近日，电子科技大学机器人研究中心程洪教授团队，针对脑卒中患者的康复训练，分析了患者运动想象时的脑功能网络特异性，提出了面向不同患者的个性化脑机接口，并结合下肢康复外骨骼机器人，实现了脑卒中患者的运动-认知闭环康复训练，相关研究成果发表在ICRA、ICCSIP以及Frontiers in Neuroscience上。

研究背景

脑卒中患者由于大脑皮层受损导致其受损平面以下肢体的运动和感知功能出现障碍，给患者的生活和家庭带来沉重负担。如何最大程度恢复患者的肢体运动功能，是临床康复关注的核心问题。以往研究表明，脑机接口主动康复技术相较于传统治疗手段能够显著地、高效地、持续地促进患者受损区域的神经重塑，恢复患者的运动功能。脑机接口的核心是运动意图识别，然而，由于脑电信号的非平稳性和个体差异性，实现高效精准的运动意图识别极具挑战性。

研究概述

基于功能化导电聚合物的设计，研究团队设计了功能化聚苯胺基时序黏附水凝胶贴片。它可以实现心脏的同步机械生理监测和电耦合治疗，并牢固附着在心脏表面监测心脏的机械运动和电活动。

针对上述挑战，本研究分析了健康受试者和缺血性脑卒中患者在运动想象过程中的脑功能网络差异性，并基于此提出了基于脑功能网络机制的多模态运动意图识别方法。随后，将设计的脑机接口与下肢康复外骨骼机器人结合起来，搭建了基于脑电的脑控外骨骼平台以及基于脑肌电的多模态外骨骼神经控制平台，并在脑卒中患者上验证了所提出脑机接口的有效性，实现了脑卒中患者的运动-认知闭环康复训练。

（1）基于脑功能网络的脑卒中患者运动想象差异性分析

缺血性脑卒中患者由于大脑皮层受损导致皮层结构和功能发生改变，基于健康受试者脑电信号开发的脑机接口运动意图识别准确率低，降低了患者参与训练的主动积极性，并且严重阻碍了神经通路重建与修复进程。本研究采集了缺血性脑卒中患者和健康受试者的下肢运动想象脑电信号，结合事件相关电位、事件相关同步/去同步和脑功能网络分析方法研究了卒中后局部皮层神经活动的变化和大脑半球间及半球内网络连接情况，并基于脑功能网络属性研究了卒中后全脑大规模皮层活动的变化，完成了患者运动想象时的脑功能网络特异性分析（图1），为设计面向脑卒中患者的脑机接口，提高运动意图识别准确率提供了理论基础。

（2）基于图神经网络的运动想象脑机接口

脑电信号的个体差异大，不同患者运动想象的响应频率和脑功能网络的激活模式不一样，这导致脑机接口很难泛化到新患者上。针对这个问题，本研究提出了一种基于图神经网络的调谐拓扑时空融合网络用于脑卒中患者的运动意图识别（图2）。该网络通过一个可学习的脑电信号（EEG）调谐器来选取与运动想象最相关的信号频带，并利用图卷积网络来提取个性化的脑电信号拓扑特征，提高了运动想象脑机接口在新受试者上的泛化能力（图3），实现了高效精准的运动意图识别。

（3）基于sEMG和EEG信号的多模态增强融合下肢运动意图识别

为了进一步提高运动想象脑机接口的识别准确率，实现高效精准且稳定的运动意图识别，本研究提出了一种基于脑肌电的多模态增强融合脑机接口（图4）。该接口采用脑卒中患者健侧的表面肌电信号（sEMG）和EEG信号对患者运动意图进行识别，利用密集共注意力对称网络（DCA）的堆叠密集共注意力层实现sEMG和EEG信号特征之间的映射和深度融合。实验结果表明，所提出的多模态脑机接口在单一受试者内和跨受试者情况下均获得了比单模态EEG信号更稳定准确的识别效果，具有稳定的运动意图识别性能（图5）。

（4）面向脑卒中患者的脑控外骨骼平台搭建及康复训练验证

依托实验室的脑肌电采集设备和下肢助行外骨骼AIDER，本研究搭建了基于EEG信号的脑控外骨骼平台和基于sEMG和EEG信号的多模融合外骨骼神经控制平台，并在偏瘫患者上进行了康复训练验证（图6和图7），实验结果表明基于EEG的脑控外骨骼平台下肢运动预测准确率≥70%，多模融合外骨骼神经控制平台下肢运动预测准确率≥95%，能够稳定有效的帮助脑卒中患者实现运动-认知闭环康复训练。

结语

未来，研究团队将以脑功能网络为基础，研究不同康复训练动作下脑卒中患者运动想象功能网络的变化机理，从而实现对脑卒中患者康复训练的精准评估。同时将进一步研究基于任务引导和多模态感觉反馈的人机闭环康复训练脑机接口，进一步推动脑机接口在脑卒中患者上的临床康复应用。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。