从大脑信号计算机解码连续运动

BCI研究:计算机解码大脑信号的连续运动
图格拉茨研究人员首次成功地控制机械手臂完全由认为通常的非侵入性的方式实时使用脑电图帽。在这幅画:实验设置。前,机械臂控制的测试人(后面)。信贷:Baustadter - TU格拉茨

有史以来第一次,一个连续运动的目的是能够从非侵入性脑信号读出你格拉茨。这次成功使更自然和非侵入性的控制neuroprostheses实时进行。

旨在使截瘫的人一些自由运动,从而更好的生活质量,所谓(bci)衡量人的大脑活动和neuroprostheses把电流转化为控制信号。“控制思想”Gernot Muller-Putz所说以简化计算。的格拉茨大学神经工程技术研究所(TU格拉茨)是一种“老手”BCI研究和深入参与非侵入性的BCI系统。他和他的团队取得了最初的积极成果因为它使得基于脑电图与控制neuroprostheses或者机械臂在脊髓损伤患者在过去的十年。然而,直到现在的控制是不自然的,繁琐的,因为思维模式必须不断的想象。他最近完成了ERC集运商授予项目”感觉,“Muller-Putz和他的团队已经取得突破性进展,更自然的和持续发展的BCI控制系统。

所有这一切都归结到看

图格拉茨的研究人员首次成功控制纯粹的思想通常的非侵入性的方式实时使用脑电图帽。这是通过解码连续运动意图从大脑signals-something以前不可能的。研究人员首先检查各种运动参数,如位置、速度和距离,并提取其相关的神经活动。“眼睛是至关重要的贡献,“Muller-Putz说。“重要的是,允许用户使用他们的眼睛跟随机械臂的轨迹。”However, eye movements and eye blinks generate their own electrical signals, so-called ocular artifacts in the EEG. "These artifacts distort the EEG signal. They therefore have to be removed in real time. However, it is essential that eye-hand coordination can take place and thus contribute to the decoding of movement requests," Müller-Putz explains. In other words, the有助于捕获的意图。眼睛的不必要的信号本身,然而,必须过滤掉电活动用算术方法。

BCI检测不必要的动作

也基本bci开发的研究者之一是能够识别一个人是否要开始运动,可以识别一个面向目标的运动的开始。此外,该研究小组的另一个bci检测和纠正错误,即,不必要的机械手臂的运动;一个拼图的更自然的假肢的控制。“大脑的错误响应可以从EEG读出。BCI认识到执行的运动并不对应于人的意图。它停止机械手臂的运动或重置一开始,“Muller-Putz说。在项目中,错误检测成功测试了几次在测试脊髓受伤的人。

人们可以感受到机械手臂的运动

图格拉茨的研究人员也成功,所谓的动觉的反馈。“参与者不仅看到假肢的运动,他们也觉得,“Muller-Putz明显表示满意。从技术上讲,这是可能的帮助下振动传感器。这些都是坚持肩胛上的皮肤和跟踪运动精细流动机械臂的振动。从理论上讲,也有可能完全瘫痪的人感觉运动。“然而,我们必须考虑应用程序领域的脖子,“Muller-Putz说,暗指未来的目标。首先,研究人员希望改善的解码从视觉,故意和运动信息,从而检测错误和团结所有四个BCI系统“四BCI系统”。

引用从大脑信号:计算机解码连续运动(2021年9月27日)检索2023年5月7日从//www.pyrotek-europe.com/news/2021-09-decodes-movement-brain.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

MoreGrasp:更好地掌控的东西

股票

反馈给编辑