1. 脑机接口改善孤立性局灶性喉肌张力障碍症状：一项单盲研究

苑亚坤

背景与目的 喉肌张力障碍（LD）是一种局灶性任务特异性肌张力障碍，影响说话功能，但不影响耳语或情绪性发声。喉肌张力障碍的治疗选择有限。本研究开发并测试了一种无创、闭环、神经反馈脑机接口（BCI）干预措施用于喉肌张力障碍治疗。方法 10 名孤立性局灶性喉肌张力障碍患者参与了本研究。个性化脑机接口系统包括在虚拟现实（VR）真实场景环境中，提供患者症状性说话与无症状耳语时个体实时脑电图（EEG）活动的视觉神经反馈。在连续 5 天的干预期间，患者使用脑机接口学习调节说话时异常增强的大脑活动，使其接近无症状耳语时的正常活动水平。量化声音症状和脑电图活动的变化，以评估脑机接口的效果。结果 与基线相比，喉肌张力障碍患者在脑机接口干预的第 1-5 天声音症状显著减轻。与此同时，视觉神经反馈的可控性提高，第 1 天左额叶 δ 波功率（包括额上回和额中回）显著降低，第 3 天和第 5 天左中央 γ 波功率（包括运动前区、初级感觉运动区和顶下小叶区域）显著降低。大多数患者（70%）报告在研究参与 1 周后，脑机接口干预对其声音质量的积极影响持续存在。结论 针对疾病病理生理学的闭环脑机接口神经反馈干预措施，有望成为喉肌张力障碍及其他形式任务特异性局灶性肌张力障碍患者的新型治疗选择。

展开更多

发布时间: 2025-11-27

2. 脑机接口训练促进脑损伤患者多模态功能恢复：病例系列研究

苑亚坤

背景 脑功能受损患者常面临肢体运动、认知和语言障碍等后遗症，传统康复方法的效率存在局限性。本研究探讨基于运动想象的脑机接口（BCI）训练是否能促进亚急性脑损伤患者的多模态功能恢复，包括肢体运动、言语和认知功能。与传统聚焦单一功能领域的脑机接口研究不同，本研究结合多维临床评估与多模态神经分析，探讨跨网络可塑性。方法 2021-2023 年间，5 名亚急性脑损伤患者（4 名男性，1 名女性；平均年龄 54.4±10.3 岁）接受了 5 周的脑机接口训练。干预前后的评估包括 Fugl-Meyer 评估量表（FMA）、改良 Ashworth 量表（MAS）、西部失语症成套测验（WAB）和简易精神状态检查（MMSE）。神经生理学指标包括分类准确率（CA）、功率谱密度（PSD）和脑电图（EEG）地形图。基于人类连接组计划分区，利用功能磁共振成像（fMRI）和个体化连接组学进行功能连接分析。结果 所有 5 名患者在运动、认知或语言功能方面均表现出临床改善。运动想象的平均分类准确率提高了 14.2%。在中央运动区观察到功率谱密度平坦化和事件相关去同步化（ERD）。脑电图地形图显示激活增强并向感觉运动皮层汇聚。患者特异性功能连接分析显示，感觉运动网络、语言网络和注意网络之间的相互作用增强 —— 其中一名临床获益显著的患者表现尤为明显。皮质和皮质下病变患者之间观察到不同的连接重组模式，并确定了神经可塑性的关键 3 周时间窗口。结论 基于运动想象的脑机接口训练可能促进亚急性脑损伤患者在运动、语言和认知多个领域的恢复。功能改善得到了跨网络重组的神经生理学和连接组学证据支持。这些初步发现表明，个性化脑机接口方案有望成为多模态神经康复的有效途径。

展开更多

发布时间: 2025-11-27

3. 结合运动想象脑机接口的机器人步态训练通过皮质调制改善脊髓损伤患者的膀胱功能

苑亚坤

完全性脊髓损伤（SCI）患者的神经源性膀胱（NB）功能障碍是一种严重影响生活质量的疾病。尽管干预措施较为普遍，但针对这种功能障碍的有效治疗仍存在巨大差距。本研究提出将机器人辅助步态训练与基于运动想象（MI）的脑机接口（BCI）相结合，以诱导皮质调制改善，进而改善脊髓损伤患者的膀胱功能。该研究纳入了 7 名完全性慢性脊髓损伤男性患者，采用包含 24 次机器人辅助行走与脑机接口和运动想象结合的方案。该方案旨在通过多通道脑电图神经反馈（NFB）进行运动想象训练，教授 μ 波（μ，8-12 Hz）和 β 波（β，15-20 Hz）调制，重点关注感觉运动节律（SMR）激活。使用神经源性膀胱症状评分（NBSS）评估临床结局，结果显示参与者的膀胱控制能力显著改善。脑电图分析证实，μ 波和 β 波的调制与神经源性膀胱症状评分降低显著相关。我们的研究结果支持，结合运动想象脑机接口的机器人辅助步态训练能更精确地调制皮质 μ 波和 β 波，并改善脊髓损伤患者的神经源性膀胱功能障碍。

展开更多

发布时间: 2025-11-27

4. 一种新型通道缩减概念以增强脑机接口系统中运动想象任务的分类性能

苑亚坤

脑电图（EEG）信号在推进脑机接口（BCI）系统（特别是检测运动想象（MI）动作）方面发挥着关键作用。然而，分析大量脑电图数据集面临冗余信息和性能下降等挑战。无关通道会引入噪声，降低准确率并减慢系统性能。为解决这些问题，本研究旨在开发一种新型通道选择方法，以增强脑机接口应用中基于脑电图的运动想象任务性能。我们提出的混合方法将统计 t 检验与基于邦弗朗尼校正的通道缩减技术相结合，随后应用深度学习正则化共空间模式神经网络（DLRCSPNN）框架。该框架采用 DLRCSP 进行特征提取，采用神经网络（NN）算法进行分类。我们开发的方法排除了相关系数低于 0.5 的通道，仅保留显著的非冗余通道，并在三个实时基于脑电图的脑机接口数据集上进行了测试。本研究在所有应用数据集上，每位受试者的准确率均超过 90%。在第一个数据集上，与七种现有机器学习算法相比，我们的方法实现了最高准确率，个体受试者的准确率提升了 3.27% 至 42.53%；在第二个和第三个数据集上，其性能优于现有方法，准确率分别提升了 5% 至 45% 和 1% 至 17.47%。与 CSP 和 NN 框架的比较证实了 DLRCSPNN 算法的优越性能。这些结果证明了该方法的有效性，为基于脑电图的脑机接口技术中运动想象任务性能的识别提供了新视角。所提出的技术将能够快速识别运动障碍患者的意图，支持患者康复并改善日常生活。

展开更多

发布时间: 2025-11-27

5. 基于曝光轨迹技术的动作序列引导改善运动想象脑机接口性能

苑亚坤

背景 范式通过引导受试者进行想象，极大地影响运动想象（MI）脑机接口（BCI）的性能。如何使引导清晰直观，对于运动想象脑机接口提升性能至关重要。新方法 本研究提出了一种基于动作序列（AS）引导的新型运动想象脑机接口范式，通过可视化和编排连续动作来支持运动想象。在绘图任务中，动作曝光轨迹技术在绘制当前笔画时，在下一步笔画的起始点呈现灰色笔尖，突出运动的顺序和细节。10 名受试者在动作序列引导和传统运动想象两种条件下参与了离线和在线实验，评估了多频率、多时段的脑电图激活情况以及运动想象脑机接口性能。结果 动作序列范式诱发了更显著的事件相关去同步化 / 同步化（ERD/ERS）特征，并将离线和在线脑机接口准确率及信息传输率分别提高至 85.69%、78.77% 和 15.60 比特 / 分钟，相比传统范式分别提升了 8.37%、7.95% 和 7.13 比特 / 分钟。此外，受试者表现出更舒适的主观感受。与现有方法的比较 动作序列范式提供了更清晰、直观的引导，增强了脑电图特征激活，并在离线和在线实验中显著提升了运动想象脑机接口性能。结论 结合曝光轨迹技术的动态动作序列，通过提供更丰富的内容和更直观的引导，能够增强受试者的大脑激活，为提升脑机接口性能提供了一种新途径。

展开更多

发布时间: 2025-11-27

6. 脑机接口应用中用于脑电图解码的可解释 3D 深度学习模型

苑亚坤

脑电图（EEG）信号解码在脑机接口（BCI）系统的开发中至关重要。然而，脑电图信号存在较高的个体间变异性，需要针对用户进行特异性校准，这一过程耗时且限制了深度学习方法的应用，因为这些模型通常需要大量数据才能进行适当训练。在此背景下，本文提出了一种多维且可解释的深度学习框架，用于快速且可解释的脑电图解码。具体而言，将脑电图信号投影到空 - 谱 - 时域，并使用定制的三维（3D）卷积神经网络（称为 EEGCubeNet）进行处理。本研究在运动脑机接口实验期间记录的脑电图上验证了该方法，即通过区分手部张开（HO）和手部闭合（HC）运动规划与无运动准备状态（静息状态，RE），对其进行研究。所提出的方法基于从全局到特定用户的微调策略：先在一组受试者上对模型进行全局训练，然后在最终用户上进行微调，显著减少了适配时间。实验结果表明，EEGCubeNet 实现了最先进的性能（在 HC 与 RE、HO 与 RE 的二分类任务中，准确率分别为 89.56±4.29 和 89.06±4.86），同时降低了框架复杂度和训练时间。此外，为提高透明度，引入了一种基于 3D 遮挡敏感性分析的可解释性方法（命名为 3D xAI-OSA），该方法生成相关性图，揭示每个预测的最显著特征。数据和源代码可通过以下链接获取：https://github.com/AI-Lab-UniRC/EEGCubeNet

展开更多

发布时间: 2025-11-27

7. 缺血性脑卒中患者使用机器人手进行运动想象脑机接口训练期间的神经活动变化探索

苑亚坤

目的 本初步研究旨在评估结合机器人手辅助的运动想象（MI）脑机接口（BCI）训练用于上肢康复的可行性和耐受性，并探索缺血性脑卒中患者的初步神经标志物。方法 3 名脑卒中后患者进行运动想象任务与外骨骼辅助运动相结合的康复训练。记录脑电图（EEG）信号以评估运动想象的神经相关性，并使用标准评估工具评估功能结局。结果 我们的结果表明，所有参与者的运动功能均显著改善。此外，脑电图分析显示运动皮层位置的高 α 波功率存在事件相关去同步化（ERD），神经活动的频率和功率存在个体差异。然而，在训练过程中未观察到神经活动的显著趋势。结论 这些发现表明，结合机器人辅助的运动想象脑机接口训练为改善缺血性脑卒中患者的上肢功能提供了一种有前景的方法。

展开更多

发布时间: 2025-11-27