肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...
在如今的教育环境中，理解学生的学习风格对提高他们的学习效率至关重要。特别是视觉学习风格（visual learning style）的识别，有助于教师和学生在教学和学习过程中采取更有效的策略。目前，自动识别视觉学习风格主要依靠脑电图（Electroencephalogram, EEG）和机器学习技术。然而，这些技术通常需要离线处理来消除伪影和提取特征，从而限制了其在实时应用中的适用性。 这项由Soyiba Jawed、Ibrahima Faye和Aamir Saeed Malik在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》上发表于2024年的研究，提出了一种基于深度学习技术的实时视觉学习者识别模型，...
脑机接口（Brain-Computer Interface, BCI）是将神经系统与外部环境连接的一种通讯手段。运动想象（Motor Imagery, MI）是BCI研究的基石，它指在运动执行前的内在演练（Internal Rehearsal）。非侵入性技术如脑电图（Electroencephalography, EEG）因其成本效益高与便利性，可以高时间分辨率记录神经活动。当受试者想象移动身体特定部位时，大脑特定区域会发生能量变化（ERD/ERS），这些变化可以通过EEG记录并用于辨别运动意图。MI基础的BCI系统已经取得显著进展，能够控制外骨骼和光标，特别是与虚拟现实技术结合，用于中风康复的潜力更为显著。 目前，MI解码方法的高性能是这种系统成功的关键。然而，相比于依赖外部刺激的其它BC...
研究背景 脑机接口技术（brain-computer interface, BCI）可以实现大脑与外部设备的直接通信，广泛应用于人机交互、运动康复、医疗等领域。BCI的常见范式包括稳态视觉诱发电位（steady-state visual evoked potentials, SSVEP）、P300、运动想象（motor imagery, MI）等。其中，MI-BCI因其广泛应用前景而备受关注。 MI-BCI通常使用脑电图（electroencephalography, EEG）信号检测运动想象，使得用户能够通过想象运动来控制设备，如电动轮椅、光标和上肢机器人。然而，脑活动的不稳定性和低信噪比（signal-to-noise ratio, SNR），以及个体间信号的差异和EEG信道间的相关性，...
通过EMG驱动的机器人手训练揭示慢性中风患者跨半球平衡恢复的神经机制：来自动态因果建模的见解 中风是一种常见的致残原因，其中大部分中风幸存者会患上上肢瘫痪。上肢功能受损的后果可持续六个月以上，只有少数中风幸存者 (少于12%) 能完全康复。为了恢复这些患者的日常生活能力，提高他们的生活质量，研究人员一直致力于开发中风后运动康复方案。 近年来，使用机器人辅助装置进行上肢康复的研究引起了广泛关注。机器人康复提供了一种一致、密集且互动的训练体验，能够吸引患者积极参与。综合分析显示，接受机器人辅助训练的个体在上肢的Fugl-Meyer 评估 (FMA-UE) 分数以及上肢的功能活动方面都有显著改善。然而，针对腕部和手部功能的机器人在运动控制和日常生活活动的改善方面效果有限。随着意图驱动机器人的引入，...
脑机接口（Brain-Computer Interface, BCI）技术近年来发展迅速，被认为是一种无需通过外周神经和肌肉，仅通过大脑直接控制外部设备的前沿技术。特别是在运动想象（Motor Imagery, MI）脑电图（Electroencephalography, EEG）应用中，BCI 技术展现了巨大的潜力。通过分析MI-EEG信号，可以帮助患有物理障碍或神经肌肉退化的病人提高生活质量。然而，由于个体之间的差异以及大脑活动的稳定性、低信噪比（Signal-to-Noise Ratio, SNR）等因素，如何从复杂的EEG信号中提取有效特征以提高MI-EEG分类系统的准确性，仍然是一个巨大的挑战。 在MI-EEG分类中，特征提取与表示是决定分类性能的关键。当前广泛使用的特征提取方法，...
电子电气工程师学会 (IEEE)《神经系统与康复工程事务》2021年第29卷刊登了一篇题为《一种基于注意力深度学习的单通道EEG睡眠阶段分类方法》的文章。本文由Emadeldeen Edele、Zhenghua Chen、Chengyu Liu、Min Wu、Chee-Keong Kwoh、Xiaoli Li及Cuntai Guan等学者撰写。文章的主要目的是提出一种新型的基于注意力的深度学习模型，用于通过单通道的脑电图（EEG）信号进行自动睡眠阶段分类。 研究背景 睡眠是人类重要的生理过程，直接影响到每日生活的各个方面。有研究表明，高质量的睡眠能够促进身体健康和脑功能的提升，而睡眠中断则可能导致失眠或睡眠呼吸暂停等睡眠障碍。睡眠阶段（如浅睡和深睡）对免疫系统、记忆和代谢等起着关键作用，因此...
注意引导的图结构学习网络在基于EEG的听觉注意检测中的应用 学术背景 “鸡尾酒会效应”描述了人类大脑在多说话者环境中选择性集中注意力于一个说话者而忽略其他人的能力。然而，对于听力受损者来说，这种情况构成了一个重大挑战。尽管现代听觉假体如助听器和人工耳蜗在减噪方面有效，但它们往往无法区分听者所要关注的信号。听觉注意检测（Auditory Attention Detection，AAD）任务解决此问题的潜力在于，它直接从大脑中提取与注意力相关的信息。神经科学研究表明，非侵入性的神经记录技术，如脑电图（Electroencephalography，EEG），在解码听觉注意方面具有巨大潜力。为了解决EEG信号的解码问题，研究人员开发了各种方法来解释EEG信号，并由此确定注意力，调整助听器性能。 论文...
经股动脉支架电极阵列进行股神经血管内刺激的可行性 近年来，对外周神经的电刺激作为恢复受损神经功能的一种治疗方法逐渐受到关注。传统的电极阵列通常需要通过侵入性手术进行植入，这对患者的身体造成了较大的负担。因此，血管内支架电极阵列作为一种侵入性较小的替代方案，显示出了巨大的潜力。本文旨在研究通过血管内支架电极阵列刺激股神经的可行性，并与商用的心脏起搏导管进行性能比较。 论文背景与目的 电刺激外周神经已被用于治疗无法通过常规药物疗法恢复的神经功能障碍，例如治疗难治性癫痫和抑郁症。此外，这项技术还被用于研究治疗炎症性肠病、肌肉骨骼疾病、慢性疼痛管理以及为假肢提供感觉反馈等应用场景。然而，传统电极阵列的侵入性植入手术限制了其作为长期治疗方法的实际应用。 本文描述的研究旨在解决血管内支架电极阵列在外周神...
机能脑网络在视觉运动任务中的重组变化 研究背景 运动执行是一个复杂的认知功能，依赖于空间上接近和远离的脑区的协调激活。视觉运动整合任务需要处理和解释视觉输入以规划运动执行，并调整人类运动以与环境互动。基于功能性磁共振成像（fMRI）的研究表明，前额叶和顶叶区域在视觉运动整合过程中起着重要作用。此外，sensorimotor皮层也涉及其中。然而，现有研究主要使用fMRI技术探索这些过程，对于脑电图（EEG）信号的研究相对较少。 在诸多研究中，通过功能连接性分析明确了不同脑区之间的统计依赖关系，并研究它们在不同条件下如何相互作用和交流。有研究通过脑磁图（MEG）和颅内EEG探讨了大脑在gamma波段的连接性，发现大脑在视觉运动过程中的动态参与。此外，基于脑电图的研究确认了前顶叶区域在视觉运动过程...