近日，天津大学脑机海河实验室团队在下肢运动想象脑电强化解码技术方面取得重要进展，相关研究成果入选《Interdisciplinary Medicine》（影响因子13.6）最新一期封面论文。
据统计，超过 85% 的脑卒中患者会出现运动功能障碍，其中下肢偏瘫尤为突出。传统康复疗法主要通过被动刺激肢体来间接影响大脑功能重塑，这种方式难以充分激发患者的主动运动意图，导致康复效率受限。脑机接口（BCI）技术为破解这一难题提供了新的解决思路。运动想象脑机接口（MI-BCI）技术使患者能够通过 “想象运动” 直接与外部设备进行交互，无需依赖实际的肢体动作，被视为是极具潜力的神经康复手段。然而，下肢运动想象产生的脑电图信号具有幅度微弱、信噪比低的特点，现有算法难以精准识别其特征，导致运动意图分类准确率不高，这成为制约该技术落地转化的关键瓶颈。
针对这一技术挑战，团队创新性地提出了两种基于黎曼聚类的分类算法 ——基于簇间距的黎曼聚类（MBRC）和基于统计特征的黎曼聚类（SBRC）。这两种算法的核心创新在于将样本按照黎曼距离划分为“子集群”，并设计了全新的聚类标准 ：MBRC 引入“集群边缘距离”，强化对边界样本的区分能力，使不同运动意图信号的边界划分更为清晰；SBRC 则借助“黎曼土豆算法” 计算异常检测阈值，能够有效识别并过滤噪声样本，大幅降低信号干扰。实验结果表明，在团队采集的私有数据集上，MBRC和SBRC算法相较于当前主流基线算法，分类性能分别最高显著提升了18.52%和20.35%；在公开的Yi2014数据集上，两种方法在不同训练样本规模下均展现出更优秀的分类性能。上述结果充分表明，团队所提的算法能够有效提升下肢运动想象脑电的解码精度，有望为脑机接口在神经康复领域的深入应用提供重要的技术路径。
据了解，上述研究成果以《Enhance decoding of lower limb motor imagery‐electroencephalography patterns by Riemannian clustering》为题，发表于神经科学与医学交叉领域的顶级国际学术期刊《Interdisciplinary Medicine》（IF：13.6，中科院一区期刊）。该项研究得到国家重点研发计划、国家自然科学基金等项目的资助支持。团队硕士研究生孙新维、刘拓为论文共同第一作者，许敏鹏教授、王坤副教授为共同通讯作者。研究论文已在线发表并开放获取（DOI:10.1002/INMD.20250003）。
图文来源：天津大学医学院
责任编辑：李孟瑜
内容审核：倪广健
仅用于学术分享，若侵权请留言，即时删侵！
欢迎加入脑机接口AI星球，获取更多脑机接口+AI等领域的知识和资源。
合作咨询请添加微信:RoseBCI【备注：姓名+行业/专业】。
欢迎来稿
1.欢迎来稿。投稿咨询，请联系微信：RoseBCI
点击投稿：脑机接口社区学术新闻投稿指南
2.加入社区成为兼职创作者，请联系微信：RoseBCI
一键三连「分享」、「点赞」和「在看」
不错过每一条脑机前沿进展
