基于脑网络的运动想象脑机接口盲被试的特征提取算法研究

The subjects who cannot achieve control accuracy higher than 70% after several training procedures when using the current motor imagery-based brain computer interface(MI-BCI) system are called MI-BCI illiteracy. 15%-30% of the subjects are MI-BCI illiteracy, the main reason for the failure is due to the discriminative ERD/ERS feature cannot be evoked when MI-BCI illiterate subject perform MI. However, the studies based fMRI show that there exist significant differences between the brain network topologies of left/right hand MI, which provides us a new research idea for solving the feature extraction problem of MI-BCI illiterate subject. In this work, we will study the EEG brain network topology features of MI through functional network, effective network and time-varying network analysis, find the optimal multi-modal network feature subset, and then develop a brain network-based feature extraction algorithm which meet the requirements of MI-BCI online system, improve the BCI control performance of MI-BCI illiterate subject. The results of this project will provide theoretical and technical basis for establishing the more universal MI-BCI system.

采用当前的运动想象脑机接口（以下简称MI-BCI）系统，经训练后无法取得超过70%的控制正确率的被试被称为“MI-BCI盲”被试。人群中“MI-BCI盲”被试占比约为15%-30%，该类被试运动想象时无法产生有区分性的ERD/ERS特征，这是导致当前主流特征提取算法失败的主要原因。而基于fMRI的研究表明，左、右手运动想象激活的脑网络的拓扑属性存在显著差异，这为解决“MI-BCI盲”被试的特征提取问题提供了一种新思路。本项目拟从功能网络、因效网络和时变网络三方面深入研究“MI-BCI盲”被试运动想象时EEG脑网络的拓扑属性特征，找出可对左、右手运动想象进行分类的最优多模特征集，进而发展出一种满足MI-BCI在线系统需求的脑网络特征提取算法，有效提高“MI-BCI盲”被试的控制正确率，为开发更具人群普适性的MI-BCI系统提供理论和技术基础。

运动想象“盲”现象是制约运动想象脑-机接口走出实验室走向社会应用的一个关键问题。人群中运动想象“盲”被试占比约为15%-30%，该类被试运动想象时无法产生可供分类的稳定ERD/ERS特征，因此传统的以提取局部大脑时-空-频特征为基础的算法无法取得高于70%的分类准确率。项目组成员根据项目最初的研究方案，主要开展了以下三个方面的工作：1）运动想象的脑网络机制研究方面，研究了从静息态到运动想象任务态的特定脑网络重构机制，提出一种脑网络重构指数，结果发现脑网络重构效率越高ERD越明显，与静息态相比，运动想象任务态大脑运动区相关的脑区连接明显增强，而大脑默认模式网络的活动则受到抑制。使用自适应定向传递函数研究了运动想象过程大脑的动态信息处理机制，发现左右手运动想象揭示了不同的大脑动态网络模式，其中左手运动想象时的对侧网络持久性比右手较差，首次从动态网络层面解释了左手运动想象时观察到的双侧ERD/ERS出现的原因。2）在运动想象“盲”被试的特征提取算法方面，筛选“盲”被试采集运动想象脑电数据，基于相干系数和相位锁定值分别构建单试次的运动想象任务态脑网络，基于网络拓扑属性统计分析结果提出一种脑网络特征提取算法，平均准确率比CSP方法提高了7.9%，其中有33.3%的“盲”被试取得的分类准确率大于70%。3）在运动想象脑-机接口在线系统方面，首先搭建了一套脑-机接口在线系统，提出一种基于局部通道的卷积神经网络用于构建跨被试迁移学习的运动想象脑-机接口在线系统，发展出一套错误相关负电位的单次检测方法，用于构建带错误指令实时纠正的脑-机接口在线系统。. 本项目执行期间，在包括International Journal of Neural Systems、Frontiers in Neuroscience、IEEE Access、Brain Topography、Biomedical Signal Processing and Control等国际专业期刊发表SCI检索论文7篇，EI检索论文2篇，申请发明专利2项。项目所研究成果对于深入理解运动想象的大脑网络模式具有重要的理论意义，为运动想象“盲”被试的特征提取问题提供了一个解决思路，有助于提高运动想象脑-机接口在线系统的人群普适性。