最近在了解相关的资料,根据目前科研的最新报告,有人在做四维的运动想象,分别为:

上 :舌头(待跟进)

下:双脚 (无法区别左右脚,能量覆盖在动作皮层的中端)

左:右端  能量覆盖区在动作皮层右侧

右:左端,能量覆盖在动作皮层左侧

主要电极分布在 C3 C4 Fpz Cz 等  亦是前额 中央 后脑勺,8个电极的信号读取。

需要探讨的前进和后退还是属于未知领域。 如何进行六个维度的控制,我想仅从一个角度入手是不够的,毕竟脑电太过于简单和杂乱。

感觉运动脑区和手脚运动的对应关系

上述是根据能量的分布来做的运动想象分类

下面根据目前我所做的工作 对运动想象进行3D建模

 

 

背景:

这个问题的研究可以一直追溯到现代神经科学的奠基人、1932年诺贝尔奖获得者Charles Sherrington。他发现肌肉的控制是由脊髓中的运动神经细胞协同完成的,并非简单的一对一的控制。这个协同编码( Population Coding )的思想启发了后来的大脑运动皮层神经编码的研究,特别是1980年代初,Apostolos Georgopoulos等人发现运动皮层神经细胞是用一种“民主投票”的方式协同编码手臂的运动方向的。

方法:

x y z 是运动想象的基向量, 基向量通过大样本的测试获得的模型,实际上是一组向量,我们对运动想象从空间 时间 频率上进行特征提取,也就是意味着每一个组基向量都包含三组分向量,对于每个运动想象的信号进行3秒的延迟(实际控制上是可以接受这个延迟的,用户此时需要做相关的运动详细),采用slide window(间隔为500ms)的采样方式获得,也就是三秒内我们获得的采样长度

1:  0-3s

2:  0.5-3.5s

3: 1.0-3.5s

………..

输入采集到的连续脑电信号,同时对三秒的信号做空间定位(相关分析和功能连接)和能量频谱分析,时间上我们采用的是对其振幅和相位比较,这个三个输出向量组合成单位向量。

对于每一个输入进来的信号,首先判断其信号领域,这里需要考虑皮层分布空间位置和时间拟合,意味着信号在做空间分解的时候应该落到那个维度,之后对基向量进行投影,其在频率能量的投影就是在该方向的运动力度大小,输出来控制外部设备,按照理论来讲可以拟合任何角度的物体移动。

神经细胞“投票”决定运动方向

参考洪波(清华大学医学院)

进一步的研究发现,无论运动角度,还是手臂端点的位置、运动加速度,甚至手指的力量,都可以用类似的群体协同编码的方式来实现。如果再做些数学抽象,这个群体向量编码(Population Vector Analysis, PVA),实际上就是用一组基向量(每个神经细胞喜好方向的单位向量)来张成整个二维或者三维空间,任意一个目标方向在这些基向量上的投影,就是每个神经细胞的发放率,多么完美简洁的系统!理论上,我们的运动大脑皮层只需要3个神经细胞分别对应xyz三个方向的基向量,整个三维空间就可以被完全表示了,考虑到神经细胞方法率不可能是负数,再增加3个xyz负方向的神经细胞,也就足够了。实际上我们的大脑运动皮层有成千上万的细胞参与了这个协同编码,这样的冗余并非浪费,它使得编码更加稳健可靠,其中少数细胞的“缺席”(死亡或者没有被电极捕获到)或者“偷懒”(发放率不准确),不会影响最后编码目标方向的准确性。这样的编码规律完全可以表示为一个线性关系,也就是目标方向的向量V等于“捕获”到的神经细胞的基向量A用各自发放率R的加权求和:V=A*R。虽然我们还不知道这个方程是不是运动神经细胞编码的本质,但它很好地拟合了已有的数据,甚至可以通过它来实现脑机接口所期望的解码——由神经细胞活动来推测运动方向。如果先按照预定的轨迹V’运动,同时记录神经细胞放电R’,得到一组数据后就可以求得矩阵A;开始脑机接口解码时,神经细胞放电R是可以记录到的,通过V=A*R就可以得到当前的目标方向,也就是大脑要指挥外部设备(屏幕光标、假肢等)移动的方向。