导    语

近日，中国科学院自动化研究所的研究团队开发了一款自适应混合脑机接口（hBCI）系统，并在康复领域取得了重要突破。该系统结合了运动想象（MI）和稳态视觉诱发电位（SSVEP）技术，为脑卒中患者的手部功能恢复提供了全新方案。研究通过实验验证了该系统的有效性，并发现其能够显著提升脑卒中患者的手部动作识别准确率和神经参与度。相关研究发表于《IEEE Transactions on Neural Systems and Rehabilitation Engineering》。

1、研究背景

每年全球新增脑卒中患者约1370万人，其中65%的患者会面临长期手部功能障碍。手部的精细运动能力占上肢功能的90%，对于患者重新融入日常生活至关重要。传统的康复训练方法虽然能在一定程度上恢复功能，但由于训练过程单调重复，患者的积极性常常不足，进而影响康复效果。脑机接口（BCI）提供了一条大脑与外部设备之间的直接沟通通道，通过解码大脑信号来生成控制指令。近年来，基于运动想象（MI）的BCI系统在脑卒中患者康复中显示出巨大的潜力。运动想象任务可以激活运动皮层区域，诱导脑部神经可塑性，从而帮助患者恢复受损的运动功能。

然而，基于MI的单一BCI系统由于其空间分辨率较低、信噪比不佳，在精细手部动作的解码准确率方面表现不理想。为了克服这些限制，研究团队开发了一种结合稳态视觉诱发电位（SSVEP）与MI的混合脑机接口（hBCI）系统，以提高解码精度并增强患者的神经参与度。

2、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。

研究中提出的自适应混合BCI系统通过结合运动想象任务（MI）和SSVEP，解决了单一BCI系统在解码准确率上的瓶颈。SSVEP通过视觉刺激诱发大脑响应，通过12Hz、10Hz、8.57Hz和7.5Hz的频闪视觉信号，引导患者进行手部动作的想象。图1展示了系统的基本组成，包括EEG设备、软机器人手套和虚拟现实平台。实验表明，结合MI与SSVEP的混合BCI系统，能在增强脑部神经活动的同时，大幅提升手部动作识别准确率。例如，健康志愿者的手势识别准确率达到了94.37%，而脑卒中患者的识别准确率也达到了79.38%。

图1：实验装置的系统图（图片来自原文）

为了进一步提高患者的康复体验，研究团队设计了一款自适应软机器人手套，该手套能够根据脑机接口系统的识别结果，辅助患者完成特定的手部动作。图2展示了手套的结构及其执行的四种动作，包括三指捏、两指捏、手掌抓握和手部伸展。在实验中，患者不仅在虚拟场景中看到其动作的实时反馈，还能通过手套获得物理反馈，这种双重反馈机制能够显著提升患者的神经参与度，加速神经重塑过程。

与传统康复手段不同，这款软机器人手套通过实时监测事件相关去同步化（ERD），确保患者能够有效完成运动想象任务。通过对ERD信号的动态调整，系统能够自适应患者的个体差异和心理状态，确保每一次的康复训练都能充分激活大脑皮层区域。

图2：设计的柔软机器人手套（图片来自原文）

在本次研究中，研究团队共招募了8名健康志愿者和6名脑卒中患者，分别进行了多个实验以验证该系统的有效性。实验设计如图3所示，研究团队通过对比MI、SSVEP、MI-SSVEP以及自适应hBCI四种不同条件下的实验，分析了系统的性能。结果表明，混合脑机接口系统在手部四种不同手势的识别中表现出色：健康志愿者的手势识别准确率平均达到了94.37 ± 4.77%。脑卒中患者的手势识别准确率也有显著提升，达到了79.38 ± 6.26%。

图3：实验设计（图片来自原文）

此外，通过比较不同数据长度下的分类准确率，研究发现，当数据长度为4秒时，识别准确率和信息传输率（ITR）都达到了最佳水平。图4展示了不同数据长度下的SSVEP数据频谱以及健康与患者群体的分类准确率变化。

图4：对比实验的结果（图片来自原文）

研究还发现，混合脑机接口系统的实时反馈机制能够有效提升患者的神经参与度。通过事件相关去同步化（ERD），研究人员能够监测到在进行运动想象任务时，患者的大脑神经活动水平。实验数据显示，混合任务下的ERD水平与单纯的运动想象任务相似，证明该系统在保持神经活跃度的同时能够实现更精准的手部动作解码。图5展示了健康志愿者和患者在SSVEP和MI-SSVEP条件下的分类准确率混淆矩阵。

图5：识别精度的混淆矩阵（图片来自原文）

3、研究意义

该研究的突破在于通过多模态脑机接口技术与自适应软机器人手套相结合，为脑卒中患者提供了一种全新的手部功能康复方案。该系统不仅提高了手部动作的识别精度，还确保了患者在康复训练中的神经参与度，最大化了康复效果。未来，随着技术的进一步发展，这种基于脑机接口的康复方法有望广泛应用于临床实践中，为全球数百万脑卒中患者带来福音。

参考文献：

Su J, Wang J, Wang W, et al. An Adaptive Hybrid Brain Computer Interface for Hand Function Rehabilitation of Stroke Patients[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2024, doi: 10.1109/TNSRE.2024.3431025