Для начала откройте программное средство для разработки и запуска сценариев визуализации двигателей. Перейдите в раздел «Файл» и загрузите шесть сценариев BCI для отображения моторных систем, помеченных как «Проверка сигнала», «Получение», «Обучение CSP», «Обучение классификатора», «Тестирование» и «Матрица несоответствий». Перейдите к сценарию проверки сигнала и примените фильтр полосового пропускания в диапазоне от 1 до 40 герц с порядком фильтрации 4 к необработанным сигналам, используя дизайнерские поля.
Помогите участникам выполнить задачи на моторное воображение, представляя движения рук в ответ на визуальные подсказки. Откройте файл для тренировки моторных образов и покажите подготовленный 3D-аватар, стоящий над набором бонго, через гарнитуру виртуальной реальности. Перейдите к Сценарию съемки и дважды щелкните Graz Motor Imagery Stimulator, чтобы настроить блок.
Настройте 50 попыток по пять секунд каждая для движений левой и правой руки. Включите 22-й базовый период, за которым следуют интервалы в 10 секунд отдыха после каждых 10 попыток, чтобы избежать умственной усталости. Настройте рандомизацию испытаний левой и правой руки и добавьте подсказку перед испытанием, указывающую на руку, которую нужно представить.
Подключите OSC-бокс с IP-адресом и портом для передачи сигнала для воображаемой руки в программу игрового движка для тренировки моторных образов. Затем продезинфицируйте VR-гарнитуру салфетками и положите ее на голову участника, чтобы облегчить иммерсивное взаимодействие во время записи данных ЭЭГ. Предложите участникам представить, как они выполняют движение своей руки вместе с 3D-аватаром, следуя в том же темпе, что и аватар, когда он ударяет по бонго соответствующей рукой с текстовой подсказкой, показывающей, какую руку следует представить.
После сбора данных запустите сценарий тренировки CSP, чтобы проанализировать данные ЭЭГ на этапе регистрации. Создавайте фильтры для различения изображений левой и правой руки и вычисляйте CSP. После обучения CSP перейдите к сценарию обучения классификатора и запустите его, чтобы подготовить систему к управлению аватаром в режиме реального времени.
Затем перейдите к сценарию тестирования и позвольте участникам управлять своими 3D-аватарами в режиме реального времени с помощью технологии интерфейса мозг-компьютер. Для интерпретации воображаемых действий в режиме реального времени загрузите классификаторы, обученные во время сценария на данных ЭЭГ, в соответствующие поля. Кратко расскажите участникам о процедуре тестирования, подчеркнув необходимость четко представлять движения рук в соответствии с текстовыми подсказками.
Проведите 20 испытаний для каждого участника, разделенных поровну между воображаемыми движениями левой и правой руки и рандомизированными. Подключите и настройте OSC-бокс для передачи информации о кие, который будет отображаться в виде текста и указывать руку, которую нужно изобразить в программе игрового движка. Подключитесь к другому OSC-боксу для передачи прогнозируемого значения движений левой и правой руки для программы игрового движка.
Запустите сценарий тестирования и программу тестирования образов двигателей на игровом движке. Обратите внимание, что программа воспроизводит соответствующую анимацию на основе движения руки. Пять здоровых взрослых людей в возрасте от 21 до 38 лет приняли участие в исследовании как в условиях тренировки моторной визуализации, так и в условиях тестирования.
Средняя матрица неоднозначности для всех испытуемых использовалась для оценки точности классификаторов в различении левых и правых моторных сигналов в течение обоих сеансов. Топографические закономерности весов CSP из обучения моторных образов были визуализированы для обоих направлений моторных изображений. Был проведен частотно-временной анализ данных ЭЭГ от контралатеральных сенсорных моторных областей для выявления спектральных возмущений, связанных с событиями во время двигательных задач.
