Визуализация источников ЭЭГ повышает эффективность декодирования сложных задач мысленного представления движений правой рукой

ЦЕЛЬ: Сенсомоторные интерфейсы мозг–компьютер (BCI) обеспечили успешное управление реальными и виртуальными устройствами в пространстве размерностью до трех измерений; однако традиционная парадигма, основанная на сенсорных данных, ограничивает интуитивность использования этих систем. Многие управляющие сигналы современных BCI связаны с мысленным представлением движений частей тела, которые имеют слабую связь с выходной командой, что свидетельствует о когнитивном разрыве между намерением пользователя и действием исполнительного устройства. Поэтому необходимо разработать методы, позволяющие с высоким пространственным разрешением выявлять саморегулируемую нейронную активность, отражающую действия полезного выходного устройства. МЕТОДЫ: Мы расширили предыдущие исследования визуализации источников электроэнцефалографии (ESI) для декодирования естественных манипуляций кистью и запястьем, применив новый метод классификации четырех сложных задач мысленного представления движений правой рукой: сгибания, разгибания, супинации и пронации. РЕЗУЛЬТАТЫ: При использовании предложенного подхода ESI по сравнению с традиционным методом, основанным на сенсорных данных, классификация отдельных задач повысилась максимум на 18,6%, а общая классификация — на 12,7%. ЗАКЛЮЧЕНИЕ: ESI позволяет повысить эффективность BCI при декодировании сложных задач мысленного представления движений правой рукой. ЗНАЧЕНИЕ: Это исследование может способствовать разработке систем BCI, использующих естественные и интуитивные мысленные представления движений, тем самым содействуя широкому применению неинвазивных BCI.