運動想象腦機接口在神經(jīng)系統(tǒng)疾病康復(fù)中的應(yīng)用

楊幫華

1 上海大學(xué)機電工程與自動化學(xué)院，上海 200444；2 上海大學(xué)醫(yī)學(xué)院，上海 200444；3 上海大學(xué)腦機工程研究中心，上海 200444

腦機接口（brain-computer interface，BCI）技術(shù)是一個涉及腦科學(xué)、神經(jīng)科學(xué)、認知科學(xué)、計算機科學(xué)、控制與信息技術(shù)和康復(fù)醫(yī)學(xué)等多個學(xué)科的新興交叉研究領(lǐng)域。目前BCI系統(tǒng)的常用范式包括穩(wěn)態(tài)視覺誘發(fā)電位（steady-state visual evoked potential，SSVEP）、運動想象（motor imagery，MI）和事件相關(guān)電位（event related potential，ERP）等；在解碼算法方面，機器學(xué)習(xí)、黎曼幾何、深度學(xué)習(xí)等算法常被應(yīng)用于BCI研究；在具體應(yīng)用方面，增強現(xiàn)實技術(shù)（augmented reality，AR）眼鏡、機械臂、腦控輪椅和氣動手等多種外接設(shè)備大大拓展了BCI應(yīng)用范圍。BCI系統(tǒng)結(jié)合不同范式、算法及外接設(shè)備可以在不同領(lǐng)域發(fā)揮不同作用，但是由于相關(guān)臨床研究較少，目前BCI應(yīng)用還未得到廣泛推廣。本課題組致力于運動想象腦機接口（motor imagery brain-computer interface，MI-BCI）系統(tǒng)的研發(fā)及應(yīng)用，在腦卒中患者康復(fù)、毒品成癮患者戒毒及抑郁癥診療方面取得了一定成果。

1 BCI概述

1.1 BCI技術(shù)

BCI技術(shù)是一種不依賴人體外周神經(jīng)傳輸通路和肌肉組織，在人腦與外界機器之間建立聯(lián)系的新型人機交互技術(shù)［1］。其能夠替代、修復(fù)、增強、補充或者改善中樞神經(jīng)系統(tǒng)的正常輸出［2］。完整的BCI系統(tǒng)包括輸入（腦電采集及預(yù)處理）、信號處理（輸入轉(zhuǎn)為輸出）、輸出（機器能識別的指令）3個大模塊。BCI系統(tǒng)原理見圖1。

圖1 BCI系統(tǒng)原理Figure 1 Principle of BCI system

BCI系統(tǒng)包括主動式、反應(yīng)式和被動式BCI系統(tǒng)3大類。其中主動式BCI系統(tǒng)不需要外部刺激，直接由用戶通過主觀意識產(chǎn)生腦電圖（electroencephalograph，EEG）從而控制外部設(shè)備，目前最常見的是MI-BCI［3］。

1924年，德國學(xué)者BERGER［4］用針狀電極插入頭皮下首次記錄到人腦的電活動，并首次記錄到人類癲癇發(fā)作時的EEG，確立了EEG起源于腦組織的理論。研究表明，一個成年人大腦內(nèi)有1011個神經(jīng)細胞以及超過1014個神經(jīng)突觸。EEG主要是由皮層內(nèi)大量神經(jīng)突觸后電位同步總和所形成的，是許多神經(jīng)元共同活動的結(jié)果。按照EEG頻率，又可將其分為δ波、θ波、α波和β波4種節(jié)律波，基本波形和基本特性見表1和圖2［5-6］。

表1 基本EEG節(jié)律波特性Table 1 Characteristics of basic EEG rhythm wave

圖2 基本EEG節(jié)律波波形Figure 2 Waveforms of basic EEG rhythm

1.2 MI-BCI技術(shù)

MI是指人在大腦中不斷地重復(fù)想象某個運動意圖，無需真正的實際運動輸出。人在MI過程中，大腦皮層會產(chǎn)生2種變化明顯的節(jié)律信號，分別是8～13 Hz μ節(jié)律信號和18～24 Hz β節(jié)律，大腦皮層對應(yīng)腦區(qū)會出現(xiàn)事件相關(guān)去同步（event related desynchronization，ERD）和事件相關(guān)同步（event related synchronization，ERS）現(xiàn)象［7］。當想象左手運動時，右側(cè)運動感覺區(qū)的2種節(jié)律信號能量降低，左側(cè)運動感覺區(qū)的2種節(jié)律信號能量增加；當想象右手運動時，左側(cè)運動感覺區(qū)的2種節(jié)律信號能量降低，右側(cè)運動感覺區(qū)的2種節(jié)律信號能量增加。利用ERD/ERS現(xiàn)象，可以實現(xiàn)運動想象任務(wù)識別，并進一步轉(zhuǎn)換成指令控制外部設(shè)備。

1.3 AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)

傳統(tǒng)的康復(fù)訓(xùn)練系統(tǒng)場景比較單一，引入AR技術(shù)制作配套的3D生活場景和人物模型，可以帶給患者更多的沉浸感。AR技術(shù)借助真實環(huán)境的信息，服務(wù)于現(xiàn)實，實現(xiàn)信息的疊加和相互補充。實時交互的優(yōu)勢主要體現(xiàn)在AR對真實世界事物的識別敏捷性，以真實場景疊加虛擬物體信息為基礎(chǔ)，通過傳感技術(shù)將混合信息傳遞給患者，可以讓其有“實際操控”的體驗，增加患者的興趣，提高康復(fù)訓(xùn)練專注度。AR技術(shù)還可以根據(jù)不同需求搭建個性化的康復(fù)訓(xùn)練環(huán)境，通過佩戴AR眼鏡契合患者不同康復(fù)階段的病情特點，實現(xiàn)坐、立和臥位的康復(fù)訓(xùn)練，從而提高訓(xùn)練的便攜性和配合度，改善康復(fù)效果。AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)能夠幫助神經(jīng)系統(tǒng)疾病患者在康復(fù)過程中化被動肢體康復(fù)為主動中樞神經(jīng)康復(fù)，為臨床康復(fù)領(lǐng)域提供了新的模式。

1.3.1 AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)流程 AR-MIBCI系統(tǒng)基于MI-BCI的康復(fù)原理結(jié)合AR在康復(fù)應(yīng)用中的優(yōu)勢，將AR通過傳輸控制協(xié)議（transmission control protocol，TCP）與MI-BCI系統(tǒng)連接，接收該系統(tǒng)發(fā)出的AR控制命令，并根據(jù)指令做出相應(yīng)的反饋。依據(jù)生活場景搭建的AR康復(fù)訓(xùn)練系統(tǒng)，能根據(jù)接收的控制命令提供視覺、聽覺和觸覺3種感官反饋。其中AR場景為用戶提供不同的視覺和聽覺反饋，并配以生物電刺激、康復(fù)氣動手等康復(fù)外設(shè)備提供觸覺反饋。由此，AR提供的引導(dǎo)和反饋、EEG采集設(shè)備和EEG處理軟件形成一個完整的閉環(huán)AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)。AR-MI-BCI系統(tǒng)康復(fù)流程見圖3。

圖3 AR-MI-BCI系統(tǒng)康復(fù)流程Figure 3 Rehabilitation flowchart of AR-MI-BCI system

1.3.2 AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)整體架構(gòu) ARMI-BCI康復(fù)訓(xùn)練系統(tǒng)分為2個階段。① 離線訓(xùn)練階段：該階段通過AR引導(dǎo)患者進行不同任務(wù)的運動想象，采集其對應(yīng)任務(wù)的MI-EEG，通過算法解碼建立患者的個性化腦電模型。② 在線康復(fù)階段：該階段根據(jù)腦電模型，通過算法實時解碼MI-EEG判斷患者運動意圖，并轉(zhuǎn)換成控制指令通過外設(shè)備給患者反饋。

AR-MI-BCI康復(fù)訓(xùn)練系統(tǒng)整體架構(gòu)主要包括QT主系統(tǒng)和AR子系統(tǒng)。見圖4。

圖4 AR-MI-BCI系統(tǒng)整體架構(gòu)Figure 4 Architecture of AR-MI-BCI system

1.3.2.1 QT主系統(tǒng) QT主系統(tǒng)是整個BCI系統(tǒng)的控制核心，主要面向康復(fù)師等醫(yī)務(wù)人員，能實現(xiàn)EEG存儲及可視化、AR場景及康復(fù)設(shè)備選擇、任務(wù)量設(shè)定等功能，在整個康復(fù)訓(xùn)練過程中，通過AR子系統(tǒng)（患者）的引導(dǎo)和反饋畫面進行同步，能夠讓醫(yī)務(wù)人員及時了解患者的康復(fù)訓(xùn)練情況。

1.3.2.2 AR子系統(tǒng) AR子系統(tǒng)主要面向患者等特定人群，通過TCP協(xié)議與QT主系統(tǒng)建立連接，根據(jù)接收到的指令進行運動想象任務(wù)的引導(dǎo)和反饋，同時還能實現(xiàn)康復(fù)注意事項、倒計時、康復(fù)得分等提示。

2 MI-BCI在神經(jīng)系統(tǒng)疾病康復(fù)中的應(yīng)用

MI-BCI的應(yīng)用領(lǐng)域包括醫(yī)療、教育、軍事、智能家居和大眾消費娛樂等。最為典型的應(yīng)用是醫(yī)療領(lǐng)域，MI-BCI在神經(jīng)系統(tǒng)疾病方面的應(yīng)用有助于了解大腦活動模式，探究其發(fā)病機制。根據(jù)每個患者的大腦活動模型設(shè)計個性化治療方案，激發(fā)特定腦區(qū)的再生潛力，重塑相應(yīng)腦區(qū)的控制功能，通過大腦“自主式”的訓(xùn)練，從而促進腦功能的改善和恢復(fù)。

神經(jīng)系統(tǒng)疾病是大腦中樞神經(jīng)系統(tǒng)或外周神經(jīng)系統(tǒng)異常的嚴重疾病，其表現(xiàn)包括運動障礙、感覺障礙、認知障礙、疼痛等。上海大學(xué)腦機工程研究中心有關(guān)MI-BCI在神經(jīng)系統(tǒng)疾病診療方面的應(yīng)用（如腦卒中、毒品成癮、抑郁癥和慢性原發(fā)性疼痛等）進行了一些探索，MI-BCI技術(shù)為神經(jīng)系統(tǒng)疾病診療帶來了新的可能性。

2.1 MI-BCI在腦卒中康復(fù)中的應(yīng)用

腦卒中是一種危及生命、發(fā)病率高的急性腦血管疾病，患者往往伴隨偏癱、運動功能障礙、認知功能障礙等后遺癥，因此對腦卒中后康復(fù)的需求日益迫切。傳統(tǒng)的被動式康復(fù)訓(xùn)練方法主要幫助患者活動肢體，其作用是防止患肢肌肉萎縮，無法對受損的大腦神經(jīng)中樞進行康復(fù)訓(xùn)練。面向腦卒中疾病的MI-BCI技術(shù)可以識別患者的運動想象意圖，指導(dǎo)患者主動想象肢體動作，實現(xiàn)患者主動康復(fù)［8］。CERVERA等［9］通過多種康復(fù)方法比較，證明了基于MI-BCI的康復(fù)治療方法效果最明顯。患者在進行MI任務(wù)時，通過大腦的主動想象激活大腦的運動區(qū)促進大腦神經(jīng)重塑，使受損的大腦區(qū)域周圍形成新的神經(jīng)回路，達到恢復(fù)患者運動功能，實現(xiàn)康復(fù)治療的目的。

2.1.1 基于遷移學(xué)習(xí)的MI-BCI MI-BCI作為3種BCI重要范式之一，其核心環(huán)節(jié)是通過機器學(xué)習(xí)方法識別用戶進行MI時產(chǎn)生的腦電信號，進而實現(xiàn)人腦與外部設(shè)備之間的直接通信與控制。傳統(tǒng)機器學(xué)習(xí)方法在進行MI-EEG識別之前，通常需要大量采集用戶的腦電信號，這大大增加了用戶的校準時間，在一定程度上降低了系統(tǒng)的用戶體驗。此外，EEG具有個體差異性，是一種低信噪比的非平穩(wěn)性信號，容易受外界環(huán)境、用戶其他生理信號（眼電、心電和肌電等）和精神狀態(tài)的影響，不同用戶在不同時刻采集并訓(xùn)練得到的分類模型一般不具有通用性。

針對上述問題，在傳統(tǒng)機器學(xué)習(xí)方法的基礎(chǔ)上引入了遷移學(xué)習(xí)方法［10］。遷移學(xué)習(xí)能夠從不同但相關(guān)的領(lǐng)域中學(xué)習(xí)知識并應(yīng)用于新領(lǐng)域，可解決大數(shù)據(jù)與少標注間、大數(shù)據(jù)與弱計算間以及普適化模型與個性化需求間的矛盾。① 為解決傳統(tǒng)機器學(xué)習(xí)算法通用性差的問題，提出模型共享特征自適應(yīng)的跨時間及跨個體MI-BCI遷移學(xué)習(xí)［11］。② 為解決腦電信號非平穩(wěn)及高時間成本的問題，提出空時頻聯(lián)合稀疏優(yōu)化的跨個體MI-BCI遷移學(xué)習(xí)［12］。③ 為解決域內(nèi)不同類之間及域間沒有區(qū)分的問題，提出子域自適應(yīng)深度卷積網(wǎng)絡(luò)的跨時間MI-BCI遷移學(xué)習(xí)［13］。MI-BCI腦卒中康復(fù)系統(tǒng)和結(jié)合AR的MIBCI腦卒中康復(fù)系統(tǒng)的離線數(shù)據(jù)分析與在線數(shù)據(jù)分類均基于上述遷移學(xué)習(xí)模型開發(fā)。

上海大學(xué)腦機工程研究中心研究團隊早期開發(fā)了針對腦卒中患者的肢體康復(fù)腦機接口系統(tǒng)，通過主動想象肢體動作幫助患者恢復(fù)運動功能。隨后，在此基礎(chǔ)上融合了虛擬現(xiàn)實（virtual reality，VR）和AR等技術(shù)，以提升患者康復(fù)過程中的主動性。這些技術(shù)的引入增加了康復(fù)訓(xùn)練的樂趣和動力，促進患者更積極地參與康復(fù)訓(xùn)練。為了解決不同患者之間的個體差異問題，該團隊還進一步拓展傳統(tǒng)機器學(xué)習(xí)方法，引入遷移學(xué)習(xí)方法以更好地適應(yīng)每個患者的特定情況，從而提高系統(tǒng)的個性化程度和診療效果。

2.1.2 單側(cè)上肢MI-BCI腦卒中康復(fù)訓(xùn)練系統(tǒng) 目前MI-BCI任務(wù)以左右手等不同側(cè)肢體的分類為主，不能很好地滿足大量單側(cè)肢體偏癱腦卒中患者的康復(fù)需求。本研究面向腦卒中患者的康復(fù)應(yīng)用，設(shè)計了新型單側(cè)上肢MI-BCI腦卒中康復(fù)訓(xùn)練系統(tǒng)［14］。康復(fù)訓(xùn)練系統(tǒng)由患者、康復(fù)范式系統(tǒng)、腦電采集和識別系統(tǒng)3個部分構(gòu)成。見圖5。

圖5 單側(cè)上肢MI-BCI腦卒中康復(fù)訓(xùn)練系統(tǒng)結(jié)構(gòu)圖Figure 5 Structural diagram of MI-BCI rehabilitation training system for unilateral upper limb after stroke

2.1.2.1 患者 患者作為MI-BCI腦卒中康復(fù)訓(xùn)練系統(tǒng)的用戶，作為人機交互的一端發(fā)揮主觀能動作用，康復(fù)訓(xùn)練效果將直接取決于患者參與MI-BCI康復(fù)療法的專注程度。患者通過佩戴腦電帽完成MI任務(wù)，使康復(fù)訓(xùn)練系統(tǒng)獲取實時的EEG數(shù)據(jù)。這些數(shù)據(jù)首先在離線階段用來生成該患者的自適應(yīng)模型，然后在在線階段作為模型的輸入，預(yù)測患者是否想象正確。

2.1.2.2 康復(fù)范式系統(tǒng) 康復(fù)范式系統(tǒng)作為MIBCI腦卒中康復(fù)訓(xùn)練系統(tǒng)的前臺客戶端，承擔著與患者直接進行人機交互的職責。MI-BCI試驗范式主要包括單側(cè)手部反復(fù)握緊松開的抓握動作和單側(cè)肘部左右往復(fù)的搬運動作兩類任務(wù)。見圖6。1次試驗包括200個試次，每個試次包括3 s動作提示、4 s運動想象和2 s休息。

圖6 MI任務(wù)的詳細動作Figure 6 Detailed actions of MI tasks

2.1.2.3 腦電采集和識別系統(tǒng) 腦電采集和識別系統(tǒng)作為MI-BCI腦卒中康復(fù)訓(xùn)練系統(tǒng)的后臺服務(wù)器端，負責EEG數(shù)據(jù)的處理和解碼，是康復(fù)訓(xùn)練系統(tǒng)的核心部分。腦電采集系統(tǒng)在訓(xùn)練開始后，將患者的EEG信號與對應(yīng)事件標簽保存下來。腦電識別系統(tǒng)在離線階段結(jié)束后，將保存的EEG數(shù)據(jù)以此作為自適應(yīng)卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks，CNN）算法的訓(xùn)練子程序的輸入，經(jīng)過原始信號預(yù)處理、預(yù)訓(xùn)練模型參數(shù)調(diào)整、選取最優(yōu)模型的步驟，得到適合該患者的自適應(yīng)模型，并保存下來供后續(xù)在線階段使用。在在線階段開始后，獲取本次的無標簽MI-EEG信號，作為自適應(yīng)CNN算法的測試子程序的輸入，得到分類結(jié)果，之后將這一分類結(jié)果作為指令向康復(fù)范式系統(tǒng)傳輸。

2.2 MI-BCI在毒品成癮康復(fù)中的應(yīng)用

吸毒人員脫毒困難的重要原因是毒品嚴重損傷大腦神經(jīng)功能造成難以戒斷的精神依賴和身體依賴。根據(jù)上海青東強制隔離戒毒所提供的數(shù)據(jù)顯示，吸毒人員治療時需先進行生理脫毒治療，該階段治療周期大約15 d。生理強制隔離戒毒階段完成后，吸毒人員將被轉(zhuǎn)到心理康復(fù)區(qū)通過不同的心理脫毒療法進行康復(fù)訓(xùn)練。常用的心理脫毒康復(fù)療法有勞動管理、運動干預(yù)以及心理輔導(dǎo)等。這些方法雖對身體素質(zhì)和大腦功能改善有一定的治療效果，但長期的勞動管理以及運動干預(yù)方法容易讓吸毒人員產(chǎn)生疲憊、無聊之感，且無法提供客觀、有效的自控力訓(xùn)練。EEG在BCI技術(shù)支持下能夠反映吸毒人員大腦活動最真實的情況，與傳統(tǒng)的心理療法以及評估手段比較更具客觀真實性。因此，本研究基于BCI與VR技術(shù)設(shè)計了基于BCI＋VR技術(shù)的毒品康復(fù)訓(xùn)練系統(tǒng)（見圖7），旨在輔助吸毒人員減輕心理成癮，提高集中注意力和自我控制能力；還引入適用于吸毒人員的厭惡療法，結(jié)合VR技術(shù)使吸毒人員在毒品與抵抗情緒之間產(chǎn)生聯(lián)系［15］。

圖7 基于BCI＋VR技術(shù)的毒品成癮康復(fù)訓(xùn)練系統(tǒng)結(jié)構(gòu)示意圖Figure 7 Schematic diagram of system structure of drug addiction rehabilitation training based BCI+VR technology

毒品成癮康復(fù)訓(xùn)練系統(tǒng)分為自我控制療法和厭惡療法2個訓(xùn)練階段。① 自我控制療法是由運動想象療法演變而來，吸毒人員完成1次訓(xùn)練需要經(jīng)過2個訓(xùn)練階段，分別是離線視頻引導(dǎo)訓(xùn)練階段和基于引導(dǎo)/反饋的在線訓(xùn)練階段。② 厭惡療法訓(xùn)練包括2個不同的VR場景。在進入該療法訓(xùn)練之前，吸毒人員必須要先完成毒品圖的視覺刺激任務(wù)，目的是激發(fā)其對毒品最強程度的渴求。然后根據(jù)吸毒人員的意愿，選擇令其不舒適感更強的場景進行觀看。

與腦卒中康復(fù)訓(xùn)練系統(tǒng)不同，吸毒人員在進入該康復(fù)訓(xùn)練系統(tǒng)后，首先進行由毒品圖及中立圖隨機交替出現(xiàn)的視覺刺激，以引發(fā)吸毒人員對毒品最強烈的渴求。然后吸毒人員可根據(jù)自己的意愿進入自我控制療法或者厭惡療法訓(xùn)練，吸毒人員在使用時不需要按照特定的順序（如先進行自我控制療法訓(xùn)練再進行厭惡療法訓(xùn)練）進行訓(xùn)練。

基于BCI＋VR的毒品成癮康復(fù)訓(xùn)練系統(tǒng)不僅可以為吸毒人員在心理成癮戒斷過程中提供新的康復(fù)訓(xùn)練模式，還能采集使用該系統(tǒng)時產(chǎn)生的EEG數(shù)據(jù)，用于后續(xù)對毒品成癮度的評估。

2.3 MI-BCI在抑郁癥康復(fù)中的應(yīng)用

隨著城市化進程的加快，抑郁癥發(fā)病率逐漸攀升。重度抑郁可導(dǎo)致自殺，應(yīng)做到早診斷、早治療。目前抑郁診斷方式主要依賴量表和醫(yī)生問診，這種方式存在耗時長、主觀性高等問題。因此，尋找一個客觀、簡便的抑郁患者識別方式以及對其生物學(xué)指標進行量化尤為重要。大量研究表明，與健康對照組比較，抑郁癥患者腦電數(shù)據(jù)存在一定的規(guī)律性［16-23］。腦電信號會受到被試者不同的精神狀態(tài)和各種腦部疾病的病因影響，研究抑郁患者和健康對照組的功能性腦網(wǎng)絡(luò)的連接差異性具有重大意義。

針對抑郁癥患者與健康對照腦功能網(wǎng)絡(luò)的差異性，本研究團隊設(shè)計了抑郁癥患者腦電識別方案。該方案共包含以下8個步驟。

2.3.1 數(shù)據(jù)獲取 使用E-prime軟件設(shè)計了靜息態(tài)和任務(wù)態(tài)2種試驗范式。每位被試者（包括抑郁癥患者和健康對照者）需完成1組靜息態(tài)任務(wù)和3組任務(wù)態(tài)任務(wù)，以采集靜息態(tài)腦電數(shù)據(jù)和任務(wù)態(tài)行為學(xué)數(shù)據(jù)。

2.3.2 數(shù)據(jù)預(yù)處理 對獲取的靜息態(tài)原始腦電數(shù)據(jù)進行數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)剔除、數(shù)字濾波、獨立成分分析（independent component analysis，ICA）去偽跡處理，為后續(xù)的腦電識別提供較為干凈的腦電信號。

2.3.3 頻帶分解 將預(yù)處理后的腦電數(shù)據(jù)分解為5個特定單頻帶及1個多頻帶。

2.3.4 計算多頻帶功能連接矩陣 分別采用相關(guān)性、相位滯后指數(shù)（phase-lag index，PLI）和iCoh指標計算功能連接矩陣。

2.3.5 構(gòu)建多頻帶腦網(wǎng)絡(luò)連接圖 基于PLI指標構(gòu)建多頻帶功能連接矩陣，并轉(zhuǎn)化為多頻帶腦網(wǎng)絡(luò)連接圖。

2.3.6 CNN識別預(yù)測標簽 設(shè)計了2層CNN結(jié)構(gòu)對多頻帶腦網(wǎng)絡(luò)模型進行分類識別。

2.3.7 構(gòu)建多頻帶頭頭模型 基于iCoh指標構(gòu)建多頻帶功能連接矩陣，并轉(zhuǎn)化為多頻帶頭頭模型。

2.3.8 上報輔助診斷結(jié)果 將最終的分類標簽和多頻帶頭頭模型的可視化結(jié)果提供給醫(yī)生進行輔助診斷。

其中腦電數(shù)據(jù)分析處理流程主要分為3個階段。① 預(yù)處理：采用ICA算法消除眼電和肌電等典型腦電偽跡干擾。② 特征提取：提取抑郁患者和健康對照組5個特定單頻帶腦網(wǎng)絡(luò)特征和1個多頻帶腦網(wǎng)絡(luò)特征。③ 分類識別：使用CNN網(wǎng)絡(luò)對特征提取階段的數(shù)據(jù)進行識別，對比支持向量機（support vector machine，SVM）算法和深度置信網(wǎng)絡(luò)（deep belief nets，DBN）分類算法。

抑郁癥患者腦電識別方案見圖8。

3 MI-BCI技術(shù)在神經(jīng)系統(tǒng)疾病康復(fù)應(yīng)用中存在的不足及展望

盡管MI-BCI技術(shù)在神經(jīng)系統(tǒng)疾病康復(fù)應(yīng)用中具有巨大的潛力，但目前還存在一些不足之處，需要進一步研究和發(fā)展。

3.1 技術(shù)成熟度

雖然MI-BCI基本原理已經(jīng)被廣泛理解，但在實際應(yīng)用中，如何準確地捕捉和解析大腦的運動意圖仍然是一個挑戰(zhàn)。此外，如何將這種意圖轉(zhuǎn)化為有效的控制信號，也需要進一步研究。

3.2 設(shè)備成本

目前，MI-BCI設(shè)備成本相對較高，這可能會限制其在大規(guī)模應(yīng)用中的推廣。隨著集成電路和通信技術(shù)的發(fā)展，設(shè)備成本有望進一步降低，從而使更多的患者能夠受益于這項技術(shù)。

3.3 安全性和隱私保護

使用MI-BCI進行神經(jīng)康復(fù)訓(xùn)練涉及到大量的個人健康數(shù)據(jù)，如何確保這些數(shù)據(jù)的安全和患者的隱私權(quán)益，是一個重要的問題。

3.4 臨床驗證

雖然有一些初步研究顯示，MI-BCI技術(shù)在神經(jīng)系統(tǒng)疾病康復(fù)中取得一定效果，但這些研究大多是在實驗室環(huán)境中進行的，缺乏臨床試驗數(shù)據(jù)支持，還需要進一步驗證其有效性。

為此，廣大從事腦機接口技術(shù)研究的工作人員還需要繼續(xù)提高MI-BCI的技術(shù)成熟度，解決現(xiàn)有的問題；同時，爭取多方面政策和技術(shù)的支持，以降低設(shè)備成本，保護患者隱私，推動MI-BCI技術(shù)的臨床應(yīng)用。

4 小 結(jié)

面向神經(jīng)系統(tǒng)疾病的運動想象腦機接口技術(shù)是一種依賴于人工智能算法的新技術(shù)，該技術(shù)為神經(jīng)系統(tǒng)疾病診療提供了新思路。這種以患者主動想象為基礎(chǔ)的腦機接口技術(shù)被證實是更有效、更先進的，在未來的疾病診斷治療中可能被大量使用。但目前該方法仍存在一些局限性和挑戰(zhàn)，隨著腦機接口和人工智能技術(shù)的發(fā)展，未來更高效、更精準的運動想象識別方法必將在運動想象腦機接口康復(fù)訓(xùn)練技術(shù)上作出新的貢獻。