基于舌部运动想象的脑机接口系统研发及其在轮椅控制中的应用

《Sensors》:Electroencephalography-Based Brain–Computer Interface System Using Tongue Movement Imagery for Wheelchair Control Theerat Saichoo, Nannaphat Siribunyaphat, Bukhoree Sahoh, M. Arif Efendi and Yunyong Punsawad

【字体: 大 中 小 】 时间:2026年04月04日 来源:Sensors 3.5

编辑推荐:

  为提升重度运动功能障碍患者的轮椅操控体验,研究人员开展了一项基于脑电图(EEG)舌部运动想象(MI)的脑机接口(BCI)研究。他们利用消费级14通道EMOTIV EPOC X设备,设计了六种舌部想象任务,并通过提取alpha频段事件相关去同步化(ERD)特征,结合线性判别分析、支持向量机、朴素贝叶斯和人工神经网络等分类器进行解码。研究结果表明,在二分类任务中最高可获得76.19%的准确率,证实了利用舌部MI实现直觉性、多方向轮椅控制的可行性,为发展新型无创辅助控制策略提供了初步支持。

  
想象一下,你只需在脑中“动动”舌头,就能操控轮椅前进、后退、转弯。这听起来像是科幻小说里的场景,但脑机接口(BCI, Brain-Computer Interface)技术正将这种想象变为现实,尤其是为了帮助那些因严重运动功能障碍而行动不便的人们。传统的基于脑电图(EEG, Electroencephalography)的脑控轮椅研究很多,但其中不少系统依赖于外部视觉刺激,容易导致视觉疲劳,或者需要用户实际做出肢体动作,这对于部分患者而言仍存在困难。舌部,作为一个在感觉运动皮层拥有不成比例大范围表征的器官,其运动功能在许多严重瘫痪患者中往往得以保留。然而,现有的舌部控制系统大多基于实际的物理舌头运动、口腔内装置或有限的离线指令,这在舒适度和实用性上打了折扣。那么,能否开发一种完全基于“想象”的、非侵入式的、能实现多指令控制的舌部运动脑机接口呢?来自Theerat Saichoo, Nannaphat Siribunyaphat, Bukhoree Sahoh, M. Arif Efendi 和 Yunyong Punsawad的研究团队在《Sensors》上发表的研究,正是为了回答这个问题。
他们开展了一项探索性研究,旨在验证基于EEG的舌部运动想象(MI, Motor Imagery)能否用于实现直观的、全脑控的轮椅多方向导航。为此,他们设计了一套包含六个指令的舌部MI范式,分别对应轮椅的左转45°、左转90°、右转45°、右转90°、前进和后退。这六种想象任务包括:用舌尖想象触碰左右嘴角、上下嘴唇,以及想象在左右脸颊鼓起。研究招募了15名健康受试者,使用消费级的14通道EMOTIV EPOC X脑电设备采集信号。经过预处理(如50 Hz陷波滤波和2-40 Hz带通滤波)后,研究人员专注于提取与运动想象相关的alpha频段(10-12 Hz)事件相关去同步化(ERD, Event-Related Desynchronization)特征。随后,他们使用了线性判别分析(LDA)、支持向量机(SVM)、朴素贝叶斯(NB)和人工神经网络(ANN)四种分类器,对二分类、四分类和六分类任务进行了离线性能评估。
主要技术方法概述:本研究采用非侵入式脑电技术,利用14通道消费级EMOTIV EPOC X设备采集15名健康受试者的脑电信号。核心方法包括:设计六种舌部运动想象任务范式;对脑电信号进行预处理和alpha频段(10-12 Hz)事件相关去同步化(ERD)特征提取;最后,使用线性判别分析(LDA)、支持向量机(SVM)、朴素贝叶斯(NB)和人工神经网络(ANN)四种机器学习算法,对不同复杂度的指令集(二类、四类、六类)进行分类性能的离线评估与比较。
研究结果
1. 多类舌部运动想象分类使用Alpha ERD
研究评估了四种分类器在三种指令集复杂度下的性能。结果显示,分类准确率随着任务复杂度的增加而下降。在二分类任务中,例如区分左转45°和右转45°(LL-LR),LDA、SVM和ANN都取得了最高的76.19%准确率,而NB较低(61.90%)。在区分前进和后退(LU-LD)的任务中,SVM表现最佳(76.19%)。当任务扩展到四分类(如LL-LR-LU-LD)时,所有分类器的准确率均下降,其中ANN表现相对最好,达到67.44%。在最具挑战性的六分类任务中,ANN和LDA的准确率最高,但也仅为54.69%。统计分析表明,二分类与四分类之间的性能差异显著,而不同指令组合(如LL-LR与CL-CR)之间的差异则不显著。这提示任务类别数量是影响性能的主要因素,而非具体的舌部想象动作组合。
2. 基于Alpha ERD分类器对舌部运动想象的性能评估
通过箱线图进一步可视化分类准确率的分布,结果明确显示二分类任务的准确率中位数最高且分布最集中,四分类和六分类任务的准确率则明显降低且变异性增大。在二分类任务中,ANN展现了最佳的平均性能。在信息传输率(ITR, Information Transfer Rate)的分析中,二分类任务同样获得了最高的ITR值(例如SVM在LU-LD任务中达到7.36比特/分钟),而多分类任务的ITR则显著降低。这表明基于alpha频段ERD的特征在简单的二进制控制中是有效的,但对于复杂的多指令控制,其提供的信息可能不足。
3. Alpha与Beta频段ERD特征的比较
研究还初步比较了alpha频段和beta频段(13-30 Hz)ERD特征的性能。在二分类的LL-LR任务中,alpha频段特征略优于beta频段。然而,在部分四分类任务中,beta频段特征对某些分类器(如SVM和NB)显示出选择性优势。在六分类任务中,两者的性能差异变得不显著。总体而言,alpha频段在简单任务中表现稳定,被选为主要特征;但任务复杂度本身对性能的影响远大于频段选择。
结论与讨论
本研究初步证实了利用消费级脑电设备采集的舌部运动想象脑电信号,实现多方向轮椅控制的可行性。核心结论是:基于alpha频段ERD特征的舌部MI-BCI系统能够实现可靠的二分类控制,在健康受试者中取得了有希望的离线准确率(约76%),ANN分类器在多分类场景中表现出了相对优势。然而,随着控制指令数量的增加,分类性能显著下降,这表明仅依赖单一的alpha频段特征可能不足以支撑鲁棒的多指令解码。
这项研究的意义在于提出并验证了一种全新的、完全基于心理想象的无创控制范式。与依赖实际舌动或外部刺激的系统相比,它提升了用户的舒适度和潜在可用性。舌部运动皮层表征大且功能常得以保留的特点,使其特别适用于严重运动障碍患者的辅助控制。然而,研究也存在明确的局限性:当前是离线分析,需进一步实时验证;受试者均为健康年轻人,推广到患者群体需谨慎;分类准确率,尤其是多指令场景下的准确率,尚未达到理想水平。
因此,未来的研究方向应包括:开发更强大的特征提取与融合方法(如结合时空频特征)、引入深度学习等高级分类模型、开展在线闭环系统实验和用户适应性训练,并最终在目标患者群体中进行实用性验证。这项工作为发展下一代直觉性、用户友好的辅助脑机接口技术迈出了重要的探索性一步。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号