偏手性对感觉运动节律、去同步和运动想象BCI控制的影响 / 四六文摘

更多技术干货第一时间送达

大家好！

今天Rose小哥分享一篇Nature上的关于偏手性对感觉运动节律、运动想象BCI控制方面的影响。

在涉及到手部运动的BCI实验，比如运动想象实验中，偏手性对实验的影响需要考虑到。根据该项研究可知在运动想象任务中，SMR的侧向性根据利手性的不同而有所不同。在对左手动作的心理模拟过程中，左撇子在BCI(单次会话)表现出较低的准确性，而在alpha波段(8-13 Hz)的SMR抑制较弱。

导读

脑-机接口(BCIs)允许仅通过大脑活动控制应用程序或外部设备，例如，在运动成像期间通过脑电图测量。许多使用者无法充分调节他们的大脑活动来控制BCI。当前研究主要集中在通过改进信号处理和修改BCI协议来提高BCI控制的精度。一些研究表明，运动技能和生理因素也可能影响BCI的表现。先前的研究表明，在右手和左手个体中，手部运动的神经表现存在差异的侧化。然而，偏手性对感觉运动节律(SMR)分布和BCI控制的影响尚未被详细研究。本项研究填补这一空白，通过比较运动想象和实时反馈BCI控制中的SMR模式，在右(N = 20)和左手(N = 20)。该项研究结果表明，在运动想象任务中，SMR的侧向性根据利手性的不同而有所不同。在对左手动作的心理模拟过程中，左撇子在BCI(单次会话)表现出较低的准确性，而在alpha波段(8-13 Hz)的SMR抑制较弱。因此，为了改善BCI控制，用户的训练应该考虑偏手优势的个体差异。

实验与方法

参与者

40名BCI受试者(29名女性)，年龄18-41岁(M = 23.98;SD= 4.70)参与实验。左撇子组包括20名受试者(14名女性;年龄在18-41岁之间;25 M =10.67;SD = 5.99)，右利手组20人(女性15人;年龄为20 - 29岁;M = 22.85;SD = 2.62)。所有受试者都进行了爱丁堡利手清单(the EdinburghHandedness Inventory)，该清单评估手的优势度。量表得分越高，右手优势度越大;得分越低，左手优势度越大。为了确定这些组是否在相似的水平上显示出左手/右手的优势，进行了Mann-WhitneyU测试。得分低于0分(左手占优势)，采用绝对值。在两个左撇子中(Me= 90;Q = 13,75)和惯用右手的人(Me =85;Q = 15)组:量表得分高，组间结果无差异(U = 189.00;p = 0.758)。

仪器装置

(1)在离线会话中，使用带有源电极的64通道帽代替了带无源电极的128通道帽；

(2)在线会话中使用8-cup主动干电极代替10-cup无源凝胶电极。

在离线会话中，用GES300(Electrical Geodesics，Inc. Eugene，OR，USA)测量了感觉运动节律活动的变化。该系统包括Net Amps 300放大器(输出电阻200MΩ；记录范围为0.01至1000 Hz)和一个带有有源电极的64通道actiCAP(Brain Products)。电极阻抗保持低于10 kΩ。数据采样定义为500Hz，并用Net Station 4.4记录。实验过程使用E-Prime 2.0设计将其显示在屏幕上。

BCI在线会话是使用BrainMaster Technologies，Inc.的Discovery 24EDC放大器进行的，其输出电阻低于1000GΩ，记录带宽为0.000 Hz(DC)至1000 Hz的放大器带宽。会话中使用8-cup活性干电极(FC3, C3, C5, CP3, CP4, C4, C6,FC4)，其右耳参考电极和接地电极位于g.SAHARA系统。记录期间采样率设置为128Hz。在线模式下使用OpenViBE0.18.0对数据进行记录和处理。在线和离线会话期间，刺激物显示在LCD屏幕上，对角线尺寸为23英寸，分辨率为1920×1080像素。受试者舒适地坐在离显示器60cm处。EEG记录离线信号处理使用EEGLab v12.0.2.6b。使用IBM SPSS 23PL对结果进行统计分析。

实验过程

实验包括两个阶段:

(1)离线会话，其中包括在手部运动图像任务期间记录SMR模式;

(2)在线会话，带有BCI光标控制任务。

在第一阶段之前，参与者每人得到两个橡皮球。他们被要求做重复握紧球的动作，并试着记住伴随而来的身体感觉。在线和离线会话分别在不同的记录设备(参见:设备)上执行，并且两者都是在一天内完成。在两次试验之间，使用凝胶电极和使用干电极后，有30分钟的洗发和吹干头发的休息时间。为了避免脑电图记录中肌肉活动的干扰，研究人员要求受试者在实验过程中保持双手放松，不要移动。

离线会话:运动想象任务

想象任务中的脑电图记录程序是根据Hwang, Kwom和Im使用的范例改编的。从显示视觉提示开始记录数据，一直持续到想象任务结束(如下图)。参与者被要求想象他们的手挤压球的重复自定节奏运动，就像他们之前在实验准备期间所做的那样。他们被指示去做，不能有其他动作。在离线实验期间，每个受试者共进行了180个实验(每一个想象的左、右运动和休息条件下的60个实验)。每个参与者的试验顺序是随机的。

上图为离线会话过程。

(1)基线:受试者不进行任何活动;

(2)图像：显示提示，提示被试应该想象(左或右)什么样的动作，或者被试是否应该休息；

(3)刺激间隔(ISI):图像任务的结束，ISI的随机长度在2000-4000 ms之间。

在线会话:BCI光标控制任务

在线会话是Krausz等人使用的过程的修改版本，如下图所示。光标控制阶段包括持续几秒钟的试验(随机顺序为3秒、5秒或7秒)，在此期间，参与者被要求在心理上执行左手或右手的挤压动作，类似于脱机操作。任务的目的是控制光标(落球)，将其指向屏幕上的篮筐。有两个篮筐，一个在屏幕的左边，另一个在屏幕的右边。每个篮子占据了屏幕底部的40%，中间有一个空间(屏幕的剩余20%)。左边的图像将球指向左边的篮筐，右边的图像指向右边的篮筐。球既可以击中一个篮筐，也可以是没有击中。不管结果如何，都随后开始下一个试验。短暂的停顿之后进行40次试验(构成一个系列)。停顿的时间由受试者控制。在实验过程中，一名受试者在8 block中总共进行了320次试验(每只手160次)。

上图为在线会话过程。控制阶段出现可能的用户响应:

(1)与提示匹配的响应；

(2)无响应，(3)不合规的响应。

数据采集与分析

感觉运动节律分析

利用有限脉冲响应滤波器(FIR滤波器)对离线状态下的脑电图信号进行1– 40Hz范围的带通滤波。记录垂直和水平的眼电图(EOG)以控制伪影，并在其他通道上使用通用平均参考(CAR)。在Clean RawData plugin -in中，利用伪影子空间重构(ASR)方法去除短时高振幅伪影。接下来，使用runnica算法和边界元头模型(BEM)进行ICA分解和等效电流偶极子模型，两者均在EEGLAB工具箱和DIPFIT插件中实现。从进一步的分析中删可能代表眨眼、侧眼运动、肌肉活动、电噪声，偶极子方差大于15%或位于大脑外部的ICA成分。将信号分成6000 ms长段(基线为−2000 到−1000 ms，事件周期为0 - 4000 ms)，使用正弦小波变换对事件相关谱扰动进行时频分解以便计算整个窗口的信号强度(dB)。

使用k-means (k =15)算法将剩余的548个ICs划分为15个簇，这些簇基于包含偶极子位置、头皮投影图和信号强度(8-30 Hz)的特征向量。然后根据偶极子密度估算每个簇的解剖区域和布罗德曼区面积(补充图。2)。根据所有实验条件的平均视频图选择500ums到3000ums的时间窗口alpha(8-13Hz)和beta(15 - 30 Hz)频率平均统计分析。

为了验证假设，研究人员对平均功率强度(dB)进行了两中混合设计方差分析(ANOVA)，表示在事件周期(500-3000 ms)中的alpha(8-13 Hz)和beta(15-30 Hz)频带的SMR去同步。分别对两个ICs簇进行分析:右侧(图1)和左侧(图2)顶叶。

如上图所示。右顶叶簇。

(A) 带有估计的质心解剖位置的平均地形(左上)和概率偶极子密度的可视化(右上);

(B)两个实验组在左右手想象任务中所有成分的平均ERSP时间x频谱图。底部和右侧的图显示了使用p值为0.05的参数检验的条件之间的显著差异，多次比较均无校正。白色虚线表示为统计分析取平均值的alpha(α)和beta(β)时频区域。

如上图所示。左顶叶簇。

(A) 带有估计的质心解剖位置的平均地形(左上)和概率偶极子密度的可视化(右上);

BCI表现分析

根据Suryotrisongko和Samopa详细描述的OpenViBE对Graz BCI范式“带CSP滤波器的运动图像”的实现，对数据进行了实时反馈模式的处理。

在在线会话期间，使用8-30Hz (Butterworth, order 5)的带通滤波器对信号进行滤波，并将其分为1 s长周期，计算对数带功率。为了提高识别两类想象运动的效率，还对这些数据进行了空间过滤，即公共空间模式(CSP)。利用Fisher线型判别分析(Linear Discriminant Analysis ,LDA)60(补充图3)对信号进行分类移的方向。真正的反馈程序基于以C + + +语言编写的2D应用程序。类似于Krausz及其同事的研究，球的水平位置直接由LDA分类输出信号控制，以指示位移方向

通过自动记录BCI执行过程中的正确响应来获取行为数据。如果球击中了篮筐的任何部分，就会得到分数。如果没有反应(球落入篮筐之间的区域)，或者球位于远离突出显示的篮筐的区域，则没有任何得分。

结论

该项研究的结果显示，右手和左手受试者在手部运动想象过程中感觉运动节律的分布是不同的。该项研究还证明了利手性与控制SMR-BCI的能力密切相关。结果表明，对手部优势的评估可以作为未来SMR-BCI性能的预测指标，因此可能有助于设计更有效的接口。

本研究存在的局限性。离线分析涉及位于运动相关皮层的两个ICs簇，并被缩小到感觉运动节律的范围。这意味着，结果和结论也仅限于这一范围的数据。另一个潜在的限制是，运动想象象能力可以在动觉和视觉方面加以区分，这可能有助于SMR模式和BCI控制结果。此外，手支配是一个复杂的问题，可能比二分法现象更加连续。因此更精确地控制运动想象视角(VMI和KMI)的个体差异以及右、左撇子受试者的多样性是值得考虑的。

更多阅读

关于fMRI分析、神经科学方面的在线课程资源分享

MNE-Python从Raw对象中解析event

新型脑-脑接口，实现“阿凡达”式的跨鼠遥控