脑机交互运动训练的神经反馈响应关键机制及卒中康复应用

来源 :天津大学 | 被引量 : 0次 | 上传用户:zxg520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
运动是人类存活、劳动及对外交流的必备功能,但常因疾病或意外而受损甚至丧失。脑卒中(Stroke)是我国与全球第一致残疾病,其低龄发病、高障碍后遗、特长病程折磨和巨大医资消耗令社会不堪重负、难以防治。因此,卒中康复技术研究具有重大科学价值和社会意义。但传统康复训练难以诱导患者主动操控肢体的皮层-肌肉耦合,尤缺镜像神经元与神经可塑机制配合,导致康复效果受限。近年基于脑-机接口(Brain-computer Interface, BCI)等新兴人机交互技术的运动神经反馈训练(Neurofeedback Training, NFT)新方法能使中枢神经信息量化可视与肢体运动真实可感,促进整体神经传导通路与运动功能全面按意愿主动修复与重建,为运动神经康复技术革命带来了全新希望。
  论文面向卒中运动功能康复迫切需求,聚焦探索运动神经反馈训练中皮层神经诱导规律及其可塑性康复机制,主攻神经信息解码与反馈调控间高效匹配等关键难题。基于脑电(Electroencephalography, EEG)、近红外光谱(Near Infrared Spectroscopy, NIRS)脑血氧联合检测方法对比研究了不同运动反馈训练模式的神经响应机制以揭示BCI耦合调控作用机理;创新提出并设计了基于BCI的视、触觉运动神经反馈训练方法,结合EEG-NIRS特征融合分析了其神经诱导机制与运动康复训练效果;研究了时程因素影响下新型运动神经反馈训练的EEG、肌电(Electromyography, EMG)响应及其耦合关系;集成设计了多模态运动神经反馈训练系统并初步尝试用于典型长时程卒中运动功能康复训练,验证其临床实施的有效可行性。
  研究结果表明,BCI技术在运动神经反馈训练中能发挥关键耦合调控作用,驱动功能性电刺激(Functional Electrical Stimulation, FES)可诱发更强脑电生理活动和血液动力学响应;采用BCI人机信息交互联合视觉场景与电刺激触觉运动神经反馈训练可显著强化运动想象(Motor Imagery, MI)诱发的皮层神经激活效应,提升识别大脑主观运动意愿性能(提升~9%),且EEG-NIRS特征融合可显著优化交互信息分类识别效果(平均~89%);发现EEG-EMG多频段耦合效应,且卒中患者经新型运动神经反馈训练初疗程后即能显著提升其皮层-肌肉活动水平;证实多模态运动神经反馈集成训练系统可有效改善卒中患者行为学表现和运动功能特征;最终实现了“训练+评估”一体化的多模态运动神经反馈训练系统设计,初步验证了其用于卒中运动康复训练的有效性。相关成果有望支撑新一代神经康复技术的发展与应用。
其他文献
视觉是人类最为依赖的知觉系统,是神经科学最为重要的研究方向之一。在脑-机接口研究中,基于视觉诱发脑电的脑-机接口技术已经取得了巨大成功,是最有可能实现大规模实际应用的脑-机接口技术。当前多数基于视觉的脑-机接口系统都是通过施加某种外界刺激编码实现的,而大脑能够仅通过视觉区分各类场景信息,不需要额外的编码过程,通过脑电解码大脑编码视觉信息的过程,实现对视觉图像的重建,进而形成新的视觉脑-机交互方法,
脑-机接口(Brain Computer Interface,BCI)是一种不依赖于外周神经和肌肉组织的信息交互通道,其中基于大脑运动相关思维信息解码的BCI系统能够将主观运动意图转换为输出指令,建立起运动思维与肢体动作间的直接信息交互通路,在人体运动功能康复、替代、增强等多方面具有重要科学意义与应用价值。然而,相关BCI技术还面临着两个瓶颈问题,一是指令集小,二是解码效率低。本文针对上述关键问题
学位
骨髓间充质干细胞是一种具有支持造血、调节微环境等功能的干细胞,不仅具有自我复制能力,而且有多向分化的潜能,在临床治疗中起到重要作用。实验发现,急性髓系白血病患者的骨髓微环境发生了改变,患者的骨髓间充质干细胞功能衰弱,衰老细胞数量比例增加。将骨髓间充质干细胞形态学特征与活性之间相关联,分析鉴定干细胞功能亚群的结构变化特征,为实现临床骨髓间充质干细胞分选和富集过程的质量控制提供新思路,主要做了以下三个
基于大脑运动想象的脑-机接口(Motor Imagery based Brain Computer Interface, MI-BCI)系统能够将主观运动意图转换为输出指令,建立起运动意图与肢体动作间的有机信息联系,有助于肢体偏瘫或残疾患者的运动功能替代和修复。然而,传统MI-BCI范式的运动意图解码能力较为有限,严重制约着这一技术的临床应用。近年来,一种新型的运动想象调制稳态体感诱发电位(Mot
学位
脑-机接口(brain-computer interface,BCI)是一种通过检测大脑神经信号,不依赖肌肉组织和周围神经进行对外交互输出的方法。作为一种新型的人机交互方法,当前的绝大多数BCI研究主要集中于如何使用BCI提高病人或残疾人的对外交互能力,BCI对于健康个体的使用价值仍鲜有研究。健康个体在执行任务时,其双手在不断的进行操作以完成对外交互,而BCI可以提供“第三只手”进行多任务作业从而
学位
癫痫是一种常见的慢性神经系统疾病,给病患和家属带来了巨大的生理和心理创伤。自动、准确地识别癫痫发作状态有助于及时对病患进行救治。本文基于深度学习方法对癫痫状态自动识别算法进行研究,并使用CHB-MIT数据库中17例病患的长程脑电记录数据对算法进行验证,具体工作内容如下:  预处理:以2秒为单位把原始长程脑电记录截取成样本片段,然后基于小波分解与重构理论提取0~32Hz的分量进行研究,从而滤除脑电采
学位
流行病学调查研究显示我国睡眠呼吸暂停与低通气综合征发病率不断升高,已逐渐成为人民健康生活的严重威胁之一。睡眠呼吸暂停与低通气综合征(Sleep Apnea Hypopnea Syndrome,SAHS)是一种由上呼吸道完全闭合或者部分闭合造成呼吸暂停的睡眠障碍。SAHS患者睡眠过程中会出现无意识憋气导致其睡眠效率严重降低,并诱发日间嗜睡、疲乏、注意力不集中、记忆力下降等问题。甚至会诱发诸如高血压、
脑控机器人系统可以帮助患者完成日常生活中的活动,受到了研究学者的广泛关注。如何充分结合脑-机接口(Brain-Computer Interface,BCI)系统与传统机器人控制系统的优势,构建具有较高环境适应度、高易用性的脑控机器人系统是本领域的发展趋势。由此衍生了共享控制型脑控机器人系统,该类型系统充分的融合了人与机器的智能。目前,基于稳态视觉诱发电位(Steady-State Visual E
学位
菌落计数在食品检测、环境保护和医疗卫生等领域都有重要应用,菌落计数算法大多需要处理复合菌落图像。复合菌落图像的菌种复杂,菌落形态学特征各不相同。基于灰度的传统菌落计数方法,以及市面上各种菌落分析仪在处理复合菌落图像时,均面临一定困境。当前菌落计数算法仅仅是对单张图像或者一段视频中的单帧图像进行处理,获取培养皿中连通域的数目进而计数,因此无法排除杂质或死菌对活体菌落计数的干扰。活体菌落计数是菌落分析
学位
注意将心理资源集中到感兴趣事件的处理上,是一种重要的认知能力。但是对于大多数人而言,长时间保持良好的注意状态是极其困难的。注意力的下降将直接降低工作和学习的效率,甚至可能引发严重的事故。因此,对注意水平进行客观的检测,具有重要的研究意义和应用价值。  本研究记录了50名健康被试在执行基于空间位置特征的go/no-go判别任务时的行为学及脑电数据。实验中小概率(概率12%)的no-go刺激出现时,被
学位