69一区二三区好的精华液,中文字幕无码av波多野吉衣,亚洲精品久久久久久无码色欲四季,日本不卡高字幕在线2019

該論文發表于《Scientific Data》（中科院二區，影響因子5.8），論文題目為《Lower limb motor imagery EEG dataset based on the multi-paradigm and longitudinal-training of stroke patients》。來自天津大學的劉源副教授擔任該文的第一作者及通訊作者。天津大學的明東教授以及天津市環湖醫院的巫嘉陵教授亦為通訊作者。

論文鏈接：https://www.nature.com/articles/s41597-025-04618-4

論文概要

運動功能障礙是腦卒中的顯著后遺癥之一，其中下肢功能障礙尤為關鍵。基于腦機接口（BCI）的運動想象（MI）技術通過激活大腦運動相關區域，為腦卒中患者的康復帶來了希望。然而，要開發出強大的 BCI-MI 系統，并利用該系統揭示中風恢復過程中神經可塑性的潛在機制，需要大規模的數據集支持。這些數據集對于準確診斷中風患者的下肢 MI 以及反映康復過程的縱向數據具有重要意義。本研究通過收集 27 例腦卒中患者的 EEG 數據，涵蓋了兩種增強范式和三個不同時間點，填補了這一研究空白。數據集包含原始 EEG 信號、預處理數據以及患者信息。經 CSP-SVM 初步分析，平均分類準確率達 80.50%。預計該數據集將推動對中風患者腦神經可塑性的研究，助力開發針對下肢中風的解碼算法，并為構建全面的中風康復系統奠定基礎。

研究背景

中風是全球致殘率極高的疾病，每年新增病例超 1220 萬，其中下肢運動功能障礙是患者最迫切的康復需求之一?；谀X機接口（BCI）的運動想象（MI）技術在神經康復領域展現出巨大潛力，但其康復效果高度依賴解碼精度。目前公開的 MI 數據集多基于健康受試者，而中風患者的大腦激活模式更弱且復雜，直接應用難度較大。此外，下肢 MI 的解碼更具挑戰性，因其對應腦區位于腦溝深處，信號較弱。

本研究旨在建立一個大規模的中風患者下肢 MI 數據集，以推動下肢 MI 解碼算法的發展，深化對神經可塑性機制的理解，并支持臨床 BCI 系統的優化。該數據集包含 27 例恢復期中風患者的 4260 次試驗數據，涵蓋傳統 MI 和兩種電刺激增強范式，是首個包含多增強范式和縱向數據的下肢 MI 數據集。

方法

1. 患者招募

研究招募了天津環湖醫院的 27 名腦卒中患者，納入標準為：經 CT/MRI 確診的腦卒中患者，病程 1-12 個月，年齡 30-70 歲；生命體征穩定，認知和溝通能力正常。

2. 實驗范式

數據集包含五個實驗：初始評估的傳統范式（Pre）、不變電刺激范式（IES）、步態相位編碼的順序電刺激范式（SES），以及后處理評估和后續評估的傳統范式（Post 和 Follow）。每個實驗包括步態 MI 和空閑狀態任務，每位患者至少參加 3 個范式實驗或 3 個縱向實驗。

每次試驗12秒。0-3s：固定十字（準備階段），3-4s：任務提示（MI或空閑），4-9s：執行任務（MI階段或空閑），9-12s：放松期。每個范式含40次MI和40次空閑試驗（隨機順序），如圖1所示。

圖1 實驗范式

3. 數據收集和預處理

使用 64 通道 Ag/AgCl 電極帽的 NeuSenW 放大器采集 EEG 數據，采樣頻率 1000 Hz。預處理步驟包括：信號降采樣至 250 Hz，帶通濾波（3-35 Hz）；使用共同平均參考值（CAR）；手動剔除運動偽影段；ICA 去噪（去除眼動 / 肌電偽影）；提取目標標簽對應數據段。

預處理步驟

（1）信號降采樣至250Hz，帶通濾波（3-35Hz）。

（2）使用共同平均參考值（CAR）。

（3）手動剔除運動偽影段。

（4）ICA去噪（去除眼動/肌電偽影）。

（5）提取目標標簽對應數據段。

結果分析

1、ERD/ERS分析

采用事件相關譜擾動（ERSP）方法對 MI 任務期間的腦電信號進行時頻分析，圖2和圖3結果顯示，在所有實驗中，MI 任務在任務開始后不久就觸發了感覺運動皮層的 α 和 β 帶激活，而空閑任務期間未觀察到明顯激活。

圖2 范式實驗組和縱向實驗組的平均ERD地形圖

圖3 范式實驗組和縱向實驗組Cz電極及其周圍電極的平均時頻圖

2、分類準確率

將 5 秒 MI-EEG 數據分為 2.5 秒的窗口，使用共同空間模式（CSP）提取 MI 特征，然后使用 SVM 對特征向量進行分類。Pre、IES、SES、Post 和 Follow 實驗的平均解碼準確率如圖4所示，分別為 78.92%、80.57%、82.41%、80.95% 和 80.52%。與其他研究相比，該數據集的分類準確率與其他數據集相當，驗證了數據的有效性。

結論

本研究構建的下肢 MI 數據集，包含多增強范式和縱向數據，初步分析表明數據可基于 MI 任務分類，平均準確率與近期研究相當，能為中風患者神經可塑性研究、下肢解碼算法開發和康復系統建立提供支持。

撰稿人：楊耀震

審稿人：潘家輝