基于MR-BCI的机器人辅助上肢康复中运动意图解码与训练效果评估

《ACM Transactions on Applied Perception》：Motion Intention Decoding and Training Effect Evaluation in Robot-assisted Upper Limb Rehabilitation based on MR-BCI

脑机接口与康复机器人结合的创新方法在混合现实环境中验证，通过三组EEG实验范式解决运动意图分类难题，构建多尺度卷积残差网络提升识别准确率至87.52%，并定量分析机械辅助对上肢血氧响应的影响，证实其促进组织修复的有效性。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

由于中风患者的运动能力较弱，他们难以准确表达自己的运动意图，因此与康复训练机器人的互动存在困难。尽管脑机交互（BCI）有助于感知患者的运动情况，但如果没有足够的数据来评估机器辅助的效果，它无法独立解决这一问题。本研究提出了一种在混合现实（MR）环境中整合康复训练和训练效果评估的BCI方法。设计了三种EEG实验范式，利用运动想象将运动执行的四分类问题转化为三个二分类问题。构建了一个基于多头注意力机制的多尺度卷积残差网络的EEG分类模型，该模型包括一个多头注意力机制层、四个卷积层和一个池化层。在测试数据集上，12名参与者的准确率最高，Kappa系数也为最佳。MI、ME1和ME2的平均分类准确率分别为80.35%、87.52%和86.51%，证明了所提出的分类方法具有足够的解码精度。通过比较参与者在康复训练过程中接受机器人辅助前后上肢的血流动力学反应曲线，定量分析了这些变化。使用配对样本t检验来比较单个参与者的血流动力学数据，计算了总体平均差异的显著性，以评估机器人辅助在提高局部组织血液氧含量、改善组织功能和加速局部组织修复方面的作用。本研究验证了机器人康复训练的有效性，并有助于开发出运动意图感知与运动能力之间协调性更好的新型BCI。

人工智能摘要

人工智能生成的摘要（实验结果）

本摘要是由自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现研究价值、评估文章的相关性，并辅助来自相关研究领域的读者理解文章内容。它是对作者提供的摘要的补充，作者提供的摘要仍是文章的正式摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。