Europe PMC（brain-computer interface · PubMed）· Bhagat V, Yadav RK, Ghosh S, Muthukrishnan SP, Bo APL, Roy S, Dobbins C.·· 5 天前AI 评分38
基于EEG的递增阻力运动过程中皮层动态特征研究
EEG-Based Characterization of Cortical Dynamics during Graded Resistance Exercise.
AI 导读
十名健康受试者在五种阻力条件下完成单臂弯举，同时用EEG记录皮层活动，运动相关皮层电位与功率谱密度在不同阻力条件间呈现差异。研究采用Triplet Temporal Convolutional Network提取EEG信号表征并结合KNN分类，受试者内留一试验评估准确率达97.2%，跨受试者留一评估最高准确率为93.0%。
AI 要点
团队
Bhagat V、Yadav RK、Ghosh S 等，末位作者 Dobbins C.
主要结果
TTCN-KNN 框架在受试者内留一试验评估中准确率 97.2%，跨受试者留一评估最高 93.0%；分类错误主要发生在相邻阻力条件之间。
解决什么问题
考察单侧二头肌弯举在不同阻力下脑电活动如何变化，为基于 EEG 的运动努力监测和自适应脑机接口提供初步依据。
方法
10 名健康受试者在 5 种阻力条件下做弯举，同步记录 EEG；分析 MRCP、PSD 地形图，并用时空聚类置换检验和线性混合模型比较。
局限
从研究设计看，样本为 10 名健康受试者，属可行性探索，未涉及患者或康复干预效果。
AI 依据原文整理，未经人工核对。
来源：Europe PMC（brain-computer interface · PubMed） · doi.org