目的探究與用戶運(yùn)動(dòng)想象響應(yīng)能力相關(guān)的靜息態(tài)腦電特征,構(gòu)建用戶篩選模型。方法根據(jù)運(yùn)動(dòng)想象響應(yīng)能力將105名受試者分成3個(gè)組,分別提取每名受試者開(kāi)目靜息和閉目靜息態(tài)腦電不同頻帶(theta、alpha、beta、gamma)的Lemple-Ziv復(fù)雜度(LZC)特征,利用皮爾森相關(guān)系數(shù)與獨(dú)立樣本t檢驗(yàn)分析相關(guān)性最顯著的LZC特征,構(gòu)建運(yùn)動(dòng)想象響應(yīng)能力優(yōu)秀受試者組與隨機(jī)受試者組的篩選模型。結(jié)果開(kāi)目靜息態(tài)alpha頻帶的LZC特征與運(yùn)動(dòng)想象響應(yīng)能力具有最顯著的相關(guān)性,其中基于C4、Cp4導(dǎo)聯(lián)的LZC特征構(gòu)建的分類模型可用于不同運(yùn)動(dòng)想象任務(wù)響應(yīng)能力的受試者篩選,最高可獲得78.04%的分類正確率,優(yōu)于已有文獻(xiàn)報(bào)道的能量與譜熵特征。結(jié)論靜息態(tài)腦電LZC特征是一種有效、通用的運(yùn)動(dòng)想象響應(yīng)神經(jīng)生理指標(biāo),有望為運(yùn)動(dòng)想象腦-機(jī)接口用戶的篩選提供技術(shù)支持。

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖164導(dǎo)電極位置分布圖

數(shù)據(jù)來(lái)源為EEGMotorMovement/ImageryDataset公開(kāi)數(shù)據(jù)庫(kù)[19-20]，共包含109名受試者的實(shí)驗(yàn)數(shù)據(jù)。由于4名受試者數(shù)據(jù)異常，只分析了105名受試者的數(shù)據(jù)。實(shí)驗(yàn)任務(wù)包含：1組1min的開(kāi)目靜息；1組1min的閉目靜息；3組想象左手抓握和右手抓握實(shí)....

圖2兩類MI范式任務(wù)下受試者分組情況

參照文獻(xiàn)[15,24]，將MI任務(wù)分類正確率范圍為80%～100%的受試者組命名為A組（優(yōu)秀受試者組），分類正確率范圍為60%～80%的受試者組命名為B組，分類正確率范圍為<60%的受試者組命名為C組（隨機(jī)受試者組）。根據(jù)兩類不同的MI范式任務(wù)（左手vs右手，雙手vs雙腳），分組....

圖3不同頻帶下3個(gè)組別各導(dǎo)聯(lián)的LZC特征值

觀察圖3(a），對(duì)于左手與右手、雙手和雙腳兩種MI任務(wù)范式：在alpha頻帶，大部分導(dǎo)聯(lián)的LZC特征在MI響應(yīng)能力隨機(jī)受試者組（即C1組、C2組）表現(xiàn)為最大，在優(yōu)秀受試者組（A1組、A2組）表現(xiàn)為最��；在beta頻帶，個(gè)別導(dǎo)聯(lián)（如CP5,F5）的LZC特征在MI響應(yīng)能力優(yōu)秀受試者....

圖4Alpha頻帶LZC特征與MI響應(yīng)能力相關(guān)系數(shù)腦地形分布圖（n=105)

分別計(jì)算每名受試者開(kāi)目靜息、閉目靜息alpha頻帶LZC與2類不同的MI范式任務(wù)響應(yīng)能力的皮爾森相關(guān)系數(shù)。由于本文研究的問(wèn)題與運(yùn)動(dòng)思維活動(dòng)相關(guān)，因此挑選了包括位于額區(qū)、顳區(qū)、枕區(qū)的典型導(dǎo)聯(lián)，以及對(duì)應(yīng)初級(jí)運(yùn)動(dòng)區(qū)與感覺(jué)運(yùn)動(dòng)區(qū)的中央?yún)^(qū)導(dǎo)聯(lián)共32導(dǎo)（Fp1,Fpz,Fp2,F3,Fz,F....

本文編號(hào)：3931775