單手運動腦電解碼概述

盡管當(dāng)前基于腦電圖的腦機接口在解碼單手運動（如運動方向、速度）方面已取得顯著進展，但其存在明顯的功能局限性。這種單側(cè)運動解碼模式無法滿足日常生活中普遍存在的雙手協(xié)調(diào)任務(wù)（如搬運物體），從而限制了其在康復(fù)訓(xùn)練中實現(xiàn)完全功能恢復(fù)的效果。從神經(jīng)機制上看，如圖1（時間頻率表征圖）所示，單手運動主要引發(fā)對側(cè)大腦半球的的事件相關(guān)去同步化活動，而同側(cè)激活較弱，這種不對稱的腦激活模式無法模擬和促進雙側(cè)腦半球協(xié)作這一對于雙手協(xié)調(diào)功能至關(guān)重要的神經(jīng)過程，因此不利于實現(xiàn)全面的上肢康復(fù)。

圖1：單雙手運動時間頻率分析圖（C3/C4通道）

圖1從振蕩神經(jīng)活動的角度，揭示了單手與雙手運動在執(zhí)行時大腦激活模式的根本差異。單手運動（如左手動）：在對側(cè)腦區(qū)（即右手動在C3，左手動在C4）觀察到強烈的ERD（藍色區(qū)域），同時在同側(cè)腦區(qū)有較弱的ERD。這完美符合神經(jīng)科學(xué)的經(jīng)典理論。雙手運動：在雙側(cè)腦區(qū)（C3和C4）均觀察到顯著且對稱的ERD。這表明雙手協(xié)調(diào)運動需要兩個大腦半球的協(xié)同激活，為“雙手運動可能提供更豐富、更易解碼的腦電信號”這一核心論點提供了關(guān)鍵的神經(jīng)生理學(xué)證據(jù)。

HUIYING

雙手協(xié)調(diào)運動腦電如何解碼更優(yōu)？

本研究的核心創(chuàng)新在于首次從非侵入性腦電圖信號中成功解碼了任務(wù)導(dǎo)向的雙手協(xié)調(diào)運動方向，為康復(fù)機器人控制提供了新范式。與非常規(guī)的非對稱正交雙手運動不同，本研究采用的對稱空間中的平行運動模式更貼近真實生活任務(wù)。其關(guān)鍵優(yōu)勢在于，雙手協(xié)調(diào)運動能誘發(fā)更顯著且更具區(qū)分度的大腦活動。如圖2（地形圖）所示，雙手運動時在雙側(cè)大腦半球均觀察到明顯的對稱性激活，這與單手運動的對側(cè)優(yōu)勢形成鮮明對比。這種更強的雙側(cè)協(xié)同激活為解碼模型提供了更豐富的信息，使得雙手運動方向的解碼準(zhǔn)確率（如左 vs 右達86.28%）顯著高于單手運動，展現(xiàn)出其在實現(xiàn)更自然、高效的多維康復(fù)機器人控制方面的巨大潛力。

圖2：運動起始前后腦電地形圖序列

圖2以動態(tài)空間視圖的方式，展示了運動相關(guān)腦電活動的全腦拓撲分布。地圖清晰地顯示，在運動起始點（0秒）附近，腦電振幅發(fā)生明顯變化。單手運動：激活主要集中在對側(cè)大腦半球的中央?yún)^(qū)（C3/C4附近）。雙手運動：激活模式呈現(xiàn)廣泛的雙側(cè)對稱性，覆蓋了雙側(cè)的感覺運動皮層。此圖從電位幅度（MRCP）的角度，與從振蕩能量（ERD）角度的圖1相互印證，共同證明了雙手協(xié)調(diào)運動獨特的、更強的雙側(cè)大腦激活模式。

HUIYING

任務(wù)導(dǎo)向的雙手協(xié)調(diào)運動創(chuàng)新BCI范式

方法

實驗設(shè)計：

如圖3（實驗設(shè)置與任務(wù)流程圖） 所示，受試者需執(zhí)行左、中、右三個方向的雙手目標(biāo)到達任務(wù)，同時作為對比，也執(zhí)行左、右方向的單手任務(wù)。

圖3(e)清晰展示了單次試驗的時間線，包括準(zhǔn)備、運動和休息等階段，確保了實驗流程的標(biāo)準(zhǔn)化。

圖3：實驗設(shè)置與任務(wù)流程圖

圖3(a)：實驗場景實物圖，此圖證明了實驗的嚴謹性和生態(tài)效度。它明確了實驗是在受控的電磁屏蔽室內(nèi)進行，確保了EEG信號的質(zhì)量。導(dǎo)軌的使用保證了所有運動被限制在一維水平方向，簡化了行為任務(wù)，便于與腦電信號對齊分析。

圖3(b)-(d)：任務(wù)視覺反饋示意圖：這些子圖清晰地定義了三種實驗條件（雙手左/中/右，單手左/右）。紅色圓點代表實時手部位置，提供了即時的視覺反饋。這種設(shè)計巧妙地創(chuàng)造了任務(wù)導(dǎo)向的語境，即受試者的目標(biāo)是“移動雙手/單手，使圓點進入目標(biāo)矩形”，而非執(zhí)行抽象的肌肉收縮。

圖3(e)：單次試驗時間線圖：時間線是數(shù)據(jù)分段和分析的基礎(chǔ)。它明確了“視覺提示出現(xiàn)”、“實際運動開始”（由Leap Motion定義）和“任務(wù)完成”等關(guān)鍵事件點，為后續(xù)EEG數(shù)據(jù)截?。ㄈ鐕@運動起始點的-0.5秒到1.5秒）提供了精確依據(jù)。

數(shù)據(jù)采集：

使用64通道EEG系統(tǒng)記錄腦電活動，采樣率為256 Hz。

同時，使用Leap Motion控制器（圖3a） 精確捕捉雙手的實際運動位置和速度，為對齊腦電數(shù)據(jù)與行為數(shù)據(jù)提供基礎(chǔ)。

解碼模型：

提出了一個創(chuàng)新的CNN + BiLSTM混合深度學(xué)習(xí)模型。

圖4（CNN-BiLSTM混合模型架構(gòu)圖） 詳細展示了該模型的結(jié)構(gòu)，它通過時序CNN塊、空間CNN塊和BiLSTM塊，自動且高效地從EEG信號中提取時空特征。

圖4：CNN-BiLSTM混合模型架構(gòu)圖

圖4形象地展示了模型如何自動、端到端地從原始EEG信號中學(xué)習(xí)。它結(jié)合了CNN擅長提取局部時空特征和BiLSTM善于建模長時程依賴的雙重優(yōu)勢，避免了傳統(tǒng)方法依賴人工特征工程的局限性，是該研究實現(xiàn)高解碼精度的技術(shù)核心。

數(shù)據(jù)預(yù)處理：

流程包括帶寬濾波（0.1-30 Hz）、壞道識別與插值、ICA去除眼電偽影、以及使用ASR算法去除運動偽影。

一個關(guān)鍵步驟是：利用Leap Motion數(shù)據(jù)確定每個試驗的實際運動起始點，并將EEG數(shù)據(jù)與此點對齊。如圖5（手部位置與視覺-運動反應(yīng)時間示意圖） 所示，這消除了個體反應(yīng)時間差異的影響，確保了分析時間窗的準(zhǔn)確性。

圖5：手部位置與視覺-運動反應(yīng)時間示意圖

圖5展示了在一次實驗中，一位受試者左手位置的實時記錄。垂直虛線分隔了不同的試驗，每個試驗中都有一個黑色的點（視覺提示出現(xiàn)）和一個藍色的點（由算法判定的實際運動開始）。綠色的雙箭頭清晰地標(biāo)示出了視覺-運動反應(yīng)時間，即從看到指令到身體開始行動之間的延遲。這個延遲因人、因試驗而異。圖5有力地證明了，如果以視覺提示出現(xiàn)為基準(zhǔn)對齊數(shù)據(jù)，那么運動相關(guān)的腦電信號（如MRCP）在不同試驗中將會是“不同步”的。因此，使用Leap Motion確定實際運動起始點（藍色點） 并對齊數(shù)據(jù)，是確保分析準(zhǔn)確性的關(guān)鍵預(yù)處理步驟

結(jié)果

三分類解碼性能：

對左、中、右三個協(xié)調(diào)方向進行多分類，平均峰值準(zhǔn)確率達到 73.39% ± 6.35%，顯著高于隨機猜測水平。

二分類解碼性能：

在雙手運動內(nèi)部進行兩兩方向的二分類，準(zhǔn)確率分別為：

左 vs 中：80.24%

右 vs 中：82.62%

左 vs 右：86.28%

解碼性能的時間動態(tài)：

圖6（分類準(zhǔn)確率隨時間變化曲線圖） 是關(guān)鍵結(jié)果的可視化。該圖顯示，解碼準(zhǔn)確率在實際運動發(fā)生之前（即視覺-運動反應(yīng)時間內(nèi)）就達到了峰值（圖中紅色與綠色圓點）。

這證明了解碼模型能夠從運動準(zhǔn)備和執(zhí)行早期階段的腦電信號中成功解碼出運動意圖。

圖6：分類準(zhǔn)確率隨時間變化曲線圖

圖6：本研究最重要的結(jié)果圖之一，它揭示了解碼性能與運動時間進程的動態(tài)關(guān)系，并確定了最佳解碼時機。該圖繪制了八位受試者及其平均（粗線）的分類準(zhǔn)確率，這些準(zhǔn)確率是基于一個1秒長的滑動時間窗計算得出的，時間窗的起點在橫軸上從-1.4秒變化到1.4秒（以實際運動起始為0秒）。

紅色圓點：每位受試者的個體峰值準(zhǔn)確率及其出現(xiàn)的時間點。它們大多分布在0秒之前。

綠色圓點：基于固定時間窗（0-1秒）計算的總體平均峰值準(zhǔn)確率。

關(guān)鍵發(fā)現(xiàn)：最高的解碼準(zhǔn)確率發(fā)生在實際運動發(fā)生之前和運動早期。這具有巨大的應(yīng)用價值，因為它意味著BCI系統(tǒng)可以在用戶剛剛開始執(zhí)行動作甚至還在準(zhǔn)備時就識別出其運動意圖，從而實現(xiàn)前瞻性、低延遲的實時控制。

雙手 vs. 單手解碼性能對比：

對相同的左、右方向進行分類時，雙手運動的解碼準(zhǔn)確率顯著高于單手運動。

這一結(jié)論在圖7（統(tǒng)計對比圖） 中通過了嚴格的統(tǒng)計檢驗，證實了雙手協(xié)調(diào)運動能為BCI解碼提供更具判別性的神經(jīng)信號。

圖7：不同模型與運動條件下解碼性能統(tǒng)計對比圖

圖7從統(tǒng)計學(xué)上驗證了本研究提出的模型相較于基線模型的優(yōu)越性，以及雙手運動相較于單手運動在解碼上的優(yōu)勢。圖7(a)：不同模型性能對比，帶有顯著性標(biāo)記（*）的圖表明確顯示，本研究提出的模型在幾乎所有條件下都顯著優(yōu)于傳統(tǒng)方法（LDA, SVM），并且在雙手任務(wù)上顯著優(yōu)于其他深度學(xué)習(xí)模型。這直接證明了所提出的CNN-BiLSTM混合架構(gòu)的有效性。圖7(b)：不同運動條件性能對比，帶有顯著性標(biāo)記的圖表明確顯示，對于大多數(shù)模型（尤其是本研究提出的模型），雙手運動的解碼準(zhǔn)確率顯著高于任一種單手運動。這從統(tǒng)計學(xué)上堅實支撐了本研究的核心結(jié)論：解碼雙手協(xié)調(diào)運動不僅可行，而且比解碼單手運動更具優(yōu)勢。

HUIYING

總結(jié)

本研究成功驗證了從非侵入性腦電圖信號中解碼自然、任務(wù)導(dǎo)向的雙手協(xié)調(diào)運動方向的可行性。所提出的CNN-BiLSTM混合模型表現(xiàn)優(yōu)異，顯著優(yōu)于傳統(tǒng)方法。更重要的是，研究發(fā)現(xiàn)雙手運動比單手運動誘發(fā)了更顯著的雙側(cè)腦激活，且解碼準(zhǔn)確率更高，這為開發(fā)新一代支持雙側(cè)協(xié)調(diào)訓(xùn)練的康復(fù)腦機接口系統(tǒng)提供了堅實的理論和實驗依據(jù)，有望極大地推動上肢康復(fù)，特別是對于中風(fēng)等需要恢復(fù)雙側(cè)功能患者的技術(shù)進步。補充：另外傳統(tǒng)范式像是在做** gym 里的孤立肌肉訓(xùn)練**（例如，坐姿啞鈴彎舉），它針對性強，但動作單一，與實際生活中的推、拉、舉等復(fù)合動作有差距。本研究的“任務(wù)導(dǎo)向”范式則像是在進行功能性訓(xùn)練或模擬真實工作（例如，搬運一個重物放到指定位置），它鍛煉的是全身協(xié)調(diào)發(fā)力以及如何完成一個具體任務(wù)的能力。

HUIYING

回映產(chǎn)品

產(chǎn)品1：基于EEG/fNIRS便攜無創(chuàng)腦脊接口設(shè)備（可ODM定制開發(fā)）

回映這款非侵入性腦脊接口整機設(shè)備是一個高度集成的閉環(huán)神經(jīng)調(diào)控系統(tǒng):

EEG腦電版本：其核心工作流程始于一個配備32個電極的便攜式腦電帽，用于無創(chuàng)采集用戶大腦感覺運動皮層的神經(jīng)信號。這些信號被實時傳輸至內(nèi)置的信號處理與計算單元，該單元運行著先進的機器學(xué)習(xí)算法（線性判別分析，LDA），能夠從特定的腦電節(jié)律（μ波和β波）中持續(xù)解碼出下肢的運動意圖，并將其量化為一個實時的“運動概率”。一旦該概率值超過預(yù)設(shè)閾值，計算單元會即刻向經(jīng)皮脊髓電刺激器發(fā)出觸發(fā)指令。刺激器則通過精準(zhǔn)貼附于使用者背部T10脊髓節(jié)段和腹部的電極，輸送出與運動意圖同步的、特定參數(shù)（如30Hz，10-15mA）的電刺激，以激活脊髓神經(jīng)網(wǎng)絡(luò)，輔助運動完成。整個系統(tǒng)通過統(tǒng)一的硬件同步機制，確保了從“意念識別”到“脊髓刺激”整個環(huán)路的時間精度，最終形成一個由“大腦意圖驅(qū)動、脊髓刺激輔助”的一體化康復(fù)設(shè)備，旨在通過這種精準(zhǔn)的閉環(huán)干預(yù)促進脊髓損傷患者的神經(jīng)功能重塑與運動功能恢復(fù)。

fNIRS版本：通過精準(zhǔn)布置于用戶大腦感覺運動皮層的少數(shù)光學(xué)探頭（光源與探測器），無創(chuàng)采集皮層活動引發(fā)的血紅蛋白濃度變化信號。這些信號被實時傳輸至內(nèi)置處理單元，該單元運行經(jīng)過驗證的專用算法，能夠從特定的血液動力學(xué)響應(yīng)中（如氧合血紅蛋白的上升斜率與幅值）持續(xù)解碼出下肢的運動意圖，并將其量化為一個實時的“運動準(zhǔn)備狀態(tài)”指標(biāo)。一旦該指標(biāo)超過預(yù)設(shè)閾值，處理單元會即刻向經(jīng)皮脊髓電刺激器發(fā)出觸發(fā)指令。刺激器則通過貼附于使用者背部T11-L1脊髓節(jié)段的電極，輸送出與運動意圖同步的、特定參數(shù)的電刺激，以激活脊髓中樞模式發(fā)生器。整個系統(tǒng)通過硬件同步，確保了從“腦血氧信號識別”到“脊髓神經(jīng)調(diào)控”環(huán)路的時間耦合，最終形成一個由“大腦運動皮層激活驅(qū)動、脊髓刺激執(zhí)行輔助”的一體化康復(fù)設(shè)備，旨在通過這種與生理響應(yīng)同步的閉環(huán)干預(yù)，促進脊髓損傷患者的神經(jīng)功能重塑與運動環(huán)路重建。

產(chǎn)品2：單通道肌電/心電/呼吸采集設(shè)備

單通道肌電/心電/呼吸采集設(shè)備創(chuàng)新性地采用type-C轉(zhuǎn)腦電電極以簡單輕便的方式實現(xiàn)了單通道肌電/心電/呼吸采集，且基于結(jié)構(gòu)與硬件的特殊設(shè)計，支持高原環(huán)境下進行采集。另外產(chǎn)品總體結(jié)構(gòu)采用魔術(shù)貼設(shè)計，方便于全身佩戴。

適用領(lǐng)域:單通道生理參數(shù)采集

單通道肌電/心電/呼吸采集設(shè)備

產(chǎn)品3：基于干電極的32通道腦電采集儀

高質(zhì)量腦電信號采集對于精準(zhǔn)識別和分析非癲癇樣異常（如彌漫性慢波、局灶性δ活動）至關(guān)重要。為此可以了解我們研發(fā)的一款32通道可穿戴腦電采集儀，采用高精度干電極采集腦電信號，無需導(dǎo)電膏即可快速佩戴，極大提升了受試者的舒適度和操作效率，特別適合長時間或動態(tài)環(huán)境下的數(shù)據(jù)采集。該設(shè)備不僅能通過全覆蓋設(shè)計捕捉全腦電活動細節(jié)，還采用了type-C智能轉(zhuǎn)接技術(shù)和抗干擾硬件架構(gòu)，有效減少了運動噪聲和電磁干擾對信號的影響，在高原或移動場景中也能穩(wěn)定輸出低噪聲波形。

適用范圍：多通道生理參數(shù)采集

產(chǎn)品4：便攜式TI時域干涉經(jīng)顱電刺激儀

便攜式TI時域干涉經(jīng)顱電刺激儀通過緊密接觸于頭皮的電極傳導(dǎo)兩路不同頻率的高頻脈沖電流(如：2000Hz和2010Hz),高頻電流流經(jīng)大腦表層和深部區(qū)域，并在腦深部干涉產(chǎn)生低頻包絡(luò)(如：10Hz),由于大腦神經(jīng)元對高頻(>1000Hz)電刺激不響應(yīng)，所以位于大腦表層的高頻電流并沒有對大腦產(chǎn)生刺激效應(yīng)位于腦深部的低頻包絡(luò)刺激大腦，實現(xiàn)無創(chuàng)地刺激大腦深部而不影響大腦皮層，即無創(chuàng)腦深部電刺激。

回映便攜式時域干涉電刺激設(shè)備支持傳統(tǒng)的tTIS時域干涉電刺激模式（基于正弦波），PWM-TI時域干涉電刺激模式（基于50%占空比方波），burst-TI時域干涉電刺激模式,細分為tTI-iTBS，tTI-cTBS兩種模式（基于iTBS，cTBS).

適用范圍：

能夠應(yīng)用于對老年癡呆、癲癇、帕金森、抑郁癥等多種神經(jīng)系統(tǒng)疾病治療和神經(jīng)科學(xué)研究的多個領(lǐng)域。

回映便攜式TI時域干涉經(jīng)顱電刺激儀設(shè)備示意圖