苏州医工所戴亚康课题组在脑机接口解码方面取得进展

多任务运动想象脑电信号有效分类是一种解码大脑运动意图的途径，有助于实现精准高效的人机交互。然而，由于脑电信号低空间分辨率的固有限制和受试者脑电信号之间的高度差异导致传统解码方法的准确率和鲁棒性仍然有待进一步提升，尚未达到实际应用的需求。

为构建高精度、强鲁棒的多任务运动想象脑电信号解码算法，中科院苏州医工所戴亚康课题组刘燕副研究员等提出一种基于个性化特性表征的跨空间卷积神经网络分类方法，该方法融合测量空间全局功能性表征和源空间高分辨率脑源激活信息提供多层次特征，同时结合节律和脑部感兴趣区域的个性化筛选实现频-空域有价值信息个体差异化提取，从而构建针对每个受试者的最佳分类模型，整体提升解码算法的准确率和鲁棒性。

方法的整体框架见图1。首先，如图1（A）测量空间模块所示，通过自适应提取频带的共空间模式算法实现个性化频-全局空域特征描述；其次，如图1（B）源空间模块所示，通过脑电源成像将脑电信号反解至高分辨率源空间内，再提取高激活态偶极子时间序列关系完成个性化时-感兴趣高分辨空域特征描述；最后，如图1（C）跨空间模块所示，对来自不同空间反映不同层次信息的两组特征矩阵通过卷积神经网络进行抽象化高层次特征提取后拼接，构建跨空间全局高分辨个性化融合特性表征，最终实现高精度强鲁棒四分类。

　 科研人员基于20例自测运动想象脑电数据、公开脑机接口竞赛数据集以及合作单位苏州科技城医院提供的个性化MRI信息开展算法有效性验证。结果表明，所提跨空间解码方法基于自测数据集和公开数据集的准确率分别为96.05%和90.37%、Kappa值分别为0.95和0.88、受试者间准确率范围误差分别为3.79%和3.90%。与基于相同公开数据集的其他公开算法相比，分类准确率和受试者间差异等多项指标都达到了最佳性能，对比结果如表1所示。所提基于个性化特性表征的跨空间方法能够有效解码多任务运动想象脑电信息，为构建多指令集、高精度及强鲁棒的脑机接口系统提供了可靠的算法基础。

　　该成果发表于IEEE Transactions on Neural Systems and Rehabilitation Engineering，以上工作得到了国家自然科学基金；江苏省重点研发计划；科技创新2030“脑科学与类脑研究”重大项目的支持。

　　论文链接：https://ieeexplore.ieee.org/abstract/document/10058109

图1 基于个性化特性表征的跨空间卷积神经网络算法流程图

表1 基于公开数据集的分类性能对比