Microgrid II - 人手假肢的脑电图信号

中风、脊髓损伤、肢体损伤和退行性/闭锁综合征等疾病可能受益于可持续的神经假体选择。 研究人员研究了人类运动皮层和相关皮层区域，直接记录大脑（皮层电图或 ECoG）作为运动神经假体的信号。 使用皮层内电极和长期工作的脑机接口与脑电图完成对人体局部场的激动人心的研究，皮层脑电图调查空间特异性的中等水平，并可能在长期记录中具有持久性。 如果能更好地理解确切的信号，ECoG 信号最终可以通过硬膜外或什至更浅表的方式获得。 迄今为止，研究人员已经证明，来自运动皮层的 ECoG 信号可用于解码运动，并且使用临床阵列（1 厘米分辨率）具有精确度，可以解码手部运动并允许分离手指运动。 这些信号已被用于脑机接口，可用于控制人类的假手。

皮质电图 (ECoG) 是直接从皮质表面记录大脑信号。 在接受癫痫手术治疗的患者中，这些信号已经可用，并且已被证明是与运动相关的信号的丰富来源，可以驱动手部神经假体作为脑机接口 (BCI) 的一部分。 虽然临床可用的 1 cm 分辨率允许通过使用 ECoG 记录的高频特性 (70-100Hz) 来分离不同类型的手指运动，但更高的空间分辨率 (3mm) 增加了解码手指运动的能力，并且更复杂手部动作，例如抓取不同的物体。 理想的分辨率是实现基于 ECoG 的 BCI 的知识限制中的几个差距之一，以及 ECoG 信号的寿命和人类通过电刺激直接反馈到皮层的不确定性。

具体目标：

在亚急性（1 周）时间范围内的更高分辨率阵列允许适应和 BCI 使用更高分辨率信号。 一个 3mm 分辨率的 8x8 阵列将放置在感觉运动皮层上。 掌握协同作用将被确定并映射到电极上，以确定每个协同作用的控制通道。 控制多重协同作用将模拟机械手移动到视觉提示的目标形状

1. 手的协同作用将独立映射到 3mm x 3mm（微阵列）上，前三个协同作用中的每一个至少有一个独立的电极
2. 使用来自微阵列的信号，参与者将以 50% 的准确度将机械手正确地移动到 6 个目标姿势之一。