SSSEP提升下肢MI-BCI系统性能及其多维脑电特征分析

作者：张力新; 常美榕; 王仲朋; 陈龙^*; 明东

来源：中国生物医学工程学报, 2021, 40(04): 429-437.

• 下肢运动想象
• 脑-机接口(BCI)
• 稳态体感诱发电位(SSSEP)
• 事件相关谱扰动
• 分类识别

运动想象脑-机接口(MI-BCI)可解码用户运动意图,为无法自主运动患者提供一种额外交互控制通道,辅助或改善其生活方式。针对现有下肢MI-BCI分类性能较低等关键问题,引入了体感电刺激(ES)用于下肢MI-BCI构建混合范式(MI+ES),并与传统单一范式(MI)对比。共20名年轻健康右利手受试参与实验,5名参与最优诱发频率验证试验,15名参与正式实验。随后采集了参与正式实验的15名受试不同条件下脑电(EEG)数据,应用傅里叶变换(FFT)和事件相关谱扰动(ERSP)算法提取EEG频域响应、时频特征等,并计算alpha(8～14 Hz)、低beta(15～24 Hz)和高beta (25～35 Hz)等多频段能量变化。此外,分别探索了MI/(MI+ES)条件、共空间模式(CSP)/基于多频率成分的共空间模式(FBCSP)特征提取方法对下肢MI-BCI系统分类性能的影响。结果表明,引入体感电刺激策略可诱发明显的SSSEP特征,MI+ES条件分类准确率较单一MI条件有显著性提升(P<0.001),且应用FBCSP方法的系统分类准确率显著优于经典CSP方法(P<0.01):CSP特征提取方法下MI+ES条件的平均分类准确率为70.2%,其中受试S15的分类准确率达84.2%; FBCSP方法下的平均分类准确率为71.7%,受试S15的分类结果达到90%。初步证实了受试在体感电刺激条件下可诱发出明显的SSSEP特征,而且其融合MI可有效提升下肢MI-BCI分类性能,可支撑下肢MI-BCI系统的实用化进程,也为外周神经相关体感刺激调控方法的优化设计提供了新的技术思路。

• 单位
  转化医学研究院; 天津大学; 电子工程学院