XiaoMi-AI文件搜索系统
World File Search SystemMRCPS
用于脑机接口单次运动意图检测的 EEG 耳机评估
摘要：脑机接口 (BCI) 可用于神经康复；然而，关于将该技术转移到康复诊所的文献有限。BCI 的一个关键组件是耳机，有几种可选的耳机。本研究的目的是测试四种市售耳机记录和分类运动意图（运动相关皮质电位 - MRCP）的能力。12 名健康参与者进行了 100 次运动，同时在两天内通过耳机记录了连续的脑电图，以确定测量的可靠性：单次试验的分类准确度、拒绝的时期数和信噪比。MRCP 可以用覆盖运动皮层的耳机记录，并且它们获得了最好的分类准确度（73% - 77%）。最好的耳机（覆盖运动皮层的凝胶基耳机）的可靠性为中等到良好。结果表明，在评估的耳机中，可靠地记录 MRCP 需要位于靠近运动皮层位置的通道，并且可能需要基于凝胶的耳机。
DNA损伤在肾小管上皮细胞损伤中的作用
从脑电图（EEG）信号中解码人的手移动对于开发主动的人类增强系统至关重要。尽管现有研究为从EEG信号解码单手运动方向做出了很大的贡献，但在相反的手移动条件下解码主要的手移动方向仍保持开放。在本文中，我们研究了基于相反手移动下的EEG信号的主要手部运动方向的神经特征，并基于运动相关皮质电位（MRCP）的非线性动力学参数开发了一种新颖的解码方法。实验结果表明，在相反的手移动下，手动运动方向之间MRCP的显着差异。此外，在相反的手运动状态下，提出的方法的表现良好，平均二元解码精度为89.48±5.92％。这项研究可能为上肢的未来发展的人类增强系统奠定了基础，损害了患者和健康的人，并开辟了新的途径，以从EEG信号中解释其他手移动参数（例如，速度和位置）。
移动的脑电图记录 -
与运动相关的皮质电势（MRCP）是一种脑信号，可以使用表面脑电图（EEG）记录，代表与运动制备有关的皮质过程。MRCP已通过简单的单关节运动进行了广泛的研究，但是，这些运动通常缺乏生态有效性。生态有效性是指发现对现实情况的普遍性，例如神经系统康复。此范围审查旨在综合研究MRCP在生态有效的运动任务中的研究证据。搜索六个电子数据库识别的102项研究，该研究在多关节运动过程中研究了MRCP；这些研究中有59项研究了生态有效的运动任务，并被包括在审查中。纳入的研究调查了适用于日常情况的15项不同运动任务，但这些任务在很大程度上是在健康人群中进行的。合成的发现表明，在生态上有效的运动中，MRCP信号的记录和分析是可能的，但是信号的特征似乎在不同的运动任务（即具有更复杂性，认知负荷增加的人，或次要运动任务）和不同种群（即专业表演者，帕克森氏病人和老年人）中有所不同。临床人群中研究的稀缺性强调了对具有神经系统和年龄相关疾病患者进行进一步研究的必要性，以取得我们对MRCPS特征的理解，并确定其潜力作为衡量神经恢复和干预效率的潜力。基于生态有效运动期间采用的基于MRCP的神经调节干预措施仅在一项研究中代表，因为这些综述在简单的关节运动中已大部分提供了这些干预措施。尚未确定使用生态有效运动来控制BCI驱动的外部设备的研究；这可能反映了与从MRCPS准确分类功能运动相关的技术挑战。未来研究基于MRCP的干预措施的研究应使用与日常情况有关的运动任务。这将有助于将此知识应用于康复环境。
外周电刺激与运动相结合-...
背景：内源性配对联想刺激 (ePAS) 是一种神经调节干预，有助于中风康复。ePAS 涉及将内源性脑电图 (EEG) 信号（称为运动相关皮质电位 (MRCP)）与外周电刺激配对。先前的研究已使用经颅磁刺激 (TMS) 来证明 ePAS 后皮质运动兴奋性的变化。然而，由于安全预防措施、不耐受性以及在更严重的患者中难以产生可测量的反应，TMS 作为一种中风研究的测量方法受到限制。我们有兴趣使用更可行的测量方法来评估 ePAS 对中风患者的影响。本研究询问 ePAS 是否会立即改善背屈肌的最大自主等长收缩 (MVIC) 和总神经肌肉疲劳的主要结果，以及肌肉力量、自主激活 (VA)、中枢疲劳、外周疲劳和肌电活动等次要结果。
用于单次试验识别运动相关皮质电位的非线性自适应时空滤波器
摘要：动作的执行或想象由皮质电位反映，可通过脑电图 (EEG) 记录为运动相关皮质电位 (MRCP)。从单次试验中识别 MRCP 是实现脑机接口 (BCI) 自然控制的一项具有挑战性的可能性。我们提出了一种基于最佳非线性滤波器的 MRCP 检测新方法，处理包括延迟样本在内的不同 EEG 通道（获得时空滤波器）。通过改变时间滤波器的顺序和输入数据的非线性处理，可以获得不同的输出。这些滤波器的分类性能通过对训练集进行交叉验证来评估，选择最佳滤波器（适应用户）并从最佳三个滤波器中进行多数投票，以使用测试数据获得输出。将该方法与我们团队最近推出的另一种最先进的滤波器进行比较，该滤波器应用于 16 名健康受试者记录的 EEG 数据，这些受试者执行或想象 50 次自定步调的上肢手掌抓握。新方法对整个数据集的平均准确率为 80%，明显优于之前的滤波器（即 63%）。对于具有异步、自定步调应用程序的在线 BCI 系统设计，它是可行的。
基于深度学习的精细手部分类......
摘要 — 从脑电图信号中对不同的精细手部运动进行分类代表着相关的研究挑战，例如在用于运动康复的脑机接口应用中。在这里，我们分析了两个不同的数据集，其中精细手部运动（触摸、抓握、手掌和侧抓握）以自定节奏的方式执行。我们训练并测试了一个新提出的卷积神经网络（CNN），并将其分类性能与两个成熟的机器学习模型进行了比较，即收缩 LDA 和随机森林。与以前的文献相比，我们利用神经科学领域的知识，并在所谓的运动相关皮质电位（MRCP）上训练我们的 CNN 模型。它们是低频（即（0.3,3）Hz）的脑电图幅度调制，已被证明可以编码运动的几种属性，例如抓握类型、力量水平和速度。我们表明，CNN 在两个数据集中都取得了良好的表现，并且与基线模型相似或优于基线模型。此外，与基线相比，我们的 CNN 需要更轻松、更快速的预处理程序，为其在线模式（例如，许多脑机接口应用）中的可能使用铺平了道路。
非线性适应时空滤波器，用于单审鉴定运动相关皮质电位
摘要：运动电位的执行或想象力反映了可以通过脑电图（EEG）作为运动相关皮质电位（MRCP）记录的皮质电位。单个试验中MRCP的识别是获得对脑计算机界面（BCI）的自然控制的挑战性可能性。我们提出了一种基于最佳非线条过滤器的MRCP检测的新方法，处理包括延迟样品（获得时空过滤器）的不同脑电图的不同通道。可以通过更改时间过滤器的顺序和输入数据的非线性处理来获得不同的输出。通过在训练集上进行交叉验证，选择最佳的分类（适用于用户），并从最佳三个投票以使用测试数据获得输出，从而评估了这些文件的分类性能。将该方法与我们小组最近引入的另一种最先进的过滤器进行了比较，该方法将其应用于16位执行或想象50个自定进度的上limb Palmar Grasps的健康受试者中。新方法在80％的整体数据集上具有中位数的准确性，这比以前的过滤器（即63％）要好得多。对于在线BCI系统设计具有异步，自定为自定进定应用的可行性。