Correlation-Based Multimodal Reconstruction of Motor Intent Using Brain, Spinal, and Visual Signals

Read full text
Authors: Mariusz Mozga
Cited by: 0

Abstract

Neuronowe dekodowanie ruchów dowolnych pozostaje ograniczone przez szum, niestacjonarność i częściową propagację sygnału przez zakłócone szlaki neuronalne. Niniejsza praca wprowadza oparte na korelacji multimodalne ramy rekonstrukcji intencji ruchowej, które modelują niedopasowanie między korową intencją ruchową a resztkowymi sygnałami wykonania pochodzącymi z rdzenia kręgowego lub obwodowego. Zdefiniowano ustrukturyzowany błąd korelacji mózgowo-rdzeniowej, który jest wykorzystywany jako dynamiczny sygnał innowacji w multimodalnym estymatorze stanu, ograniczonym kontekstem wizualnym. Symulacje typu proof-of-concept wykazują zwiększoną odporność i stabilność w porównaniu z konwencjonalnymi metodami dekodowania i fuzji. Proponowana formuła jest niezależna od technologii i stanowi podstawę dla adaptacyjnego dekodowania ruchowego w warunkach niepełnej transmisji neuronowej. Dekodowanie ruchu´ow dowolnych w neuroin˙zynieryjnych jest zabezpieczenie przez wysoki poziom szum´ow, niestacjonarno´s´c sygna l´ow oraz niepelna propagacje informacji w wyznaczonych szlakach nerwowych. W następstwie działania korelacyjnego, wielomodalna architekture rekonstrukcji intencji ruchowej, kt´ora w spos´ob jawny modeluje rozbie˙zno´s´c pomiedzy korowa intencja ruchu a szczatkowa informacja wykonawcza pochodzaca z rdzenia kregowego lub uk ladu obwodowego. Zdefiniowano strukturalny b lad korelacyjny m´ozg–rdze´n, kt´ory pelni role sygna lu innowacji w adaptacyjnym estymatorze stanu, ograniczonym kontekstem informacyjnym. Symulacje typu proof-of–concept wykazuja zwiekszona stabilno's'ci odporno's'c na szum w por'ownaniu z klasycznymi metodami dekodowania i fuzji sygna l'ow. Zaproponowane ujecie ma charakter technologicznie niezale˙zny i stanowi podstawe dla przysz lych systemow neuroin˙zynieryjnych dział lajacych w warunkach niepenej lnej transmisji neuronalnej.

Fields of Study & Subjects

EEG and Brain-Computer Interfaces Muscle activation and electromyography studies Motor Control and Adaptation

Publication details

Journal / source
Zenodo (CERN European Organization for Nuclear Research)
Publication date
28 January 2026
Document type
Preprint