2025年4月18日
本研究介绍了一种针对脑卒中患者的脑机接口(BCI)系统,该系统结合脑电图和眼电图信号来控制上肢机器人手,以增强患者的日常活动能力。评估采用脑卒中柏林双手测试(BeBiTS)进行。
本方案利用脑电图(EEG)和眼电图(EOG)信号,评估一种由脑机接口(BCI)控制的上肢辅助机器人在脑卒中康复中的应用,以增强双手协调功能。通过BeBiTS系统评估功能改善情况,推动辅助性神经康复的发展。
该技术通过辅助偏瘫手功能,使中风后偏瘫患者受益。它还可帮助因脊髓损伤或神经退行性疾病导致运动功能障碍的患者。
该技术通过脑电图(EEG)和眼电图(EOG)将运动意图与执行过程连接起来,使中风患者能够控制机械手。与传统的辅助方法相比,该方法可改善双手功能,提高患者在日常生活活动中的独立性。
患者在首次进行运动想象训练时可能会遇到困难。因此,需要提供适当的指导和说明,以确保产生本体感觉性运动想象。
由DCI控制的上肢机器人包含神经康复的组成部分,例如神经可塑性和运动学习。该系统可扩展应用于中风、脑瘫以及神经退行性疾病患者的运动功能康复。
[指导者] 首先,向所有招募的患者提供有关实验程序的详细信息。从每位参与者处获取签署的知情同意书。完成同意书后,在桌前的舒适椅子上对脑机接口(BCI)机器人进行训练之前,先评估 BeBiTS 评估量表的10个项目。启动脑机接口(BCI)系统。将电极帽戴在患者头部,并连接放大器。在源模块中,选择 EegoModule,随后选择阻抗模式,然后按开始以激活模块。观察指示激活的蓝灯。确保阻抗低于10千欧姆。然后在源模块中按停止。将模式更改为用于数据流的EEG模式。按下开始,检查信号质量。对于EOG校准,在任务模块中设置提示次数。指导参与者执行短暂的侧向眼动,跟随屏幕上出现的10个箭头。训练结束后立即查看结果图。对于EEG校准,选择EEG校准任务模块,并在任务模块中将提示次数设置为5次。在反馈模块中,将偏侧性设置为机器人手所在的一侧。确保未选中显示“pacman”选项。现在指导参与者当黑色屏幕上出现“想象握紧拳头”的提示时,想象自己握紧拳头,然后查看结果图。完成EOG和EEG训练后,设置特定目标频率、参考值和阈值等参数,以区分握拳意图。使用已配置的参数,通过pacman界面进行反馈训练。使用USB无线接收器将辅助性机械手无线连接至计算机。接下来,让参与者佩戴机器人并执行BeBiTS评估。等待屏幕上的白灯亮起,表示系统处于就绪状态。确认后,指导参与者将眼睛移向一侧,使灯变为绿色。当绿灯亮起时,指示他们想象握紧拳头。利用机器人辅助参与者完成握拳动作并执行任务。任务完成后,指示参与者观察屏幕上的红灯。如果参与者想要张开手,可以移动眼睛将灯的颜色变回白色。最后,使用BCI机器人系统对患者在BeBiTS训练后再次进行评估。训练良好的参与者的EOG数值显示出一致的试验结果,其平均曲线达到阈值水平,且EEG结果能够清晰区分静息状态与运动想象状态。相比之下,训练不佳的参与者的EOG试验结果不一致,平均曲线未能达到阈值水平,其EEG结果在静息状态与运动想象之间缺乏明确区分。参与者P1、P4和P5在BeBiTS训练前后评估中均未能完成大多数任务。参与者P3在BeBiTS训练前评估中初始得分,但在训练不足后,BeBiTS训练后评估中未获得得分。参与者P2以及P6至P8在BeBiTS训练后评估中部分任务的表现较训练前评估有所改善。
查看完整文字稿并访问数千部科学视频
本研究评估了一种专为中风康复设计的脑机接口(BCI)系统,该系统利用脑电图(EEG)和眼电图(EOG)信号来控制上肢机器人辅助装置。采用中风患者双侧上肢功能评估的柏林双侧测试(BeBiTS)来评估中风患者双手协调功能的改善情况,从而在运动意图与动作执行之间建立联系。
将脑机接口(BCI)系统与上肢机器人技术相结合,能够将中风患者的运动意图直接转化为功能性动作,从而填补了神经康复领域的一项关键空白。该方法可提高对个体化康复效果的预测准确性,并为辅助设备组合的早期技术评估提供依据。该技术通过量化由神经可塑性驱动的日常活动能力改善,支持对康复机制的降风险分析。
该BCI-机器人系统贯穿了从早期神经运动信号发现到运动功能障碍辅助设备的临床前验证的整个研究过程。