基于运动相关皮层电位握力运动模式识别研究
面向基于脑-机接口(Brain-computer interface, BCI)的脑-机交互控制(Brain-machine interaction control, BMIC)-直接脑控机器人,提出一种新的左、右手握力运动参数范式,在该范式下探索左、右手握力运动相关皮层电位/运动相关电位(Movement-related potentials, MRPs)的时域特征表示并识别握力运动模式.在涉及左、右手4个不同任务的实验中采集了11个健康被试的脑电信号,任务期间要求被试以2种握力变化模式之一完成自愿握力运动,每种任务随机重复30次.不同握力任务之间具有显著差异的运动相关电位特征用于识别握力运动模式.分别用基于核的Fisher 线性判别分析和支持向量机识别4个不同的握力运动任务.研究结果进一步证实运动相关电位可以表征握力运动规划、运动执行和运动监控的脑神经机制过程.基于核的Fisher线性判别分析和支持向量机分别获得24±4%和21±5%的平均错误分类率.最小误分类率是12%,所有被试平均最小误分类率为20.9±5%.与传统的仅仅识别参与运动的肢体类型以及识别单侧肢体运动参数的研究相比,本研究可望为脑-机交互控制/脑控机器人接口提供更多的力控制意图指令,奠定了后续的对比研究基础.
运动相关电位、握力运动模式、支持向量机、脑-机接口、脑-机交互控制、脑控机器人接口
TP3;R44
国家自然科学基金青年基金60705021;云南省应用基础研究计划项目2013FB026;云南省级人培项目KKSY201303048;云南省教育厅重点项目2013Z130资助@@@@Supported by National Natural Science Foundation of Youth Fund of China60705021;Research Project for Application Foundation of Yunnan Province2013FB026;Cultivation Pro-gram of Talents of Yunnan ProvinceKKSY201303048;Fo-cal Program for Education Office of Yunnan Province2013Z130
2014-07-15（万方平台首次上网日期，不代表论文的发表时间）
共13页
1045-1057
