应黎曼分类器和用户训练
基于脑电图 (EEG) 的脑机接口 (BCI) 通常被认为是针对运动障碍用户的有前途的辅助技术，但由于在现实生活中的可靠性低，在实验室外仍很少使用。因此，需要设计可供最终用户（例如严重运动障碍者）在实验室外使用的长期可靠的 BCI。因此，我们提出并评估了一种基于多类心理任务 (MT) 的 BCI 设计，用于为 CYBATHLON BCI 系列 2019 的四肢瘫痪用户进行纵向训练（3 个月内 20 次训练）。在本次 BCI 锦标赛中，四肢瘫痪的飞行员在赛车游戏中用精神驾驶虚拟汽车。我们旨在将渐进式用户 MT-BCI 训练与基于自适应黎曼分类器的新设计的机器学习流程相结合，该分类器已被证明有望在现实生活中应用。我们遵循两步训练过程：前 11 个课程用于训练用户通过执行两个认知任务（休息和心理减法）或两个运动想象任务（左手和右手）来控制 2 类 MT-BCI。第二个训练步骤（剩余 9 个课程）应用了自适应、独立于会话的黎曼分类器，该分类器结合了之前使用的所有 4 个 MT 类别。此外，由于我们的黎曼分类器以无监督的方式逐步更新，因此它将捕获会话内和会话之间的非平稳性。实验证据证实了这种方法的有效性。也就是说，与初始课程相比，训练结束时的分类准确率提高了约 30%。我们还研究了这种性能改进的神经相关性。使用新提出的 BCI 用户学习指标，我们可以显示我们的用户学会了通过产生越来越匹配 BCI 分类器训练数据分布的 EEG 信号来改善他的 BCI 控制，而不是通过改善他的 EEG 类别辨别。然而，由此产生的改进只对同步（基于提示）BCI 有效，并没有转化为 CYBATHLON BCI 游戏性能的提高。为了克服这个问题
通过神经网络介导的特征提取增强四肢瘫痪参与者对脑机接口的控制
为了推断意图，脑机接口必须提取能够准确估计神经活动的特征。然而，信号质量随时间推移而下降，阻碍了使用特征工程技术恢复功能信息。通过使用植入三位人类参与者大脑皮层的电极阵列记录的神经数据，我们在此展示了卷积神经网络可用于将电信号映射到神经特征，方法是联合优化特征提取和解码，但所有电极必须使用相同的神经网络参数。在这三位参与者中，神经网络在所有指标的光标控制任务中都带来了离线和在线性能改进，优于宽带神经数据的阈值交叉率和小波分解（以及其他特征提取技术）。我们还表明，经过训练的神经网络无需修改即可用于新的数据集、大脑区域和参与者。
德国中风后重度上肢瘫痪康复——面向脑机接口长期治疗
严重的上肢瘫痪会给中风幸存者带来巨大的负担。鉴于中风发病率不断上升，由于缺乏有效的治疗策略，恢复严重的上肢运动障碍仍然是康复医学面临的主要挑战。镜像疗法和面向障碍的训练等德国常用的干预措施效果有限，需要找到新的策略。通过将脑信号转化为外部设备的控制命令，脑机接口 (BCI) 和脑机接口 (BMI) 代表了有前途的基于神经技术的替代方案，适用于手臂和手部功能受到严重限制的中风患者。在这篇小型评论中，我们概述了如何将基于 BCI 的疗法整合到德国神经康复的不同阶段以满足长期治疗方法的观点：我们发现在早期康复后立即开始使用基于 BCI 的神经反馈治疗是最合适的。BCI 驱动的功能性电刺激 (FES) 和 BMI 机器人治疗非常适合亚急性期的后续住院后治愈性治疗。基于 BCI 的手部外骨骼训练可在门诊职业治疗中继续进行，以进一步改善手部功能并解决慢性中风患者的动机问题。一旦康复潜力耗尽，BCI 技术可用于驱动辅助设备以补偿受损的功能。然而，在这种长期治疗策略能够在广泛的临床应用中实施之前，仍有几个挑战需要克服：1. 开发具有更好可用性的可靠 BCI 系统；2. 开展更多研究以改进 BCI 训练范式；3. 建立可靠的方法来识别合适的患者。
四肢瘫痪患者运动皮层中不同抓握类型的力量神经表征
1 凯斯西储大学生物医学工程系，俄亥俄州克利夫兰 44106，2 斯坦福大学神经外科系，加利福尼亚州斯坦福 94035，3 斯坦福大学电气工程系，加利福尼亚州斯坦福 94035，4 VA 医学中心路易斯斯托克斯克利夫兰系，俄亥俄州克利夫兰 44106，5 布朗大学神经科学系，罗德岛州普罗维登斯 02912，6 布朗大学罗伯特 J. 和南希 D. 卡尼脑科学研究所，罗德岛州普罗维登斯 02912，7 VA RR&D 神经修复和神经技术中心，罗德岛州普罗维登斯 02912，8 克利夫兰大学医院医学中心神经外科系，俄亥俄州克利夫兰 44106，9 凯斯西储医学院神经外科系，俄亥俄州克利夫兰 44106，10克利夫兰大学医院医学中心神经内科，俄亥俄州克利夫兰 44106，11 布朗大学工程学院，罗德岛州普罗维登斯 02912，12 麻省总医院神经内科神经技术和神经康复中心，马萨诸塞州波士顿 02114，13 哈佛医学院神经内科，马萨诸塞州波士顿 02114，14 斯坦福大学生物工程系，加利福尼亚州斯坦福 94035，15 斯坦福大学神经生物学系，加利福尼亚州斯坦福 94035，16 斯坦福大学霍华德休斯医学研究所，加利福尼亚州斯坦福 94035，17 斯坦福大学吴仔神经科学研究所，加利福尼亚州斯坦福 94035，以及 18 斯坦福大学 Bio-X 项目，加利福尼亚州斯坦福 94035
四肢瘫痪患者运动皮层中不同抓握类型的力量神经表征
1 凯斯西储大学生物医学工程系，俄亥俄州克利夫兰，44106；2 斯坦福大学神经外科系，加利福尼亚州斯坦福，94035；3 斯坦福大学电气工程系，加利福尼亚州斯坦福，94035；4 退伍军人事务部克利夫兰路易斯斯托克斯医学中心，俄亥俄州克利夫兰，44106；5 布朗大学神经科学系，罗德岛州普罗维登斯，02912；6 布朗大学罗伯特 J. 和 Nancy D. 卡尼脑科学研究所，罗德岛州普罗维登斯，02912；7 VA RR&D 神经修复和神经技术中心，罗德岛州普罗维登斯，02912；8 休斯顿大学克利夫兰医学中心神经外科系，俄亥俄州克利夫兰，44106； 9 克里夫兰凯斯西储大学医学院神经外科系，俄亥俄州克利夫兰 44106；10 克里夫兰大学医学中心神经内科系，俄亥俄州克利夫兰 44106；11 布朗大学工程学院，罗德岛州普罗维登斯 02912；12 麻省总医院神经内科神经技术和神经康复中心，马萨诸塞州波士顿 02114；13 哈佛医学院神经内科系，马萨诸塞州波士顿 02114；14 斯坦福大学生物工程系，加利福尼亚州斯坦福 94035；15 斯坦福大学神经生物学系，加利福尼亚州斯坦福 94035；16 斯坦福大学霍华德休斯医学研究所，加利福尼亚州斯坦福 94035；17 斯坦福大学吴仔神经科学研究所，Bio-X 项目，加利福尼亚州斯坦福 94035