Brain-computer interface control along instructed paths.
Brain-computer interface control along instructed paths.
复制标题
DOI：
10.1088/1741-2560/12/1/016015
复制
发表时间：
2015-02
影响因子：
4
通讯作者：
Batista AP
中科院分区：
文献类型：
--
作者：
Sadtler PT;Ryu SI;Tyler-Kabara EC;Yu BM;Batista AP
脑机接口（BCI）正在开发中，通过将神经活动转化为计算机光标或假肢的运动来帮助瘫痪者和截肢者。在这里，我们介绍了一种新颖的 BCI 任务范例，旨在帮助加速 BCI 系统的改进。通过这项任务，我们可以突破 BCI 系统的性能极限，可以更准确地量化 BCI 系统捕获用户意图的程度，并且可以增加 BCI 动作的丰富性。我们已经实现了指示路径任务，其中用户必须沿着可见路径驱动光标。指导路径任务提供了一个通用的框架来增加任务的难度，从而突破性能的极限。相对于传统的点对点任务，指令路径任务可以更彻底地分析解码性能和更丰富的运动运动学。我们证明猴子能够在闭环 BCI 设置中执行指示的路径任务。我们进一步研究了 BCI 控制下的性能与原生手臂控制相比如何，用户在面对更苛刻的任务时是否可以减少他们的运动可变性，以及如何在该任务中增强运动学丰富性。使用指导路径任务有可能加速 BCI 系统的开发及其临床转化。
Brain-computer interfaces (BCIs) are being developed to assist paralyzed people and amputees by translating neural activity into movements of a computer cursor or prosthetic limb. Here we introduce a novel BCI task paradigm, intended to help accelerate improvements to BCI systems. Through this task, we can push the performance limits of BCI systems, we can quantify more accurately how well a BCI system captures the user’s intent, and we can increase the richness of the BCI movement repertoire. We have implemented an instructed path task, wherein the user must drive a cursor along a visible path. The instructed path task provides a versatile framework to increase the difficulty of the task and thereby push the limits of performance. Relative to traditional point-to-point tasks, the instructed path task allows more thorough analysis of decoding performance and greater richness of movement kinematics. We demonstrate that monkeys are able to perform the instructed path task in a closed-loop BCI setting. We further investigate how the performance under BCI control compares to native arm control, whether users can decrease their movement variability in the face of a more demanding task, and how the kinematic richness is enhanced in this task. The use of the instructed path task has the potential to accelerate the development of BCI systems and their clinical translation.
登录
查看更多内容
影响因子：
64.8
作者：
Ethier, C.;Oby, E. R.;Bauman, M. J.;Miller, L. E.
通讯作者：
Miller, L. E.
偏差，最佳线性估计以及基于峰值的大脑计算机界面算法的开环模拟与闭环性能之间的差异。
DOI：
10.1016/j.neunet.2009.05.005
发表时间：
2009-11
期刊：
Neural networks : the official journal of the International Neural Network Society
影响因子：
--
作者：
Chase SM;Schwartz AB;Kass RE
通讯作者：
Kass RE
影响因子：
2.5
作者：
Golub, Matthew D.;Yu, Byron M.;Chase, Steven M.
通讯作者：
Chase, Steven M.
DOI：
10.1073/pnas.0808113105
发表时间：
2008-12-09
影响因子：
11.1
作者：
Jarosiewicz, Beata;Chase, Steven M.;Schwartz, Andrew B.
通讯作者：
Schwartz, Andrew B.
影响因子：
9.8
作者：
Ganguly K;Carmena JM
通讯作者：
Carmena JM