[论文解读] Decoding hand kinematics from population responses in sensorimotor cortex during grasping

Elizaveta V. Okorokova, James M. Goodman+2 more|arXiv (Cornell University)|Apr 6, 2019

EEG and Brain-Computer Interfaces参考文献 54被引用 4

一句话总结

本研究在三只猴子进行抓握动作时，从初级运动皮层（M1）和躯体感觉皮层（S1）的神经元群体活动中解码手部运动学。研究人员仅使用少量神经元，即实现了对关节角度的高精度解码，其性能优于速度解码，证明了利用皮层信号实现灵巧脑机接口的可行性，并凸显了躯体感觉皮层在闭环神经调控中的潜力。

ABSTRACT

The hand, a complex effector comprising dozens of degrees of freedom of movement, endows us with the ability to flexibly, precisely, and effortlessly interact with objects. The neural signals associated with dexterous hand movements in primary motor cortex (M1) and somatosensory cortex (SC) have received comparatively less attention than have those that are associated with proximal limb control. To fill this gap, we trained three monkeys to grasp objects varying in size, shape and orientation while tracking their hand postures and recording single-unit activity from M1 and SC. We then decoded their hand kinematics across 30 joints from population activity in these areas. We found that we could accurately decode kinematics with a small number of neural signals and that performance was higher for decoding joint angles than joint angular velocities, in contrast to what has been found with proximal limb decoders. We conclude that cortical signals can be used for dexterous hand control in brain machine interface applications and that postural representations in SC may be exploited via intracortical stimulation to close the sensorimotor loop.

研究动机与目标

• 研究初级运动皮层（M1）和躯体感觉皮层（S1）的群体活动如何编码抓握过程中的灵巧手部运动。
• 确定M1和S1的神经信号是否可用于解码跨越30个关节的精细手部运动学。
• 在手部运动背景下，比较关节角度与角速度解码性能的差异。
• 评估躯体感觉皮层表征在基于皮层内刺激的脑机接口中的潜力。

提出的方法

• 猴子在抓握不同尺寸、形状和方向的物体时，手部姿势以三维方式被追踪。
• 在任务执行过程中，同步记录了M1和S1的单个神经元活动。
• 训练线性解码器，从神经元群体活动预测手部关节角度和角速度。
• 通过预测值与实际运动学之间的交叉验证相关系数评估解码性能。
• 比较M1与S1之间的解码准确性，以及关节角度与速度表征之间的差异。
• 应用基于群体的解码框架，评估实现精确运动学重建所需的最少神经元数量。

实验结果

研究问题

• RQ1 M1和S1的群体活动能否在自然抓握动作中准确解码30个关节的手部运动学？
• RQ2 在感觉运动皮层中，关节角度与角速度的解码性能有何差异？
• RQ3 M1或S1中哪一个皮层区域能为灵巧手部运动学提供更具信息量的信号？
• RQ4 实现高精度手部姿势解码所需的最少神经元数量是多少？
• RQ5 能否利用躯体感觉皮层的表征，通过皮层内刺激实现闭环脑机接口？

主要发现

• 关节角度的解码精度显著高于角速度的解码，与近端肢体解码结果相矛盾。
• 仅使用M1和S1中少量神经元群体，即实现了手部运动学的高精度重建。
• 躯体感觉皮层（S1）提供了对手部姿势的稳健表征，表明其在闭环脑机接口中的应用潜力。
• 本研究证明，M1和S1的皮层信号可被有效解码，以重建复杂的手部运动。
• 结果支持利用皮层内神经信号控制灵巧假肢手在脑机接口系统中的可行性。