基于神经反馈的运动想象训练及其应用研究

项目介绍

AI项目解读

基本信息

批准号：
61401162
项目类别：
青年科学基金项目
资助金额：
30.0万
负责人：
余天佑
依托单位：
华南理工大学
学科分类：
F0124.生物电子学与生物信息处理
结题年份：
2017
批准年份：
2014
项目状态：
已结题
起止时间：
2015-01-01 至2017-12-31

项目参与者：
肖君；王斐；赵连超；庄晓滨；温珍福；
关键词：
训练运动想像运动功能康复多模态脑机接口神经反馈

项目摘要

Motor imagery related sensorimotor rhythms are the most commonly used spontaneous brain activities in the brain-computer interfaces (BCIs). Although motor imagery-specific EEG differences can be observed in the initial sessions for some subjects, the differences are generally not sufficient to provide reliable EEG control, especially for naïve BCI users. Neuro-feedback can serve to maintain subjects' interest in and attention to the task, as well as help the subjects to test the effects of various control strategies by providing them with instantaneous information about EEG changes. The subjects can thus learn to modulate their own brain signals, and further control a BCI. However, the boring training procedure and unintended feedbacks in the initial sessions greatly deteriorate the training results. The proposed project focus on the feedback presentation, the models used to feedback and the optimization of motor imagery detection algorithms. In this project, 1) multi-modal feedback shall be implemented by incorporating virtual reality and visualization technologies; 2) feedback models based on hybrid features of multi-modal brain activities shall be accomplished; 3) preprocessing, feature extraction and selection algorithms for motor imagery detection shall be carefully studied and optimized. This project aims to setup an efficient motor imagery training paradigm that not only attracts the users and provides satisfactory feedback performance, but also enhances the training. Additionally, a motor imagery BCI-based active functional recovery system for patients with motor disorders shall be constructed.

运动想象产生的感觉运动节律是脑-机接口系统中最常用的主动脑电模式。大部分用户需要经过很长时间的训练之后才能有效的使用运动想象脑-机接口。神经反馈能够吸引被试注意力，让用户能够根据反馈的信息调节自己的脑电信号，并进一步使用脑-机接口系统。但是，传统基于神经反馈的运动想象训练方式过程枯燥，而且在训练初期会出现较多与用户意图不符的反馈，导致训练效果非常不理想。本项目从神经反馈方式的构建、反馈模型的产生以及运动想象脑信号检测算法的优化三个方面展开工作：1）结合虚拟现实与可视化技术构建多模态神经反馈；2）利用多模态脑活动建立基于混合特征的反馈模型；3）优化预处理、特征提取与选择算法，提高运动想象的检测性能。通过对本项目的研究，形成能够吸引被试注意力、具有较高反馈准确率的快速、高效运动现象用户训练方法。另外，通过脑-机接口技术与康复机器人的结合，建立基于运动想象脑-机接口的主动式运动功能康复训练平台。

结项摘要

脑机接口研究对于信息科学和脑科学的探索具有重要的理论价值，同时也提供了一种全新的人机交互方式，具有明显的应用价值。在脑机接口的研究和应用中，运动想象产生的感觉运动节律是脑-机接口系统中最常用的主动脑电模式。尽管在最初实验阶段就能够观测到运动想象相关节律的变化，大部分用户需要经过很长时间的训练之后才能有效的使用运动想象脑机接口，因此如何减少用户训练时间是一个亟待解决的关键问题。本项目研究了基于多模态神经反馈的用户运动想象训练方法，目的是提高运动想象训练的效果，减少训练时间。在国家自然科学基金支持下，本项目进展顺利，已完成主要研究内容。首先，实现了基于虚拟现实和可视化技术的多模态神经反馈，提高了用户专注度和运动想象训练效率；其次建立了无监督以及半监督反馈训练范式，实现了用户与计算机互相适应的训练，大大缩短了单次训练时间。另外，通过整合多种模态脑信号，实现了基于多种脑信号的混合特征反馈模型，提高了反馈的准确性。并建立了基于概率输出的野点检测算法，实现了联合时域、频域和空域信息的特征提取，以及基于稀疏贝叶斯学习的自动特征选择算法。最后，实现了基于运动想象脑-机接口的残疾人运动功能康复训练系统，并完成其效果评估。本项目的研究成果发表在包括IEEE Transactions on Biomedical Engineering，IEEE Transactions on Neural System and Rehabilitation Engineering等本领域国际权威期刊上，并申报了多项专利。