电极位置顶是什么原因(电极板负极位置)

无线软头皮电子和虚拟现实允许用户通过脑机接口无线控制轮椅或机械臂

一种新的可穿戴脑机接口 (BMI) 系统可以改善运动功能障碍或瘫痪患者的生活质量，甚至是那些患有闭锁综合征的人——当一个人完全有意识但无法移动或交流时。

由佐治亚理工学院 Woon-Hong Yeo 实验室领导的多机构国际研究团队在 BMI 系统中结合了无线软头皮电子和虚拟现实，允许用户想象一个动作并无线控制轮椅或机械臂。

该团队包括来自肯特大学（英国）和延世大学（韩国）的研究人员，本月在"高级科学"杂志上描述了基于运动图像的新 BMI 系统。

用于运动图像大脑信号检测的无线头皮系统概述，具有完全便携的电子设备、可拉伸的互连器和灵活的微针阵列。A) 佩戴 VR 耳机和头皮电子设备的受试者的插图，其中有可拉伸的互连器（右上图）和柔性微针电极（右下图）的特写。B) 微针阵列的放大照片以及针的放大 SEM 图像（插图）。C) 带有集成芯片的柔性无线电路的图片，显示了膜电路的机械顺应性。D) 用于对运动图像大脑信号进行分类的微针电极的位置（顶视图），包括六个记录通道、一个参考 (REF) 和一个接地 (GND)。

乔治·W·伍德拉夫机械学院副教授 Yeo 说："与目前存在的系统相比，该系统对用户的主要优势是佩戴柔软舒适，并且没有任何电线。"工程。

BMI 系统是一种康复技术，可分析人的大脑信号并将该神经活动转化为命令，将意图转化为行动。获取这些信号的最常见的非侵入性方法是脑电图 (ElectroEncephaloGraphy)，EEG，它通常需要笨重的电极头盖骨和缠结的电线网。

这些装置通常严重依赖凝胶和糊状物来帮助保持皮肤接触，需要大量的设置时间，使用起来通常不方便和不舒服。由于材料退化或运动伪影（可能由磨牙或眨眼等原因引起的辅助"噪音"），这些设备还经常会出现信号采集不佳的问题。这种噪音出现在大脑数据中，必须过滤掉。

微针电极与软无线电路集成系统

Yeo 设计的便携式 EEG 系统将不易察觉的微针电极与软无线电路集成在一起，提供了改进的信号采集。准确测量这些大脑信号对于确定用户想要执行的操作至关重要，因此该团队集成了强大的机器学习算法和虚拟现实组件来应对这一挑战。

一种柔性微针电极阵列的制造工艺。

柔性无线电路的制造工艺。

新系统已用四名人类受试者进行了测试，但尚未对残疾人进行研究。

"这只是第一次演示，但我们对所看到的东西感到兴奋，"佐治亚理工学院电子和纳米技术研究所以人为中心的界面和工程中心主任、佩蒂特研究所成员 Yeo 指出。用于生物工程和生物科学。

Yeo 的团队最初在 2019 年发表在Nature Machine Intelligence 上的一项研究中引入了软的、可穿戴的 EEG 脑机接口。该工作的主要作者穆萨·马哈茂德 (Musa Mahmood) 也是该团队新研究论文的主要作者。

"这种新的脑机接口使用了一种完全不同的范式，涉及想象的运动动作，例如用任何一只手抓握，这使受试者不必看太多刺激，"Yeo 的博士生 Mahmood 说。实验室。

在 2021 年的研究中，用户展示了使用他们的思想（他们的运动意象）对虚拟现实练习的准确控制。该视觉线索加强对用户和研究人员收集信息了过程。

用于 MI 培训和视频游戏演示的 VR 演示

用于运动图像训练和视频游戏演示的实时控制的虚拟现实 (VR) 实现。A) 研究设置概述，包括佩戴 SSE 的受试者、从六个电极测量的实时 EEG 数据（顶部插图）、VR 界面示例（中间插图）以及佩戴 VR 的受试者的照片耳机（右下插图）。VR 游戏的训练和测试过程示例。B) 提供的 VR 视觉效果的修改视图，用于测试具有文本和动画提示的主题。C) 为 MI 响应测试设计的视频游戏界面，具有清晰的颜色编码视觉提示和文本提示。D）根据目标类别的评估输出示例。E) 非 VR 设置和 VR 设置（两种类型的电极）用空间 CNN 模型分类的精度比较，证明了 VR 作为训练工具的优越性能（n = 2240 个样本来自四个受试者，每个受试者 560 个样本，窗口长度w = 4 s）。

高性能 SSE 和基于 CNN 的机器学习的结合允许系统与 VR 界面无缝集成。图 中的实验研究显示了用于 MI 训练和视频游戏实时控制的 VR 实施结果。结果证明了 VR 作为训练工具的卓越性能（来自四个受试者的 2240 个样本，每个受试者 560 个样本，窗口长度w = 4 s）。同时，FMNE 和 VR 设置还观察到了额外的精度改进。增强的准确性将来自沉浸式 VR 程序，该程序在对象的视野内以与他们现有四肢大致相同的位置显示无实体的手和脚。在研究过程中，受试者可以根据需要轻轻旋转或倾斜头部以扫视手或脚。

"事实证明，虚拟提示非常有用，"Yeo 说。"它们加快并提高了用户参与度和准确性。而且我们能够记录连续的、高质量的运动图像活动。"

根据 Mahmood 的说法，该系统的未来工作将集中在优化电极放置和基于刺激的 EEG 的更高级集成上。