基于步态相位编码序列电刺激的运动想象对脑卒中患者脑激活模式的增强效应

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：The Enhancement Efficacy of Motor Imagery Based on Gait Phase Encoding Sequential Electrical Stimulation in Stroke Patients

本文针对脑卒中患者下肢运动想象（MI）诱发的脑电信号弱、解码准确率低的问题，研究人员开展了一项基于步态相位编码的感觉阈值序列电刺激（SES-MI）增强运动想象脑机接口（MI-BCI）性能的研究。结果表明，与无电刺激（Non-MI）和固定参数电刺激（IES-MI）范式相比，SES-MI能诱导出更强、更广的事件相关去同步化（ERD）激活，并显著提高了MI与空闲状态（Idle）的二分类准确率（81.30%），为促进脑卒中下肢康复中MI-BCI的应用发展提供了新策略。

　　

脑卒中是一种高发的神经系统疾病，是导致中老年人残疾和死亡的主要原因之一。据统计，约半数脑卒中患者存在下肢运动功能障碍，严重影响了他们的日常生活能力。恢复下肢运动功能和行走能力是患者最迫切的需求之一，其关键在于利用大脑的神经可塑性来修复受损的运动皮层。基于运动想象的脑机接口技术为实现这一目标提供了极具前景的途径，它允许大脑与外部设备直接通信，从而帮助重建受损的运动功能。

然而，理想很丰满，现实却很骨感。当前下肢MI-BCI在脑卒中患者中的应用面临着严峻挑战：解码准确率普遍偏低。这背后有多重原因。首先，从神经解剖学上看，下肢的生理表征区位于感觉运动皮层的半球间裂内，区域深且小，使得脑电信号检测本身就很困难。更雪上加霜的是，脑卒中患者的感觉运动皮层受损，导致他们在进行运动想象任务时产生的事件相关去同步化响应非常微弱。这种微弱的皮层激活直接影响了BCI的解码精度，因为解码准确率与皮层激活水平正相关。频繁的解码失败不仅会分散患者的注意力，还会打击他们的康复信心。尽管研究人员在算法上不断优化，但对于一些“BCI无效者”而言，根本问题在于他们无法在现有引导方式下产生有效的脑电特征信号。因此，探索如何通过更有效的MI范式来引导脑卒中患者产生特征明显的下肢运动想象信号，成为了一个基础而关键的研究方向。

传统的MI范式通常使用箭头或文本提示来引导受试者想象运动，但这些提示较为抽象，效果有限。虽然丰富的视觉线索（如动态视频或虚拟现实场景）被证明可以增强MI能力，但生动的视觉引导可能会分散受试者对MI任务本身的注意力。相比之下，体感输入在引导MI任务方面具有独特优势：它不占用视觉通道，能将注意力引导至相应肢体，促进动觉运动想象而非视觉运动想象，而前者是MI的核心组成部分，能激活感觉运动网络。此外，体感输入与运动学习内在相关，对于创建MI所需的内部身体表征至关重要。神经解剖学上，感觉皮层和运动皮层直接相连，为它们的相互作用提供了生理结构基础。

近年来，将外周电刺激与MI结合以改善MI性能的研究日益受到关注。感觉阈值电刺激作为一种体感输入方式，可以传递本体感觉信号，调节感觉运动皮层的兴奋性。研究表明，将st-ES与MI结合可以诱导下肢皮质脊髓兴奋性和交互抑制的可塑性变化。然而，现有的体感刺激方法仅在肢体部位层面与MI任务相关，缺乏更细致、更同步的引导信息。2022年，研究团队首次提出了基于步态相位编码的感觉阈值序列电刺激增强下肢MI范式，将步态相位与不同部位和强度的st-ES组合相对应，从而有效“具身化”行走MI任务。

本研究中，研究人员首次将这种新颖的SES-MI范式应用于脑卒中患者，系统性地探讨了其相较于传统的无电刺激范式和固定参数电刺激范式，在增强大脑响应模式和改善分类准确率方面的功效。

本研究主要采用了脑电图技术记录脑电信号，并利用事件相关谱扰动分析大脑激活模式。功能连接性通过加权相位滞后指数进行评估。最后，使用EEGNet卷积神经网络对运动想象状态和空闲状态进行二分类，以评估不同范式下的解码性能。

A. ERD脑拓扑分布模式

研究人员通过分析所有受试者在α和β频段的平均ERD脑拓扑图发现，三种MI任务均诱导了感觉运动皮层的ERD激活，但存在明显差异。Non-MI仅诱导了微弱的双侧ERD激活；IES-MI在对侧感觉运动皮层诱导了更强的ERD；而SES-MI则诱导了更强、范围更广的双侧感觉运动皮层ERD，并且在额叶也观察到明显的ERD现象，表明SES-MI任务激活了更强、更广域的ERD现象。在β频段，不同刺激条件间的差异非常小。与MI任务相比，不同刺激条件下的Idle任务诱导的ERD激活均非常微弱，且无差异。这些结果通过△ERD拓扑分布图得到了进一步确认，SES-MI相较于Non-MI和IES-MI在更多电极点上表现出更大的ERD差异。

B. 关键电极的时频分析

选择代表双侧感觉运动皮层的关键电极Cz、C3和C4进行时频分析。ERSP时频图显示，MI任务开始后，在C3和C4电极的α和β频段整个时间范围内均观察到ERD激活，表明MI任务诱导了双侧ERD激活。Cz电极的ERD激活主要集中在β频段和MI任务的前4秒。对比三种MI任务发现，SES-MI在三个电极上诱导了比其他范式更强、频带更宽的ERD激活。ERSP时频差异图进一步显示，在α频段，SES-MI和IES-MI相比Non-MI均诱导了更强的ERD，且SES-MI的增强更为显著。在C4电极，还观察到SES-MI相比Non-MI在高β频段也存在ERD增强。

ERD波形图突出了α频段ERD调制的时序动态，平均ERD振幅图则强调了时频平均后的ERD差异。α频段的平均ERD波形图显示，MI任务开始后，SES-MI诱导的ERD激活强度始终强于Non-MI。SES-MI与Non-MI存在显著差异的时间段长于IES-MI与Non-MI，尤其在C4电极。平均ERD振幅计算表明，在Cz、C3和C4三个关键电极上，Non-MI、IES-MI和SES-MI的平均ERD振幅呈递增趋势。与Non-MI相比，SES-MI在Cz的ERD振幅最大增加了115%，在C4有显著差异，提高了69%。

C. 不同范式下的功能连接性比较

基于wPLI的功能连接性分析发现，与Non-MI相比，IES-MI和SES-MI中不同脑区间的功能连接性均减少，尤其在SES-MI中减少更为明显。在α频段，SES-MI任务中的功能连接性减少主要发生在受损半球的前后区域之间；在β频段，减少主要观察于两半球之间。这种功能连接性的降低可能反映了大脑效率的提高，与感觉运动整合和运动表现的改善有关。

D. 分类性能

使用EEGNet算法在α、β和α+β频段对三种条件下的MI状态与Idle状态进行二分类。结果显示，所有范式的分类准确率均高于70%，满足BCI控制的基本要求。在α频段，SES-MI vs. SES-Idle的分类准确率高于其他两种范式，但无显著差异。在β频段，三种范式的分类准确率几乎无差异。值得注意的是，在α+β频段，仅SES-MI vs. SES-Idle分类器的准确率超过了80%，达到81.30%，相较于Non-MI和IES-MI范式有显著提升。

本研究结果表明，新型的SES-MI范式能有效增强脑卒中患者进行下肢运动想象时的大脑激活模式。具体表现为诱导出更强、范围更广的ERD现象，特别是在双侧感觉运动皮层和前额叶皮层。这种大脑兴奋性的增强主要集中在α频段。功能连接性分析显示，SES-MI导致了不同脑区之间连接性的降低，这可能反映了大脑信息处理效率的提升。最重要的是，SES-MI范式显著提高了MI状态与空闲状态的分类准确率，这对于基于BCI的康复训练至关重要，因为频繁的解码失败会挫伤患者的积极性和信心。

该研究的成功验证了将丰富的步态时空信息通过序列电刺激整合到MI引导策略中的可行性与优越性。这种范式不仅增强了皮层激活，可能更有利于促进神经可塑性，而且为提高BCI系统的解码性能和用户体验提供了新思路。尽管存在一些局限性，如需探索电刺激参数优化、长期训练效应以及提高算法对特征提取能力等，但本研究无疑为推动MI-BCI在脑卒中下肢运动康复中的实际应用和发展奠定了坚实的基础，展现出广阔的应用前景。