Goal: Sensorimotor-based brain-comp

Goal: Sensorimotor-based brain-computer interfaces (BCIs) have achieved successful control of real and virtual devices in up to three dimensions; however, the traditional sensor-based paradigm limits the intuitive use of these systems. Many control signals for state-of-the-art BCIs involve imagining the movement of body parts that have little to do with the output command, revealing a cognitive disconnection between the user's intent and the action of the end effector. Therefore, there is a need to develop techniques that can identify with high spatial resolution the self-modulated neural activity reflective of the actions of a helpful output device. Methods: We extend previous EEG source imaging (ESI) work to decoding natural hand/wrist manipulations by applying a novel technique to classifying four complex motor imaginations of the right hand: flexion, extension, supination, and pronation. Results: We report an increase of up to 18.6% for individual task classification and 12.7% for overall classification using the proposed ESI approach over the traditional sensor-based method. Conclusion: ESI is able to enhance BCI performance of decoding complex right-hand motor imagery tasks. Significance: This study may lead to the development of BCI systems with naturalistic and intuitive motor imaginations, thus facilitating broad use of noninvasive BCIs.

ผลลัพธ์ (ไทย) 1:

เป้าหมาย: Sensorimotor สมองคอมพิวเตอร์ที่ใช้อินเทอร์เฟซ (ผู้ปกครอง) ประสบความสำเร็จควบคุมอุปกรณ์จริง และเสมือนสามมิติ อย่างไรก็ตาม เซ็นเซอร์ตามกระบวนทัศน์ดั้งเดิมจำกัดการใช้งานระบบเหล่านี้ สัญญาณควบคุมจำนวนมากผู้ปกครองรัฐของศิลปะเกี่ยวข้องกับจินตนาการการเคลื่อนไหวของร่างกายส่วนที่มีน้อยที่จะทำคำสั่งแสดงผล เผยให้เห็นการเชื่อมต่อองค์ความรู้ระหว่างผู้เจตนาและการกระทำของฟเฟกสิ้นสุด ดังนั้น มีความจำเป็นในการพัฒนาเทคนิคต่าง ๆ ที่สามารถระบุความละเอียดเชิงพื้นที่สูงกิจกรรมประสาทเองปริมาณสะท้อนการกระทำของอุปกรณ์แสดงผลที่เป็นประโยชน์ วิธีการ: เราขยายแหล่ง EEG ก่อนหน้า (ESI) งานถอดรหัส manipulations ธรรมชาติมือ/ข้อมือโดยใช้เทคนิคนวนิยายประเภทจินตนาการมอเตอร์ซับซ้อนสี่ของมือขวาในการถ่ายภาพ: งอ นามสกุล supination และมหาวิทยาลัย ผลลัพธ์: เรารายงานเพิ่มขึ้นถึง 18.6% สำหรับงานแต่ละประเภทและ 12.7% สำหรับการจัดอันดับรวมโดยใช้วิธี ESI เสนอเซนเซอร์ตามแบบ สรุป: ESI จะสามารถเพื่อเพิ่มประสิทธิภาพงานซับซ้อนภาพมอเตอร์ขวาถอดรหัสบีซีไอ ความสำคัญ: การศึกษานี้อาจนำไปสู่การพัฒนาของระบบบีซีไอที่เป็นธรรมชาติหรือในเชิง และจินตนาการมอเตอร์ใช้งานง่าย จึง อำนวยความสะดวกสิ่งใช้ noninvasive ผู้ปกครอง

ผลลัพธ์ (ไทย) 2:

ประตู: สัมผัสและอินเตอร์เฟซที่ใช้สมองคอมพิวเตอร์ (BCIs) ได้ประสบความสำเร็จการควบคุมที่ประสบความสำเร็จของอุปกรณ์จริงและเสมือนได้ถึงสามมิติ แต่กระบวนทัศน์เซ็นเซอร์ตามแบบดั้งเดิม จำกัด การใช้งานง่ายของระบบเหล่านี้ สัญญาณควบคุมมากสำหรับรัฐของศิลปะ BCIs เกี่ยวข้องกับการจินตนาการการเคลื่อนไหวของส่วนของร่างกายที่มีน้อยจะทำอย่างไรกับคำสั่งที่ส่งออกเผยให้เห็นการเชื่อมต่อระหว่างความรู้ความเข้าใจเจตนาของผู้ใช้และการกระทำของ effector ท้าย ดังนั้นจึงมีความจำเป็นที่จะต้องพัฒนาเทคนิคที่สามารถระบุด้วยความละเอียดเชิงพื้นที่สูงด้วยตนเอง modulated กิจกรรมประสาทสะท้อนของการกระทำของอุปกรณ์แสดงผลที่เป็นประโยชน์ วิธีการ: ก่อนหน้านี้เราขยาย EEG ถ่ายภาพแหล่งที่มา (ESI) ทำงานเพื่อถอดรหัสกิจวัตรมือธรรมชาติ / ข้อมือโดยใช้เทคนิคใหม่ในการจำแนกชนิดสี่จินตนาการมอเตอร์ที่ซับซ้อนของทางขวามือ: งอขยายหงายและ pronation ผล: เรารายงานการเพิ่มขึ้นถึง 18.6% สำหรับการจำแนกงานของแต่ละบุคคลและ 12.7% สำหรับการจำแนกประเภทโดยรวมใช้วิธี ESI เสนอมากกว่าวิธีการเซ็นเซอร์ตามแบบดั้งเดิม สรุป: ESI สามารถที่จะเพิ่มประสิทธิภาพการทำงานของ BCI ถอดรหัสภาพงานมอเตอร์ขวามือที่มีความซับซ้อน ความสำคัญ: การศึกษาครั้งนี้อาจนำไปสู่​​การพัฒนาระบบ BCI กับธรรมชาติและใช้งานง่ายจินตนาการมอเตอร์จึงอำนวยความสะดวกการใช้งานในวงกว้างของ BCIs ไม่รุกล้ำ

ผลลัพธ์ (ไทย) 3:

เป้าหมาย : sensorimotor ตามการเชื่อมต่อคอมพิวเตอร์สมอง ( นานาชาติ ) มีความสำเร็จของการควบคุมอุปกรณ์เสมือนจริงและถึง สาม มิติ อย่างไรก็ตาม เซ็นเซอร์แบบดั้งเดิมที่ใช้กระบวนทัศน์การ จำกัด การใช้ง่ายของระบบเหล่านี้ การควบคุมสัญญาณหลายรัฐ - of - the - art ค้นหาเกี่ยวข้องกับจินตนาการ การเคลื่อนไหวของร่างกายส่วนที่มีน้อยจะทำอย่างไรกับผลผลิตคำสั่งเปิดเผยการเชื่อมต่อระหว่างการรับรู้ความตั้งใจของผู้ใช้ และการกระทำที่ปลายกระ . จึงมีความต้องการที่จะพัฒนาเทคนิคที่สามารถระบุความละเอียดสูงพื้นที่ตนเอง โดยกิจกรรมไตร่ตรองของการกระทําของอุปกรณ์ส่งออกเป็นประสาท วิธีการ : เราขยายคลื่นสมอง ก่อนหน้าที่มาภาพ ( ESI ) ทำงานเพื่อถอดรหัสข้อมือ / มือธรรมชาติตกแต่งโดยการใช้วิธีการใหม่ กลุ่มสี่ซับซ้อนมอเตอร์จินตนาการของมือข้างขวา : งอ , นามสกุล , ซูพิเนชัน และโปรเนชัน . ผลลัพธ์ : เรารายงานเพิ่มขึ้นถึง 18.6 % สำหรับการจำแนกงานบุคคลและ 12.7% ในการจำแนกโดยรวมโดยใช้วิธีกว่าวิธีที่ใช้เสนอการพัฒนาเซนเซอร์แบบดั้งเดิม สรุป : ESI สามารถเพิ่มสมรรถนะของการถอดรหัส BCI ซับซ้อนขวามือมอเตอร์ ภาพงาน ความหมาย : การศึกษานี้อาจนำไปสู่การพัฒนาระบบ BCI กับดและใช้งานง่าย มอเตอร์ จินตนาการ ดังนั้น การใช้กว้างของไม่ว่าง .