Comment on "On the Extraction of Purely Motor EEG Neural Correlates during an Upper Limb Visuomotor Task"
Bibian等人在他们最近的论文(Bibián et al. 2021)中表明,眼睛和头部运动会影响到达运动任务中基于EEG的分类。这些移动可能产生伪影,其可能导致对分类准确性的过于乐观的估计。他们推测,这些伪影会危及对包括我们研究在内的几项运动解码研究结果的解释(Ofner et al. 2017)。虽然我们总体上赞同他们关于人工制品的警告,但我们确实怀疑他们的工作是否支持我们研究中的这种说法。我们在这篇评论中提供了一个更微妙的背景下,我们的工作在奥夫纳等人。
2022-07-22 q-bio.NC
Leveraging Recurrent Neural Networks for Predicting Motor Movements from Primate Motor Cortex Neural Recordings
本研究针对非人灵长类神经记录的运动解码问题,提出采用AEGRU模型(训练阶段用自编码器提升泛化),结合预处理在Neurobench基准及IEEE BioCAS 2024神经解码挑战赛中取得最优$R^2$成绩,且剪枝后可大幅降低运算量且性能损失极小。
2024-11-01 cs.LG eess.SP q-bio.NC
How does neural activity encode spontaneous motor behavior in zebrafish larvae ?
人类和其他脊椎动物的自发运动的起源已经被研究过了。研究报告称,在给定运动开始前一秒,神经元活动会增加:这被称为准备电位。这种增加的机制尚不清楚。斑马鱼幼体是研究自发运动神经基础的理想动物模型。由于其体积小和透明性,这种脊椎动物是应用光学记录方法的理想候选者。为了了解在给定时间是什么神经元活动导致特定的尾部运动的执行,我们将主要使用预测方法。
2020-12-19 q-bio.NC q-bio.QM
Modeling Basal Ganglia for understanding Parkinsonian Reaching Movements
我们提出了一个计算模型,强调基底神经节(BG)在产生简单的达到运动的作用。该模型在强化学习(RL)框架内进行铸造,RL组件和神经解剖学之间的对应关系如下:黑质多巴胺信号作为时间差误差,纹状体作为Critic的基底,运动皮层作为Actor。这种神经生物学解释的一个关键特征是我们的假设,即间接途径是探索者。混沌活动,起源于模型的间接路径部分,驱动着手臂的游荡和探索运动,因此直接路径有利于开发,而间接路径有利于探索。随着训练的进行,运动皮层变得越来越独立于BG的校正影响。到达轨迹显示出随着训练而减少的可变性。与帕金森病(PD)相关的到达运动是通过(a)减少多巴胺和(b)通过将其从混沌切换到周期性行为来降低间接通路动力学的复杂性来模拟的。在模拟PD条件下,手臂表现出PD运动症状,如震颤、运动迟缓和下冲。该模型反映了PD是一种动态疾病的概念。
2010-09-23 q-bio.NC
The Spatiotemporal Organization of Motor Cortex Activity Supporting Manual Dexterity
本研究通过ICMS和光学成像及电生理记录,揭示猕猴M1皮层支持伸手-抓握运动的活动呈斑块状空间组织,且伸手与抓握相关活动在空间上分离。
2025-08-05 q-bio.NC
Natural movement with concurrent brain-computer interface control induces persistent dissociation of neural activity
随着脑机接口(BCI)技术的发展,它可能会被纳入补充和补充用户现有运动的协议。这种控制的两种可能的情况可能是:越来越多的兴趣来控制人工多余的假肢,或在脑损伤后的情况下,BCI可以与残余运动一起恢复能力。在这项研究中,我们探讨了人类运动皮层能够通过BCI同时控制运动和公开执行运动的程度。重要的是,这两种运动类型都是由相同的皮质部位驱动的。通过这种方式,我们的目标是将该皮层部位的活动与正在进行的运动分离开来,而是允许BCI的表示和控制与运动皮层活动一起发展。我们调查了BCI的性能及其对最初与外显执行相关的运动诱发电位的影响。
2016-04-05 q-bio.NC
Electrocorticographic Dynamics Predict Visually Guided Motor Imagery of Grasp Shaping
手抓握成形的预期运动类型和运动相位的识别是意志神经假肢控制的关键特征。我们证明,神经动力学在视觉引导的想象把握塑造可以编码预期的运动。我们应用Procrustes分析和LASSO回归,以达到72%的准确率(机会= 25%),在视觉引导的想象把握轨迹之间的区别。此外,我们可以从试验开始的经过时间的形式预测抓握成形的阶段(R2=0.4)。我们的方法有助于更准确的单次试验解码的更高层次的运动目标和个人的抓取动作的阶段没有受过训练的脑机接口。我们还发现,整体随时间变化的轨迹结构的想象运动往往是一致的个人,和试验内的瞬态轨迹偏差返回到任务依赖的轨迹均值。这些研究结果可能有助于进一步了解人类运动想象的皮层动力学。
2017-02-21 cs.HC q-bio.NC
Optimized motor imagery paradigm based on imagining Chinese characters writing movement
运动想象(MI)是运动行为的心理表征,已被广泛用作脑机接口(BCI)的控制方法,允许身体受损者进行交流。基于MI的脑机接口的性能主要取决于受试者对脑电信号的自调制能力。适当的训练可以帮助幼稚的受试者学会熟练地调节大脑活动。然而,训练对象通常涉及抽象的运动任务,并且是耗时的。为了提高幼稚被试在运动想象过程中的表现,提出了一种新的范式,该范式将指导幼稚被试有效地调节大脑活动。在这个新的范式中,左手或右手的图片被用来作为线索,为受试者完成运动想象任务。14名健康受试者(11名男性,年龄22-25岁,平均23.6+/-1.16岁)参加了本研究。任务是想象写一个汉字。具体来说,受试者可以想象手的动作后,在中国字符的书写笔画的顺序。这种模式的目的是为大多数中国人找到一个有效的和熟悉的动作,为他们提供一个具体的,广泛练习的任务,并帮助他们调节大脑活动。结果表明,写作任务范式的成绩显著优于传统的箭头范式(p<0.001)。问卷调查结果表明,大多数受试者认为新的范式更容易和更舒适。提出的新的运动想象范式可以指导被试有效地调节大脑活动。实验结果表明,新范式在分类准确率和可用性方面都有显著的提高。
2016-09-30 cs.HC q-bio.NC
Modelling Spontaneous Firing Activity of the Motor Cortex in a Spiking Neural Network with Random and Local Connectivity
本文构建了具有分层结构和局部连接的运动皮层脉冲神经网络模型,发现局部连接能提高发放率、扩大发放分布并使发放不规则性更接近实验数据,表明连接拓扑对自发活动中的发放模式具有重要作用。
2023-07-05 q-bio.NC
Analyzing Speech Motor Movement using Surface Electromyography in Minimally Verbal Adults with Autism Spectrum Disorder
本研究针对最少言语自闭症成人言语运动评估的间接方法局限,采用sEMG测量8块言语相关面部肌肉活动,发现该群体肌肉激活更强、同步性更高、协调复杂度更低,为相关言语障碍研究提供直接运动学证据。
2024-07-11 cs.HC q-bio.NC
Music and musical sonification for the rehabilitation of Parkinsonian dysgraphia: Conceptual framework
音乐已被证明可以增强帕金森病(PD)患者的运动控制。值得注意的是,音乐节奏被认为是一种外部听觉线索,有助于PD患者更好地控制运动。这种效应的基本原理是,基于听觉指导的运动控制将激活一个补偿性脑网络,最大限度地减少涉及基底神经节的缺陷通路的招募。将音乐与运动联系起来会改善PD患者的感知和控制吗?音乐发声包括根据某些运动参数实时修改预选音乐的回放。这种方法的验证正在进行中,用于PD患者的手写。当证实后,这项研究将加强音乐发声在运动控制和(再)学习PD的临床兴趣。
2018-12-18 q-bio.NC
Self-configuring feedback loops for sensorimotor control
哺乳动物神经系统区域之间的动态相互作用如何执行在线运动控制仍然是一个未解决的问题。在本文中,我们表明,反馈控制是一个简单的,但强大的方式来理解感觉运动控制的神经动力学。我们使用一个最小的模型来证明我们的观点,这个模型包括脊髓、感觉和运动皮层,它们由长的塑料连接连接起来。它成功地从零开始学习如何在几个方向上执行具有6块肌肉的平面手臂的伸展运动。该模型满足生物相容性约束,如神经实现,传输延迟,局部突触学习和连续在线学习。利用微分赫布可塑性,该模型可以在不到10分钟的时间内从运动牙牙学语到达到任意目标。此外,与学习机制无关,适当配置的反馈控制具有许多涌现的特性:运动皮层中的神经元群体表现出定向调谐和振荡动力学,脊髓产生线性增加的收敛力场,运动是共济失调的(就像没有小脑的运动系统一样)。
2022-10-21 q-bio.NC
Let Us Dance Just a Little Bit More --- On the Information Capacity of the Human Motor System
费茨定律是测量人类运动系统能力的基本工具。然而,根据定义,它仅限于针对空间扩展目标的有针对性的运动。我们重新审视它的信息理论基础,目标是将其推广到不受约束的训练运动,如舞蹈和体育运动。拟议的新措施是基于受试者准确再现复杂运动模式的能力。我们展示了我们的框架,使用专业舞蹈表演的动作捕捉数据。
2012-02-13 cs.HC cs.IT math.IT
Analysis of Relation between Motor Activity and Imaginary EEG Records
Iskenderun Technical University(伊斯肯德伦技术大学)
脑电图(EEG)信号通常用于了解大脑结构和了解思维。脑电信号很容易受到外界因素的影响。因此,在分析过程中,需要对其进行各种预处理。本研究利用109名被试者在做左右拳开合动作和想象动作时的脑电信号进行分析。探讨运动活动与想象运动活动的关系。具有高性能率的算法已被用于特征提取,选择和分类,使用最近邻算法。
2021-01-21 cs.AI q-bio.NC
A computational theory for the production of limb movements
运动控制是所有自愿行为反应的基础。基于不同原理的几种不同理论(任务动力学、平衡点理论、被动运动范式、主动推理、最优控制)解释了行动如何产生的具体方面,但未能提供关于这个问题的统一观点。在这里,我们提出了一个简洁的理论,电机控制的基础上三个原则:最佳反馈控制,控制与后退的时间范围,和任务表示的一系列的通过点更新在固定的频率。通过构造,该理论为自由度问题提供了合适的解决方案,即存在冗余和噪声的轨迹形成。我们通过计算机模拟表明,该理论还解释了离散的,连续的,有节奏的和时间约束的运动的生产,以及它们的参数和统计特性(比例律,幂律,速度/精度权衡)。该理论没有自由参数,只有有限的变化,其实施细节和噪声的性质是必要的,以保证其解释力。
2021-07-19 q-bio.NC
Multistep Model for Predicting Upper-Limb 3D Isometric Force Application from Pre-Movement Electrocorticographic Features
运动规划的起始和方向的神经相关性可能存在于人类皮层电图中的运动和非运动皮层区域的信号动力学中。我们使用一个三阶段的模型jPCA降秩隐马尔可夫模型(jPCA-RR-HMM),正则化收缩质心判别分析(RDA),和LASSO回归提取方向敏感的规划信息和运动开始在上肢三维等距力任务在人类受试者。该模式在250 ms内实现了60%的相对较高的真正力开始预测率,并且在使用预运动信号预测六个计划的等长力3D方向之一时,具有36%以上的准确率(17%的机会)。我们还发现了方向区分信息400毫秒前力发作的预运动信号,放置在肢体同侧背运动前区的电极捕获。这种方法可以有助于在更早的时间尺度上更准确地解码更高级别的运动目标,并通知传感器的放置。我们的研究结果也有助于进一步了解人类运动规划的时空特征。
2016-05-17 cs.HC q-bio.NC
Target-distractor Synchrony Affects Performance in a Novel Motor Task for Studying Action Selection
人类行为选择的研究可能会给任务设计带来挑战,因为我们的行为通常是由许多自由度定义的,因此占据了很大的行为空间。虽然扫视眼动提供了一个更受约束的范式调查行动的选择,在上肢的研究达到和把握往往被定义为更复杂的情况下,不容易解释这样的选择。在这里,我们提出了一种新的运动行为的任务,它解决了这一问题,通过限制动作空间到一个单一的自由度,其中受试者必须跟踪(使用手写笔)的垂直彩色目标线显示在平板电脑上,而忽略了类似的定向分心线在不同的颜色。我们用55名受试者进行了这项任务,结果表明,与以前的研究一致,干扰物的存在通常会增加运动延迟和方向错误率。此外,我们使用了两个分心条件,根据是否分心的位置变化异步或同步的目标的位置。我们发现,异步分心产生较差的性能比同步对应,具有显着更高的运动延迟和更高的错误率。我们解释这些结果在一个行动选择框架与两个行动(向左或向右移动)和竞争的“行动请求”提供的目标和分心。因此,这些结果提供了对人类动作选择性能的深入了解,并提供了直接约束未来计算模型的数据。
2017-05-03 q-bio.NC
An Improved EEG Acquisition Protocol Facilitates Localized Neural Activation
Indian Institute of Science(印度科学研究所);PES University(PES大学)
这项工作提出了改进的脑电图(EEG)记录协议,通过引入实际的运动和/或体感线索的运动想象。所获得的结果表明,要求受试者进行运动动作的优势,以下的试验的图像。通过在协议中引入运动动作,受试者能够执行实际的运动规划,而不仅仅是将运动运动可视化,从而大大提高了想象运动运动的容易性。本研究还探讨了额外的优势,管理体感线索的主题,而不是传统的听觉/视觉线索。协议中的这些变化显示出在数据上获得的空间滤波器的适用性方面的承诺,在众所周知的公共空间模式(CSP)算法的应用上。由空间滤波器突出显示的区域是更本地化的和一致的,当协议与体感刺激增强。因此,我们建议,这可能被证明是一个更好的脑电图采集协议,用于检测大脑激活(临床)瘫痪/锁定患者的预期运动命令。
2020-03-13 cs.AI eess.SP q-bio.NC
Motor imagery classification using EEG spectrograms
University of Engineering and Technology, Taxila(塔克西拉工程技术大学);Children’s National Hospital(国家儿童医院);Sheikh Zayed Institute for Pediatric Surgical Innovation(谢赫·扎耶德儿科外科创新研究所);George Washington University(乔治华盛顿大学)
脊髓损伤导致的肢体运动丧失是一种残疾,可能会影响人们进行日常活动。肢体运动的恢复将使脊髓损伤的人能够更自然地与他们的环境互动,这就是脑机接口(BCI)系统的好处。肢体运动想象(MI)的检测对于这样的BCI可能是重要的,其中检测到的MI可以指导计算机系统。通过脑电图(EEG)使用MI检测,我们可以识别用户对运动的想象,并将其转化为物理运动。在本文中,我们利用预训练的深度学习(DL)算法对想象的上肢运动进行分类。我们使用一个公开的EEG数据集,数据代表七类肢体运动。我们计算时间序列EEG信号的频谱图,并将其作为MI分类的DL模型的输入。我们使用预训练的DL算法和频谱图对上肢运动进行分类的新方法在七个运动类别中取得了显着改善的结果。与最近提出的最先进的方法相比,我们的算法实现了显着的平均准确率为84.9%的分类七个动作。
2022-11-15 cs.HC cs.LG eess.SP
Embodied Virtual Reality Feedback Reshapes Neural Representations to Support Continuous Three-Dimensional Motor Imagery Decoding
Ulster University(阿尔斯特大学);University of Bath(巴斯大学)
本研究通过十名参与者的纵向实验,首次系统探究了具身虚拟现实反馈在实时三维虚拟肢体运动想象控制中的作用,发现VR反馈显著优于屏幕反馈,能提升解码性能并诱发更可解码和泛化的神经表征。
2026-05-28 cs.HC eess.SP q-bio.NC
A sub-Riemannian model of neural states in the primary motor cortex
Dipartimento di Matematica, Università di Bologna(博洛尼亚大学数学系);Centre d’Analyse et de Mathématique Sociales, Sorbonne Université(索邦大学社会分析与数学中心)
基于子黎曼几何框架,通过运动学参数定义片段空间,引入几何核模拟皮层连接,成功从皮层活动模型中恢复出神经状态,验证了运动学变量和距离度量足以解释神经状态形成。
2026-06-23 q-bio.NC
From Theory of Mind to Theory of Environment: Counterfactual Simulation of Latent Environmental Dynamics
Ryutaro Uchiyama(独立研究者)
本文提出'环境理论',通过社会线索推断隐藏环境动态,利用与心智理论共享的计算机制,扩展运动探索维度以促进行为创新。
2026-01-04 cs.AI q-bio.NC
Comparing fingers and gestures for bci control using an optimized classical machine learning decoder
本研究利用ECoG数据比较手指屈曲和手势的可解码性,发现手指屈曲在多种手部运动解码中表现更优,且优化的经典机器学习模型可作为通信辅助系统的可行解码器。
2024-06-25 q-bio.NC
Deep Learning of Movement Intent and Reaction Time for EEG-informed Adaptation of Rehabilitation Robots
Rutgers University(罗格斯大学)
越来越多的证据表明,适应是康复机器人促进运动学习的关键机制。然而,它通常是基于机器人衍生的运动学,这是一个相当主观的性能测量,特别是在存在感觉运动障碍。在这里,我们提出了一种深度卷积神经网络(CNN),它使用脑电图(EEG)作为两个运动学分量的客观测量,这两个运动学分量通常用于评估运动学习和适应:i)启动目标导向运动的意图,ii)该运动的反应时间(RT)。我们评估了我们的CNN从内部实验中获得的数据,其中13名受试者在平面上向四个方向移动康复机械臂,以响应视觉刺激。我们的CNN在意图(意图与无意图)和RT(慢与快)的二进制分类中分别实现了80.08%和79.82%的平均测试准确率。我们的研究结果表明,涉及不同类型的运动学习的个人运动组件可以预测从同步的EEG数据开始之前获得的运动。因此,我们的方法可以实时通知机器人适应,并有可能进一步提高执行康复任务的能力。
2020-02-18 cs.HC cs.NE cs.RO
On the assesment of functional connectivity in an immersive brain-computer interface during motor imagery
脑机接口(BCI)设计的新趋势旨在将该技术与沉浸式虚拟现实相结合,以便为其用户提供真实感。在这项研究中,我们提出了一个实验性的脑机接口控制沉浸式临场感系统使用运动想象(MI)。该系统是沉浸式的,因为用户可以在第一人称视角(1 PP)中控制NAO人形机器人的移动,即,就好像机器人的运动是他/她自己的一样。我们分析功能性脑连接之间的1 PP和3 PP在控制我们的BCI使用图论属性,如度,介数中心,和效率。这些度量的变化是针对1 PP的情况以及针对传统的第三人称视角(3 PP)获得的,在传统的第三人称视角中,用户可以看到机器人的移动作为反馈。作为概念验证,记录了两名受试者的脑电图(EEG)信号,同时他们执行MI以控制机器人的运动。将图论分析应用于通过部分有向相干(PDC)得到的二元有向网络。在我们的初步评估中,我们发现,与前额叶皮层的3 PP相比,1 PP条件下α脑节律的效率更高。此外,在1 PP条件下,在C3通道(初级运动皮层)测量的EEG信号对其他区域的影响更强。此外,我们的初步结果似乎表明,α和β脑节律在1 PP条件下的前额叶皮层有较高的深度,这可能与代理感的经验。因此,在沉浸式系统中控制远程呈现机器人的同时,使用PDC结合图论可能有助于理解这些环境中大脑网络的组织和行为。
2019-12-05 eess.SP q-bio.NC
Motor Imagery Task Alters Dynamics of Human Body Posture
本研究探讨了运动表象对人体姿势控制的影响,通过数学模型分析发现运动表象会显著改变压力中心的非线性动力学,且变化方向与想象运动一致,为康复科学中的针对性姿势调整提供了依据。
2024-05-31 eess.SP q-bio.NC
Emergent togetherness in collaborative dance improvisation: neural and motor synchronization reveal a coupling-decoupling paradox
Physics Institute, Federal University of Bahia(巴伊亚联邦大学物理研究所);Physics Department, Federal University of Pernambuco(伯南布哥联邦大学物理系);Superior School of Physical Education, University of Pernambuco(伯南布哥大学高等体育教育学院);Faculty of Human Kinetics, University of Lisbon(里斯本大学人类动力学学院);Institute of Ethnomusicology - Centre for Studies in Music and Dance(民族音乐学研究所 - 音乐与舞蹈研究中心);Dance School, Federal University of Bahia(巴伊亚联邦大学舞蹈学院);Department of Performing Arts, Federal University of Rio de Janeiro(里约热内卢联邦大学表演艺术系)
研究通过舞蹈即兴探索神经-运动耦合系统的涌现协调,发现训练使脑内同步增强但人际运动同步降低,揭示共处源于共享神经意图而非相同动作。
2026-01-07 nlin.AO q-bio.NC
An integrated heterogeneous Poisson model for neuron functions in hand movement during reaching and grasp
为了理解在伸手抓握运动期间运动皮层神经元对控制命令的潜在编码机制,已经在许多研究实验室中进行了记录来自初级运动皮层区域的神经元活动的实验(例如,(7)、(17))。神经科学界最流行的方法是使用单个神经元的放电率来拟合方差分析(ANOVA)模型。除了考虑神经元放电次数外,还考虑了时间间隔,(5)提出应用协方差分析(ANCOVA)模型。由于数据的性质,在本文中,我们提出了一个集成的方法,称为异质泊松回归模型,分类不同的神经活动。三种情况下进行了讨论,表明所提出的异构泊松回归模型可以克服传统的泊松回归模型的一些缺点。
2019-11-27 q-bio.NC stat.AP stat.ME
Left/Right Brain, human motor control and the implications for robotics
Monash University(莫纳什大学);Tel Aviv University(特拉维夫大学);Cerenaut(瑟雷诺公司)
本研究受人类左右脑半球特化机制启发,提出带定制损失函数的双侧神经网络运动控制架构,经两项运动任务验证其性能优于单侧模型,为工业运动控制提供新思路。
2024-07-10 cs.AI cs.LG cs.NE
Embodied sensorimotor control: computational modeling of the neural control of movement
本文综述了感觉运动控制的神经机制,整合神经群体低维流形、最优反馈控制和具身肌肉骨骼动力学建模,并提出多任务、多区域环路与解剖细节等未来方向。
2025-09-17 cs.AI q-bio.NC
Classification of Upper Arm Movements from EEG signals using Machine Learning with ICA Analysis
MNIT(马尔维亚国家理工学院)
脑-机接口系统是运动活动实验的一个正在深入发展的领域,它对认知活动的解码起着至关重要的作用。从脑电信号中对认知运动想象活动进行分类是一项重要的任务。提出了一种利用多层感知器神经网络对左右手动作进行分类的算法。手工统计时域和功率谱密度频域特征提取,并获得了96.02%的综合准确率。结果与深度学习框架进行了比较。除了准确性,精度,F1分数和召回被认为是性能指标。多余信号的干扰会污染脑电信号,影响算法的性能。因此,提出了一种新的方法来消除使用独立分量分析,提高了性能的文物。在选择提供可接受精度的适当特征向量之后。对所有9名受试者使用了相同的方法。结果,9例受试者的受试者内准确度为94.72%。实验结果表明,该方法能够对上肢运动进行准确分类。
2021-07-18 cs.HC cs.LG eess.SP