半球控制脑机接口的能力探索"/>
中风患者使用对侧大脑半球控制脑机接口的能力探索
脑机接口(BCIs)作为脑卒中康复的一种新方法,已被证明具有临床疗效。在许多基于BCI的研究中,同侧半球的激活被认为是中风后运动恢复的关键因素。然而,新的证据表明,对侧大脑半球在运动功能康复中也起着作用。本研究的目的是调查BCI从对侧半球检测受影响手的运动图像的有效性。
本研究分析了来自136名中风患者的大型脑电图数据集,这些患者对他们中风受损的手进行了运动成像。从覆盖同侧、对侧或双侧半球的通道中提取BCI特征,并使用10×10-fold交叉验证计算离线BCI准确性。结果显示,大多数中风患者可以使用对侧半球或同侧半球操作BCI。同侧BCI准确率低于60%的患者,其运动障碍明显高于同侧BCI准确率高于80%的患者。有意思的是,那些同侧BCI准确率低于60%的患者,其对侧BCI准确率显著更高,而那些同侧BCI准确率高于80%的患者,其对侧BCI准确率显著较低。
本研究采用公共空间模式(CSP)算法、滤波器组公共空间模式(FBCSP)算法和频带功率(BP)特征提取算法,从覆盖同侧、对侧或双脑半球的通道中提取136例脑卒中患者的脑电信号及其BCI特征。为了降低特征的维数,本研究采用基于互信息的最佳个体特征(MIBIF)算法进行特征选择,只使用最具识别力的特征。然后使用朴素贝叶斯Parzen窗口(NBPW)分类器27对所选特征进行分类。最后,统计分析三种类型BCI(即同侧、对侧和双侧BCI)的平均10倍交叉验证结果。本研究主要解决以下几个问题:
•脑卒中患者是否能够仅使用对侧脑半球的脑电图信号有意义地操作基于BCI的康复系统?
•与使用同侧脑半球甚至两个脑半球的脑电图相比,中风患者使用对侧脑半球的脑电图控制BCI的表现有区别吗?这种区别有多大?
•BCI表现与患者的人口学数据(包括Fugl-Meyer评估评分和中风后时间)之间是否有关系?
结果
对侧和同侧半球的ERD/ERS。运动成像过程中对侧半球和同侧半球的ERD/ ERS模式的时频映射如图1所示。本研究观察到ERD/ERS现象发生在对侧半球和同侧半球。平均而言,同侧大脑半球的ERD略高于对侧大脑半球,大部分在β带。然而,相对于同侧脑半球,对侧脑半球产生了更强的大平均ERS,主要是在节律上。图2显示了对侧半球和同侧半球ERD/ERS的大平均功率变化。可以观察到,在运动想象过程中,在运动想象开始后(t = 0),有一个相对功率下降(ERD),然后两个半球的功率(ERS)增加。大平均ERD在同侧半球的振幅略低于对侧半球。然而,相对于同侧脑半球,对侧脑半球显示出更高的ERS振幅。重要的是,通过比较不同的时间间隔以及点对点比较,本研究没有观察到在[0,4]s的时间范围内,同侧半球或对侧半球的ERD/ERS之间有任何统计学上的显著差异。
图1.时频表示表示事件相关(去)同步(ERD/ ERS)的大平均值。(a)对侧半球的ERD/ERS。(b)同侧半球ERD/ERS。ERD用蓝色表示,而ERS用红色表示。
图2.运动想象期间(即从0到4秒),相对于提示前1.5秒的静止基线,对侧半球和同侧半球的事件相关(去)同步(ERD/ERS)的大平均功率变化。
表1. 比较使用三种不同BCI特征提取方法获得的三种BCI类型(双侧、对侧或同侧通道)之间平均10×10倍交叉验证的BCI准确性。Acc. accuracy, Cont. contralesional, Ipsi. ipsilesional, SD standard deviation, vs versus.
表2. 使用不同BCI特征提取方法的BCI平均准确率(双侧通道、对侧或同侧)低于60%的患者百分比。
图3.使用不同的特征提取算法(FBCSP, CSP和BP)比较对侧和同侧BCIs的平均交叉验证精度的散点图。蓝点代表每个中风患者的平均BCI准确性。
比较对侧、同侧和双侧BCI类型的分类结果
表1比较了从136例中风患者中获得的三种BCI(即双侧、对侧或同侧通道)的10×10-fold交叉验证结果,使用FBCSP、CSP或BP特征。总体而言,使用具有FBCSP特征的双侧通道产生了最高的BCI表现,显著优于使用FBCSP和CSP的同侧和对侧BCI表现。然而,它并没有明显优于有BP特征的对侧BCI。结果还显示,平均而言,对侧BCI的表现略好于同侧BCI。重要的是,当使用FBCSP和BP特征时,脑卒中患者使用同侧脑半球控制BCI的表现与使用对侧脑半球相比,无统计学差异。
表2显示,使用对侧脑半球BCI平均准确率未达到60%以上的患者总数少于使用同侧脑区BCI未达到60%以上BCI平均准确率的患者总数。
有趣的是,当本研究观察图3中的散点图时,可以观察到,对于同侧BCI准确率低于60%的特征提取方法,对侧BCI比同侧BCI具有更好的分类准确率。相反,那些同侧BCI准确率大于80%的患者使用对侧BCI的准确率较低。表3提供了相应统计结果的详细信息。
脑卒中后感觉运动障碍和脑卒中后时间对BCI表现的影响。
本研究没有观察到中风患者使用对侧、同侧或双侧脑半球进行BCI操作的能力与他们的Fugl-Meyer评分之间存在显著相关性。也就是说,本研究观察到同侧BCI平均准确率低于60%的患者的Fugl-Meyer评分与同侧BCI平均准确率高于80%的患者的Fugl-Meyer评分之间存在显著差异。从表4中,本研究观察到,使用Fugl-Meyer评估法测量的同侧BCI准确率低于60%的患者,其运动障碍明显高于同侧BCI准确率高于80%的患者。
表3. 用三种不同的BCI特征提取方法,比较同侧BCI精度低于60%和同侧BCI精度高于80%的同侧BCI和对侧BCI的平均10 × 10倍交叉验证精度。Acc. accuracy, SD standard deviation.
表4. 使用三种不同的BCI特征提取方法获得的同侧BCI准确率低于60%和同侧BCI准确率高于80%的Fugl-Meyer评分的比较。FMA Fugl–Meyer assessment, Acc. accuracy.
关于卒中持续时间对BCI表现的影响,本研究没有观察到使用对侧、同侧或双侧脑半球检测运动图像的准确性与卒中后的时间之间有任何显著相关性。此外,患侧BCI准确率低于60%的患者与患侧BCI准确率高于80%的患者在脑卒中后时间无显著差异。
讨论
本研究探讨脑卒中患者对侧脑半球脑电图活动对脑梗死的控制能力。结果表明,ERD/ERS现象确实发生在对侧半球和同侧半球,进一步证实了在受影响手的运动想象过程中,对侧大脑半球也参与其中。
此外,本研究发现,大多数中风患者能够使用对侧或同侧脑半球操作BCI。通过比较从对侧半球和同侧半球获得的BCI准确性,本研究发现同侧半球BCI准确性低于60%的患者明显比同侧半球BCI准确性高于80%的患者有更多的运动障碍。有趣的是,那些同侧BCI准确率低于60%的患者,其对侧BCI准确率明显更高。相反,那些同侧BCI准确率大于80%的患者,其对侧BCI准确率明显较低。这些发现与以前的研究一致,表明在受影响的手的运动想象中,受损程度较高的患者对侧大脑半球的神经调节比受损程度较轻的患者更强。
方法与实验
参与者
本研究分析了四项临床试验中136例脑卒中患者在BCI筛查期间的脑电图数据集。136例患者中,17例处于亚急性期(距脑卒中发病3.32±1.5个月),119例处于慢性期(距脑卒中发病23.68±17.72个月)。受试者年龄为52.81±11.36岁,平均Fugl-Meyer评分为28.64±12.92。
基于运动想象的BCI范式
所有参与者首先参加了一个没有反馈的基于运动想象的BCI筛查会议。在筛选过程中,参与者被要求对他们受影响的手臂和手进行运动想象。BCI筛选会话包括4次运行,每一次运行包括20次运动想象任务试验和20次空闲状态试验,试验的顺序是随机的。每次跑步后,给参与者2分钟的休息时间。平均而言,每次试验耗时12秒,每次运行约8分钟。图4显示了一次试验的时间。每一阶段共收集了160项试验。包括脑电图帽设置在内,BCI筛查过程持续约1小时。
脑电图信号采集
在最初的三个临床试验中,使用Neuroscan Nuamps脑电图放大器和单极Ag/AgCl电极通道从27个通道收集脑电图数据,这些通道与鼻神经有关。采集的脑电图数据采用数字采样,频率为250hz,分辨率为22位,电压范围为±130 mV。对于第四个临床试验43,使用Neurostyle EEG放大器收集脑电图数据,该放大器带有24个单极Ag/AgCl电极通道,参考FPz。脑电图在256hz下进行数字采样,分辨率24位,电压范围为±300mV。
BCI分类模型。图5显示了训练和评估BCI模型所需的所有过程:
图5.展示BCI模型训练和评估步骤的流程图。BP波段功率、CSP通用空间模式、FBCSP滤波器组通用空间模式、基于MIBIF互信息的最佳个体特征选择、NBPW朴素贝叶斯Parzen窗口。
特征选择
采用基于过滤特征选择方法的互信息最佳个体特征(MIBIF)算法。MIBIF计算每个特征和对应的类标签之间的互信息,并按升序排列。
分类和验证
本研究选择了朴素贝叶斯Parzen窗(NBPW)分类器,。使用10×10-fold交叉验证客观评估分类器结果。对于每一位患者,160次试验的每次运行被随机分为10个部分。本研究用了九份用于训练,一份用于测试。这个过程重复了十次,每次都为测试保留了不同的部分。然后通过10×10倍交叉验证结果的平均值计算BCI准确性。
运动想像过程中皮层活动的可视化
使用事件相关同步/去同步(ERS/ERD)来可视化运动想象过程中的皮层激活。通过汇总所有患者的运动影像试验,分别计算同侧半球和对侧半球(C3或C4)的大平均时频图和大平均ERD/ERS图。
统计分析:
本研究使用IBM SPSS Statistics for Windows分析了数据,该数据于2019年发布,版本26.0。在本研究中,使用Wilcoxon秩检验比较了三种特征提取方法对BCI类型的分类精度。
来源:
仅用于学术交流,若有侵权,请后台留言,即时删侵!
更多阅读
Science封面4文连发:智慧从脑区间连接中诞生
运动想象脑机接口中模式识别方法研究
基于EEG的癫痫自动检测: 综述与展望
脑机接口对企业的意义
Transformers 如何模仿大脑的某些部分
加入社群
欢迎加入脑机接口社区交流群,
探讨脑机接口领域话题,实时跟踪脑机接口前沿。
加微信群:
添加微信:RoseBCI【备注:姓名+行业/专业】。
加QQ群:104048131
欢迎来稿
1.欢迎来稿。投稿咨询,请联系微信:RoseBCI
2.加入社区成为兼职创作者,请联系微信:RoseBCI
更多推荐
中风患者使用对侧大脑半球控制脑机接口的能力探索
发布评论