Enhanced Motor Imagery-Based BCI Performance via Tactile Stimulation on Unilateral Hand
Notice bibliographique
Résumé
Brain-computer interface (BCI) has attracted great interests for its effectiveness in assisting disabled people. However, due to the poor BCI performance, this technique is still far from daily-life applications. One of the critical issues confronting BCI research is how to enhance BCI performance. This study aimed at improving the motor imagery (MI) based BCI accuracy by integrating MI tasks with unilateral tactile stimulation (Uni-TS). The effects were tested on both healthy subjects and stroke patients in a controlled study. Twenty-two healthy subjects and four stroke patients were recruited and randomly divided into a control-group and an enhanced-group. In the control-group, subjects performed two blocks of conventional MI tasks (left hand vs. right hand), with 80 trials in each block. In the enhanced-group, subjects also performed two blocks of MI tasks, but constant tactile stimulation was applied on the non-dominant/paretic hand during MI tasks in the second block. We found the Uni-TS significantly enhanced the contralateral cortical activations during MI of the stimulated hand, whereas it had no influence on the activation patterns during MI of the non-stimulated hand. The two-class BCI decoding accuracy was significantly increased from 72.5% (MI without Uni-TS) to 84.7% (MI with Uni-TS) in the enhanced-group (p 80% during MI with Uni-TS. This novel approach complements the conventional methods for BCI enhancement without increasing source information or complexity of signal processing. This enhancement via Uni-TS may facilitate the clinical applications of MI-BCI.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».