本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
客觀的。腦機介面（BCI）是一種很有前景的通訊和控制工具。然而，掌握非侵入式閉環系統仍然是一項需要學習的技能，對於不可忽視的比例的使用者來說很難發展。所涉及的學習過程會引起與大腦網路重組相關的神經變化，但人們對此仍知之甚少。方法。為了解決這種受試者間的變異性，我們採用了多層方法來整合腦電圖和腦磁圖資料的大腦網路特性，這些資料是由一組健康受試者進行的四節 BCI 訓練計畫產生的。我們的方法可以獲得每一層對多層網路的貢獻，而該貢獻往往隨著時間的推移而相等。主要結果。我們表明，無論選擇哪種方式，α 波段體感區域整合的逐漸增加與 β 波段視覺處理和工作記憶區域整合的減少是平行的。值得注意的是，只有多層網路中的大腦網路特性與 alpha(2) 帶中的未來 BCI 得分相關：在體感和決策相關區域呈正相關，在聯想區域呈負相關。意義。我們的研究結果為 BCI 訓練背後的神經過程提供了新的線索。整合多模式大腦網路特性提供了與行為表現相關的新訊息，可以被視為 BCI 學習的潛在標誌。