【Brain】连续低频脑电图解码手臂运动，实现机械手臂的闭环自然控制

本文插图
自主运动的连续解码对于神经假体的闭环、自然控制是可取的。最近的研究表明，可以从低频(LF)脑电图(EEG)信号重建手的运动轨迹。到目前为止，这只在脱机状态下执行。奥地利格拉茨技术大学(Graz University of Technology)和意大利博洛尼亚大学(Universityof Bologna)的研究团队首次尝试用基于LF-EEG(低频脑电图)的解码动作对机器人手臂进行连续在线控制。
该研究涉及10名健康的参与者，要求他们通过控制机械臂来跟踪移动的目标。在实验开始时，机器人完全由参与者的手轨迹控制。译码模型校准后，逐渐由基于LF-EEG的解码轨迹取代该控制，首先为33%、66% ，最后为100%的EEG控制。与其他离线研究类似，研究人员用偏最小二乘(PLS)回归从脑电图回归运动参数(二维位置、速度和加速度) 。为了整合来自不同运动参数的信息，他们引入了组合PLS和卡尔曼滤波方法(命名为PLSKF) 。
研究结果：研究人员获得了手部运动学和PLSKF解码轨迹之间的平均0.32个中等但总体显著的在线相关性。参与者最终报告说，即使在100%的脑电图状态下，他们也感到有足够的控制能力，能够通过训练得到改善。
实验设置
研究人员首先设计了相应的实验：

本文插图
如上图，参与者坐在舒适的椅子上，椅子距离倾斜的屏幕约1 m 。参与者的右臂由平板支撑。右手的位置由安装在板上约20 cm的LeapMotion控制器记录。在实验过程中，屏幕显示了一个运动物体--蛇。参与者的目标是控制机械臂，以便跟踪蛇。机械臂的控制信号是手运动学（由LeapMotion记录）和基于EEG的解码轨迹的混合。在实验过程中，这两种成分的比例一直在变化。

本文插图
如上图(b) ，每次试验开始时都有一段休息时间，在此期间显示黄色十字，机械臂保持静止，参与者控制光标。当一个参与者想要开始一个新的试验时，他/她必须将光标移到十字架的中心，并保持静止1 s(基线) 。然后在屏幕上显示运动轨迹(即蛇) ，标志着跟踪周期的开始，该跟踪周期持续23 s 。
实验在概念上分为两部分，对应于EEG解码器的校准和在线反馈操作。主要的实验范式是在蛇跑中实现的，其实验结构如(b)所示。添加了两个眼动以记录眨眼和眼动。在线操作期间，基于脑电图的解码轨迹的比例每两个蛇行逐渐增加，首先是33％， 66％，最后达到100％脑电图控制的最终条件，如上图(c)所示。