乐虎国际:省人工智能学会模式識别專委會委員、東南大學王海賢教授課題組發展下肢運動想象的解碼方法

由 蘇智會 發布于 2020-05-19

近日,乐虎国际模式識别專委會委員、東南大學生物科學與醫學工程學院兒童發展與學習科學教育部重點實驗室王海賢教授課題組在基于腦電(EEG)信号的下肢運動想象解碼研究中取得新成果。相關研究成果以“EEG-based classification of lower limb motor imagery with brain network analysis”為題在國際權威期刊《Neuroscience》上以封面論文形式發表(封面如圖1所示)。


圖1. 期刊封面

腦機接口(Brain-Computer Interface, BCI)通過解碼大腦的神經活動來完成外部設備與大腦之間的直接通訊,基于運動想象(Motor Imagery, MI)的腦機接口可以在使用者進行運動想象的同時執行相應動作,在穿戴式外骨骼設備中具有廣泛應用。然而,常規的MI-BCI是針對上肢的解碼,對下肢的解碼一直是研究中的難點。

該研究通過溯源,在獲取源信号的基礎上進行腦網絡構建分析。通過時頻分析提取與運動想象最為相關的兩個頻段:alpha和beta頻段,分别構建62個感興趣區的功能連接網絡(感興趣區如圖1所示)。研究發現,在被試進行運動想象時,alpha和beta頻段的平均功能網絡連接均集中在初級體感皮層(PSC)、初級運動皮層(PMC)、補充運動區(SMA),兩個頻段具有相似的激活模式,而beta頻段的整體激活程度要高于alpha頻段。

進一步發現,被試在執行左右腳運動想象時功能連接網絡模式具有差異性(圖2、圖3),主要體現在位于感覺運動區域内部連接及該區域與其它運動區域的連接,幾乎所有子網絡橫跨左右半球,其中個别被試也存在僅位于單側半球的差異子網絡。當采用8個圖論指标進行分類時,所有參與者的平均準确率超過65%,最高達75%。


圖2. alpha頻段具有顯著差異的被試的功能連接網絡圖。 第一行顯示了5名參與者的PLV差異網絡,第二行顯示統計顯著性差異網絡。對每對ROI的連接強度進行了單邊t檢驗并進行FDR校正。


圖3. beta頻段具有顯著差異的被試的功能連接網絡圖。

該論文的第一作者顧淩雲為就讀于東南大學生物科學與醫學工程院的博士生,該研究得到了國家自然科學基金(61773114)和江蘇省重點研究開發計劃(BE2017007-3)資助。

論文鍊接:
https://www.sciencedirect.com/science/article/pii/S0306452220302219

  • 智領江蘇(資訊)

  • 加入JSAI學會