天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法...

本文主要是介绍天津大学研究团队开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法...，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

脑机接口 (BCI) 作为大脑和周边环境之间的直接通信途径，能够通过学习控制帮助运动障碍患者恢复运动功能，其中基于BCI的长期运动训练会使大脑和肌肉之间的功能耦合会发生什么变化一直是人们感兴趣的问题。最近，天津大学医学工程与转化医学研究院明东教授及陈龙副教授带领其团队，开发了一种结合视觉场景和电刺激的长期运动训练神经反馈训练方法，成果发表在《IEEE Transactions on Human-Machine Systems》期刊上。根据20名受试的脑电图（EEG）和肌电图（EMG）数据探索神经生理反应和EEG-EMG耦合关系，证明了结合EEG和EMG模式评估和建立一个基于BCI的运动训练方法的可行性，也为皮质肌肉和运动康复的功能耦合机制提供了有力的证据。

图1 实验设计；在实验过程中，受试舒适地坐在距离24英寸LCD屏幕约75~90厘米的椅子上，采用64通道脑电帽采集15个通道的EEG信号，在手臂放置电极采集EMG信号。

图2整个实验的实验范式；分别在实验第1天、第7天和第14天进行初始训练任务、中期任务和训练后任务，共3次单手抓握的运动执行（ME）/运动想象（MI）任务，同时记录此时的EEG和EMG信号。每次任务之间有一个星期的训练，训练过程中，实验组接受神经反馈训练而对照组不接受反馈训练，视觉反馈信号即任务完成后界面箭头的长度根据脑电图特征(lrERD)改变。

结果分析

下图为实验组和对照组的平均脑电MI时频特征响应；C3和C4是MI和单侧分析的关键通道。运动训练2周后，实验组和对照组MI 事件相关功率谱变动(ERSPs)均呈现一致的时间增强趋势，其中运动训练显著改善了实验组典型波段的去同步(ERD)现象，然而，对照组该现象变化不明显，只是随着运动训练时间的增加略有改善，其中时频响应，尤其是右臂MI的时频响应几乎没有变化。

图3

图4 左侧和右侧手运动想象任务(LH-MI、RH-MI)典型频段绝对ERD功率空间拓扑图，可以看出，在空间拓扑功率方面，ERD功率的绝对分布表现出明显的横向现象，且感觉运动皮层区域的差异更明显，并存在单侧优势，且BCI的分类精度随着神经反馈训练的重复而增加。

图5 所有受试者的EEG和EMG信号对应分量之间的平均传递熵结果。

在LH-ME和RH-ME任务中，平均传递熵(TE)结果显示EEG-EMG的高频成分(gamma波)熵较高，且随着频率的降低而降低；不同方向的TE值也不同，各个分量的结果也表明从EEG到EMG的TE水平高于相反方向的TE水平，这说明了神经反馈对辅助肌肉运动功能的显著效果，但具体分量在受试之间存在差异。

该研究揭示了训练时间对训练效果的重要性，设计了一种多感觉通路诱导的神经反馈训练方法，可以有效提高MI模式水平和分类精度，更重要的，该实验还揭示了多种生理信号的变化以及多特征信息(EEG-EMG)的耦合机制，基于该机制，建立了一个具有综合训练/评估功能的“脑-机-肌-脑”运动康复系统，未来该系统应用于患者将更具有临床说服力，另外，对高级心理认知、运动学习和记忆相关BCI系统也有相当的参考价值。

参考文献：

Z. Wang et al., "Incorporating EEG and EMG Patterns to Evaluate BCI-Based Long-Term Motor Training," in IEEE Transactions on Human-Machine Systems, doi: 10.1109/THMS.2022.3168425.

https://ieeexplore.ieee.org/document/9766020

仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

北理工团队在不同注意力状态下肢体运动意图

的鲁棒神经解码方面取得重要研究进展

用于获取人体生理特征的皮肤友好型电子设备

EEG-fNIRS跨模态迁移学习优化BCI系统分类精度

Nature：科学家首次利用深度学习量化人类意识

观点｜脑机接口，未来的投资热点

脑机 | NexStem 宣布推出 BCI 耳机和软件

军科院医学研究院神经工程与脑科学研究团队2022年招聘启事

脑-机交互运动训练的神经反馈方法及康复应用