單手運動腦電解碼概述

盡管當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。這種單側運動解碼模式無法滿足日常生活中普遍存在的雙手協調任務（如搬運物體），從而限制了其在康復訓練中實現完全功能恢復的效果。從神經機制上看，如圖1（時間頻率表征圖）所示，單手運動主要引發對側大腦半球的的事件相關去同步化活動，而同側激活較弱，這種不對稱的腦激活模式無法模擬和促進雙側腦半球協作這一對于雙手協調功能至關重要的神經過程，因此不利于實現全面的上肢康復。

圖1：單雙手運動時間頻率分析圖（C3/C4通道）

圖1從振蕩神經活動的角度，揭示了單手與雙手運動在執行時大腦激活模式的根本差異。單手運動（如左手動）：在對側腦區（即右手動在C3，左手動在C4）觀察到強烈的ERD（藍色區域），同時在同側腦區有較弱的ERD。這完美符合神經科學的經典理論。雙手運動：在雙側腦區（C3和C4）均觀察到顯著且對稱的ERD。這表明雙手協調運動需要兩個大腦半球的協同激活，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鍵的神經生理學證據。

HUIYING

雙手協調運動腦電如何解碼更優？

本研究的核心創新在于首次從非侵入性腦電圖信號中成功解碼了任務導向的雙手協調運動方向，為康復機器人控制提供了新范式。與非常規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。其關鍵優勢在于，雙手協調運動能誘發更顯著且更具區分度的大腦活動。如圖2（地形圖）所示，雙手運動時在雙側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優勢形成鮮明對比。這種更強的雙側協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確率（如左 vs 右達86.28%）顯著高于單手運動，展現出其在實現更自然、高效的多維康復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以動態空間視圖的方式，展示了運動相關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，腦電振幅發生明顯變化。單手運動：激活主要集中在對側大腦半球的中央區（C3/C4附近）。雙手運動：激活模式呈現廣泛的雙側對稱性，覆蓋了雙側的感覺運動皮層。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，共同證明了雙手協調運動獨特的、更強的雙側大腦激活模式。

HUIYING

任務導向的雙手協調運動創新BCI范式

方法

實驗設計：

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

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

圖3：實驗設置與任務流程圖

圖3(a)：實驗場景實物圖，此圖證明了實驗的嚴謹性和生態效度。它明確了實驗是在受控的電磁屏蔽室內進行，確保了EEG信號的質量。導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，便于與腦電信號對齊分析。

圖3(b)-(d)：任務視覺反饋示意圖：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。這種設計巧妙地創造了任務導向的語境，即受試者的目標是“移動雙手/單手，使圓點進入目標矩形”，而非執行抽象的肌肉收縮。

圖3(e)：單次試驗時間線圖：時間線是數據分段和分析的基礎。它明確了“視覺提示出現”、“實際運動開始”（由Leap Motion定義）和“任務完成”等關鍵事件點，為后續EEG數據截取（如圍繞運動起始點的-0.5秒到1.5秒）提供了精確依據。

數據采集：

使用64通道EEG系統記錄腦電活動，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，為對齊腦電數據與行為數據提供基礎。

解碼模型：

提出了一個創新的CNN + BiLSTM混合深度學習模型。

圖4（CNN-BiLSTM混合模型架構圖） 詳細展示了該模型的結構，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信號中學習。它結合了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勢，避免了傳統方法依賴人工特征工程的局限性，是該研究實現高解碼精度的技術核心。

數據預處理：

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。

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

圖5：手部位置與視覺-運動反應時間示意圖

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）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示出了視覺-運動反應時間，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為基準對齊數據，那么運動相關的腦電信號（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） 并對齊數據，是確保分析準確性的關鍵預處理步驟

結果

三分類解碼性能：

對左、中、右三個協調方向進行多分類，平均峰值準確率達到 73.39% ± 6.35%，顯著高于隨機猜測水平。

二分類解碼性能：

在雙手運動內部進行兩兩方向的二分類，準確率分別為：

左 vs 中：80.24%

右 vs 中：82.62%

左 vs 右：86.28%

解碼性能的時間動態：

圖6（分類準確率隨時間變化曲線圖） 是關鍵結果的可視化。該圖顯示，解碼準確率在實際運動發生之前（即視覺-運動反應時間內）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備和執行早期階段的腦電信號中成功解碼出運動意圖。

圖6：分類準確率隨時間變化曲線圖

圖6：本研究最重要的結果圖之一，它揭示了解碼性能與運動時間進程的動態關系，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）的分類準確率，這些準確率是基于一個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確率及其出現的時間點。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確率。

關鍵發現：最高的解碼準確率發生在實際運動發生之前和運動早期。這具有巨大的應用價值，因為它意味著BCI系統可以在用戶剛剛開始執行動作甚至還在準備時就識別出其運動意圖，從而實現前瞻性、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，雙手運動的解碼準確率顯著高于單手運動。

這一結論在圖7（統計對比圖） 中通過了嚴格的統計檢驗，證實了雙手協調運動能為BCI解碼提供更具判別性的神經信號。

圖7：不同模型與運動條件下解碼性能統計對比圖

圖7從統計學上驗證了本研究提出的模型相較于基線模型的優越性，以及雙手運動相較于單手運動在解碼上的優勢。圖7(a)：不同模型性能對比，帶有顯著性標記（*）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于傳統方法（LDA, SVM），并且在雙手任務上顯著優于其他深度學習模型。這直接證明了所提出的CNN-BiLSTM混合架構的有效性。圖7(b)：不同運動條件性能對比，帶有顯著性標記的圖表明確顯示，對于大多數模型（尤其是本研究提出的模型），雙手運動的解碼準確率顯著高于任一種單手運動。這從統計學上堅實支撐了本研究的核心結論：解碼雙手協調運動不僅可行，而且比解碼單手運動更具優勢。

HUIYING

總結

本研究成功驗證了從非侵入性腦電圖信號中解碼自然、任務導向的雙手協調運動方向的可行性。所提出的CNN-BiLSTM混合模型表現優異，顯著優于傳統方法。更重要的是，研究發現雙手運動比單手運動誘發了更顯著的雙側腦激活，且解碼準確率更高，這為開發新一代支持雙側協調訓練的康復腦機接口系統提供了堅實的理論和實驗依據，有望極大地推動上肢康復，特別是對于中風等需要恢復雙側功能患者的技術進步。補充：另外傳統范式像是在做** gym 里的孤立肌肉訓練**（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、舉等復合動作有差距。本研究的“任務導向”范式則像是在進行功能性訓練或模擬真實工作（例如，搬運一個重物放到指定位置），它鍛煉的是全身協調發力以及如何完成一個具體任務的能力。

HUIYING

回映產品

產品1：基于EEG/fNIRS便攜無創腦脊接口設備（可ODM定制開發）

回映這款非侵入性腦脊接口整機設備是一個高度集成的閉環神經調控系統:

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，用于無創采集用戶大腦感覺運動皮層的神經信號。這些信號被實時傳輸至內置的信號處理與計算單元，該單元運行著先進的機器學習算法（線性判別分析，LDA），能夠從特定的腦電節律（μ波和β波）中持續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設閾值，計算單元會即刻向經皮脊髓電刺激器發出觸發指令。刺激器則通過精準貼附于使用者背部T10脊髓節段和腹部的電極，輸送出與運動意圖同步的、特定參數（如30Hz，10-15mA）的電刺激，以激活脊髓神經網絡，輔助運動完成。整個系統通過統一的硬件同步機制，確保了從“意念識別”到“脊髓刺激”整個環路的時間精度，最終形成一個由“大腦意圖驅動、脊髓刺激輔助”的一體化康復設備，旨在通過這種精準的閉環干預促進脊髓損傷患者的神經功能重塑與運動功能恢復。

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

產品2：單通道肌電/心電/呼吸采集設備

單通道肌電/心電/呼吸采集設備創新性地采用type-C轉腦電電極以簡單輕便的方式實現了單通道肌電/心電/呼吸采集，且基于結構與硬件的特殊設計，支持高原環境下進行采集。另外產品總體結構采用魔術貼設計，方便于全身佩戴。

適用領域:單通道生理參數采集

單通道肌電/心電/呼吸采集設備

產品3：基于干電極的32通道腦電采集儀

高質量腦電信號采集對于精準識別和分析非癲癇樣異常（如彌漫性慢波、局灶性δ活動）至關重要。為此可以了解我們研發的一款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環境下的數據采集。該設備不僅能通過全覆蓋設計捕捉全腦電活動細節，還采用了type-C智能轉接技術和抗干擾硬件架構，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定輸出低噪聲波形。

適用范圍：多通道生理參數采集

產品4：便攜式TI時域干涉經顱電刺激儀

便攜式TI時域干涉經顱電刺激儀通過緊密接觸于頭皮的電極傳導兩路不同頻率的高頻脈沖電流(如：2000Hz和2010Hz),高頻電流流經大腦表層和深部區域，并在腦深部干涉產生低頻包絡(如：10Hz),由于大腦神經元對高頻(>1000Hz)電刺激不響應，所以位于大腦表層的高頻電流并沒有對大腦產生刺激效應位于腦深部的低頻包絡刺激大腦，實現無創地刺激大腦深部而不影響大腦皮層，即無創腦深部電刺激。

回映便攜式時域干涉電刺激設備支持傳統的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：

能夠應用于對老年癡呆、癲癇、帕金森、抑郁癥等多種神經系統疾病治療和神經科學研究的多個領域。

回映便攜式TI時域干涉經顱電刺激儀設備示意圖