Abstract
双向闭环运动想象脑机接口(MI-BCI)是一种新型的运动功能障碍主动康复训练方法,已在实验室和临床环境下广泛开展了康复疗效测试。然而,迄今为止尚无统一的康复功效评价方法,且少有文献对此进行评述。为促进双向闭环MI-BCI主动康复训练系统向临床实际应用转化,本文首先阐述该系统,然后评述其康复训练周期与康复功效评价方法,接着概述了该系统的可用性、用户满意度和使用情况评价方法。最后,探讨了系统康复功效评价面临的挑战。期望本文可促进双向闭环MI-BCI主动康复训练系统转化为临床实际应用。
Keywords: 运动想象脑机接口, 主动康复训练, 康复功效评价方法, 运动功能障碍, 脑机接口
Abstract
The bidirectional closed-loop motor imagery brain-computer interface (MI-BCI) is an emerging method for active rehabilitation training of motor dysfunction, extensively tested in both laboratory and clinical settings. However, no standardized method for evaluating its rehabilitation efficacy has been established, and relevant literature remains limited. To facilitate the clinical translation of bidirectional closed-loop MI-BCI, this article first introduced its fundamental principles, reviewed the rehabilitation training cycle and methods for evaluating rehabilitation efficacy, and summarized approaches for evaluating system usability, user satisfaction and usage. Finally, the challenges associated with evaluating the rehabilitation efficacy of bidirectional closed-loop MI-BCI were discussed, aiming to promote its broader adoption and standardization in clinical practice.
Keywords: Motor imagery based brain-computer interface, Active rehabilitation training, Evaluation method for rehabilitation efficacy, Motor dysfunction, Brain-computer interface
0. 引言
脑机接口(brain-computer interface,BCI)是一种变革性的人机交互[1]。当用户主动执行特定的心理任务或接收特定的外部刺激时,BCI把脑信号直接转化为与以计算机为核心的机器系统交互的通信和控制命令,并把交互的结果在线反馈给用户,以便主动调节心理活动策略[2]。BCI具有潜在的医学应用价值,特别是康复医学应用[3]。
在BCI类型中,双向闭环运动想象(motor imagery,MI)BCI是一类重要的BCI,可作为运动功能障碍的一种主动康复训练方法,通过受训者主动进行MI和感觉反馈促进其神经可塑性。世界卫生组织调查显示,半数以上脑卒中患者有上下肢运动功能障碍[4],运动功能障碍成为影响患者独立生活能力的重要因素[5]。已有许多实验室与临床医生合作测试了这种主动康复训练方法的功效[6-12]。例如,Lin等[6]采用基于虚拟现实(virtual reality,VR)的MI-BCI训练系统,结合肌电图(electromyogram,EMG)实时反馈,对脑卒中患者进行康复训练,结果表明EMG反馈能在一定程度上量化患者的训练参与度并促进MI训练,且该系统可提高患者的康复效果。Lima等[7]采用MI-BCI结合经颅直流电刺激(transcranial direct current stimulation,tDCS)、VR和电动踏板组合的方法,对脑卒中后严重下肢功能受损的患者进行康复治疗,结果表明患者的运动功能、协调性和速度以及感觉均有所改善。
虽然许多研究表明双向闭环MI-BCI主动康复训练系统对运动功能障碍有疗效,但目前尚无统一的康复功效评价方法,相关文献较少,对此类系统的综合评价,尤其是在可用性、用户满意度和使用情况方面的评估仍显不足。为了更好地促进该类系统转化为临床实际应用,本文对其康复功效评价方法进行了综述。
1. 双向闭环MI-BCI主动康复训练系统
双向闭环MI-BCI可以作为一种主动康复训练系统,在该系统中,上肢/下肢功能障碍或身体其他部位障碍(如吞咽障碍和膀胱括约肌障碍等)的患者主动执行MI或运动尝试或运动意图,由BCI探测患者的自主运动意图。与传统以输出为主的单向BCI不同,双向闭环BCI不仅实现了从大脑到设备的单向控制,还通过丰富的感觉反馈(如视觉、触觉或电刺激反馈)向患者返回康复进展和运动结果,形成由中枢-外周-中枢的自上而下(大脑控制身体)与自下而上(身体反馈大脑)的双向信息流闭环主动康复训练[13-14],如图1所示。在图1中,双向闭环MI-BCI主动康复训练系统主要包括内/外事件、脑信号采集模块(可以是单模态或多模态)、脑信号预处理模块、脑信号特征提取融合模块、脑信号解码模块(包括先进的机器学习算法,如深度学习等)和感觉反馈模块[15]。
图 1.
Bidirectional closed-loop MI-BCI active rehabilitation training system
双向闭环MI-BCI主动康复训练系统
EEG:脑电图;fNIRS:功能性近红外光谱;fMRI:功能性磁共振成像;ECoG:皮层脑电;MEG:脑磁图;BP:动作准备电位;RP:准备电位;PMP:运动前电位;MP:运动电位;HbO:氧合血红蛋白;HbR:脱氧血红蛋白;BOLD:血氧水平依赖;SVM:支持向量机;LDA:线性判别分析;CNN:卷积神经网络;LSTM:长短期记忆网络
EEG: electroencephalography; fNIRS: functional near-infrared spectroscopy; fMRI: functional magnetic resonance imaging; ECoG: electrocorticography; MEG: magnetoencephalography; BP: bereitschaftspotential; RP: readiness potential; PMP: premovement potential; MP: movement potential; HbO: oxyhemoglobin; HbR: deoxyhemoglobin; BOLD: blood oxygen level dependent; SVM: support vector machine; LDA: linear discriminant analysis; CNN: convolutional neural network; LSTM: long short-term memory

在图1中,绿色部分的内/外事件和感觉反馈模块在双向闭环MI-BCI主动康复训练中发挥了重要的作用。在内/外事件中,运动尝试指受试者主动尝试执行特定的动作,但不一定能够完成该运动[16];运动意图指受试者计划、准备和决定执行特定动作的意图[17]。有研究表明,在临床康复实践中,运动尝试可能会取得比MI训练更好的效果,主动训练通常比被动训练会取得更好的效果[16]。在感觉反馈模块中,非具身反馈[15]中的视觉反馈可通过屏幕显示图形或文本信息,听觉反馈可通过声音提示(如音乐或语音指令);具身反馈[15]中的触觉和机器人反馈可通过穿戴设备提供振动或压力感[18](如触觉手套、振动或压力感应鞋垫、矫形器、外骨骼和机器人[9-11]等),虚拟/增强现实技术[8]可提供沉浸式体验以模拟真实的身体动作和互动[5-6],神经肌肉电刺激可通过提供适当的电刺激促进神经和肌肉的恢复[6]。
2. 双向闭环MI-BCI主动康复训练系统的康复训练周期和康复功效评价方法
2.1. 康复训练周期
MI-BCI主动康复训练方案根据具体情况而有所不同。对于训练频率,一些研究建议每周进行3到5次训练,以保持连续性和有效性,每次训练的持续时间通常在30~60 min[19-20]。训练中可根据患者的耐受度和反应来调整训练时长,一个完整的训练疗程通常持续几周到几个月。例如,一些研究建议8至12周的训练疗程[6-9]。要取得显著的康复功效,患者可能需要经历多个训练疗程,疗程数取决于患者的具体情况和进展,以及所用BCI系统的效率,应根据患者的具体需求、康复目标和潜在条件个性化调整以上训练参数。
值得注意的是,训练应在专业医疗人员的指导下进行,并根据患者的反应和进展适当调整。由于BCI技术和应用不断发展,相关的最佳实践和建议也可能随之变化。因此,非常有必要保持对最新研究和临床指南的关注。
2.2. 康复功效评价方法
双向闭环MI-BCI主动康复训练系统的康复效果评价方法主要包括功能性评估、神经生理指标、主观评估和身体机能测试[6-12, 15, 18-21],这些方法能够从不同角度全面地评估该系统在患者康复中的实际效果。
在评价双向闭环MI-BCI主动康复训练系统的康复效果时,将患者随机划分为BCI组(接受MI-BCI训练,或接受MI-BCI与某种常规康复治疗方法相结合)和对照组(仅接受某种常规康复治疗方法),为确保对比结果的有效性,实验中的两组通常会接受相同的基线治疗。在干预前后进行功能性评估,常采用Fugl-Meyer运动功能评分量表(Fugl-Meyer Assessment,FMA)、改良的Barthel指数评估(Modified Barthel Index,MBI)量表、10米步行测试(10 Meter Walking Test,10MWT)和上肢运动研究量表(Action Research Arm Test,ARAT)等进行评估。同时计算神经生理指标,基于EEG或fMRI对患者静息态与任务态的脑成像数据进行分析,以判断任务相关脑区是否存在显著激活,或脑网络连接是否显著改善。
2.2.1. 功能性评估方法
对于MI-BCI主动康复训练系统的康复功效评价,可采用相关功能评估量表客观评价(如FMA和ARAT量表),评价时间可在康复训练前后和康复期间,通过对比评估治疗是否显著有效,还可在康复训练结束后1个月进行随访跟踪,评估治疗效果是否持续。
对于上肢/下肢运动功能评估,可采用FMA量表[18, 20, 22]评估运动功能、平衡、感觉和关节功能的改善。FMA量表是一种多项目李克特量表,上肢部分共33项,下肢部分17项,用于评估中风偏瘫的恢复情况,每个项目按3点顺序计分(0=不能执行,1=部分执行,2=完全执行),上肢和下肢累计最高分为66分和34分。
采用FMA量表进行功能性评估步骤如下[17, 20]:① 准备。确保有适当的评估环境和设备,患者应穿着舒适的衣服,坐在轮椅或床上。② 演示与指导。对每一项动作进行示范,确保患者理解所要执行的动作。③ 评估执行。观察患者执行每一个动作,根据患者的表现来评分。④ 记录与反馈。详细记录每项测试的得分,并及时给予患者反馈。
采用FMA量表评估需要注意以下事项[17, 20]:① 患者安全。确保所有测试动作的安全性,特别是对于平衡和运动能力受限的患者。② 评估标准化。确保评估过程的标准化,每次测试都应按照相同的方法和标准执行。③ 避免疲劳。评估过程可能较长,注意观察患者的疲劳程度,必要时可适当休息。
在上肢运动功能评估中,还可采用ARAT量表[19, 23]评估上肢的精细运动能力。ARAT量表包含四个子量表:抓(6个项目)、握(4个项目)、捏(6个项目)和粗大运动(3个项目),共19个项目,每个项目按0-3分计分(0=无法执行任务,1=部分完成任务,2=完成任务,但动作质量不高,3=完全独立且正常完成任务),累计最高分为57分。
采用ARAT量表进行功能性评估步骤如下[19, 23]:① 准备。为每项测试准备相应的物品,并确保测试环境适宜,无干扰。② 演示。对每个子测试进行示范,确保患者理解任务要求。③ 执行。观察并记录患者在每项任务中的表现。④ 评分:每项任务根据患者完成的质量和独立性评分。
利用ARAT量表需要注意以下事项[19, 23]:① 患者安全。在进行测试时,确保患者的安全,尤其是在搬运重物或进行可能导致失衡的动作时。② 标准化操作。确保每次评估都遵循相同的步骤和标准,以保持评估结果的一致性。③ 避免疲劳。中风患者可能容易疲劳,注意观察患者的体力情况,适时休息。
2.2.2. 神经生理指标
为全面评估MI-BCI主动康复训练系统的康复功效,可通过多种神经生理检测手段观察患者大脑活动的变化。
(1)基于EEG分析运动相关脑区的激活和功能连接变化。利用MI-BCI组和对照组训练前后采集的EEG数据,由式(1)~(2)分别计算事件相关去同步电位(event-related desynchronization,ERD)的相对比例变化和偏侧指数(laterality index,LI)[16, 24]来反映患者大脑活动的变化。
![]() |
1 |
![]() |
2 |
式中
为MI期间的μ或β频带功率,
为MI前基线期间相应频带功率,
为同侧ERD,
为对侧ERD,abs(·)为计算绝对值的函数。除了计算
外,还可采用修订的脑对称性指数(revised brain symmetry index,rBSI)[13]检测半球间不对称性,由式(3)和(4)计算。
![]() |
3 |
![]() |
4 |
式中
和
分别为右半球和左半球
个通道的傅里叶系数的平均值,/表示“或”的关系。
为通道c的n次谐波在t时刻的傅立叶系数,对应持续时间为T的特定时间段[t − T,t],n为谐波次数。傅里叶系数的谐波系数区间[
]对应频段4~40 Hz,且
是相应该频段计算的傅立叶系数的谐波次数。
(2)基于fMRI计算大脑激活的变化以及神经网络连接性。通常可采用种子点相关性分析(seed-based correlation analysis,SCA)[25]和独立成分分析(independent component analysis,ICA)[26]。此外,为了评估神经网络连接性的改善程度,可构建功能连接性网络。
SCA方法是选定脑内某一区域作为种子点,分析该区域与其他脑区之间的功能性连接,其核心计算涉及时间序列相关性,如式(5)所示。
![]() |
5 |
其中,
和
分别表示种子点和其他大脑体素在时间点
的活动强度,
和
是对应时间序列的平均值,
为测量期间的时间序列长度。
ICA通过分解多变量信号数据来识别统计独立的成分,常用于识别大脑中的独立功能网络,其模型如式(6)所示。
![]() |
6 |
其中,
是观测到的脑信号矩阵,
是混合矩阵,
是统计独立的源信号矩阵。ICA旨在估计
和
,使得
中的成分尽可能独立。
功能连接性网络的构建通常基于皮尔逊相关[27]或互信息(mutual information,MI)[28]等统计方法。由式(5)计算皮尔逊相关性;由式(7)计算互信息,它可度量两个变量间的共享信息。
![]() |
7 |
其中,
和
指的是两个不同大脑区域信号强度的时间序列数据,
是联合概率密度函数,
和
是边缘概率密度函数。
2.2.3. 主观评估
康复专业人员基于观察和专业知识对患者的康复进展进行主观评估。内容包括但不限于患者运动能力的改善、日常生活活动的自理能力增强等方面[29]。在训练前后及训练过程中定期评估,记录患者的进步和需要改进的方面。评估可采用问卷、面谈和电子调查等方式进行,调查内容主要涉及训练系统的易用性(如界面直观性与操作便捷性)、训练效果满意度(如康复目标达成程度)、训练过程的舒适性(如身体不适程度与疲劳感)、患者的心理状态与动机以及改进建议,以全面反映MI-BCI康复训练的主观体验与效果。
采用主观评估需注意以下事项[30]:① 确保反馈的真实性和准确性。确保患者在无压力的环境中提供反馈,康复治疗师应保持中立,避免影响患者的真实想法。② 定期和系统的评估。主观评估应与客观的身体机能测试同步进行,以便全面评估康复效果。③ 个性化评估。考虑到患者的个性化需求和差异,评估的频率和内容应根据患者的具体情况灵活调整。④ 利用多种评估工具。结合不同类型的评估工具(如标准化问卷和定制访谈指南)来增加数据收集的广度和深度。
2.2.4. 身体机能测试
可采用肌力和灵活性测试评价患者的身体机能。肌力测试通常采用握力计或肌力计来测量特定肌群的力量,如上肢或下肢肌肉。具体步骤如下[31]:① 患者在舒适的姿势下坐或站;② 按照标准化的指示操作肌力计;③ 记录患者能达到的最大力量值。采用肌力测试需注意以下事项[31]:① 确保设备校准正确,以保证测量结果的准确性;② 在测试过程中注意患者的舒适度,避免造成伤害。
灵活性测试通常采用关节活动范围测量仪(如量角器)来评估患者关节(如膝关节、肩关节)的活动范围。具体步骤如下[32]:① 患者在放松状态下,由治疗师操控关节至最大活动范围;② 采用量角器等工具从不同角度测量关节的活动度;③ 记录每个关节的最大活动范围。采用灵活性测试需注意以下事项[33]:① 测试前后进行适当的热身和拉伸,以防止肌肉或关节受伤;② 对患者的疼痛和不适进行监测,确保测试过程中不超过患者的疼痛阈值。通过身体机能测试,康复治疗师可以详细了解患者的肌肉力量和关节灵活性的恢复情况,为后续的康复训练提供科学依据。
以上功能性评估方法、神经生理指标、主观评估和身体机能测试结果有助于评估双向闭环MI-BCI系统的康复效果,从而根据患者的恢复情况和评估反馈,调整训练强度、个性化训练内容及反馈方式,以进一步优化康复方案并提升治疗效果。
3. 双向闭环MI-BCI主动康复训练系统的可用性、用户满意度和使用情况评价方法
双向闭环MI-BCI主动康复训练系统的可用性评价包括有效性和效率评价,有效性评价采用准确率,效率评价采用信息传输率(information transfer rate,ITR)、效用度量和脑力负荷[3, 34-35]。用户满意度评价包括辅助技术(assistive technology,AT)的一般方面、BCI相关方面、整体满意度和随访[3, 34-35]。使用情况评价包括BCI系统与用户的匹配性、总体可用性和日常使用[3, 34-35]。具体评价指标和评估时间如表1所示[3, 34, 36]。
表 1. Evaluation methods for bidirectional closed-loop MI-BCI active rehabilitation training systems.
双向闭环MI-BCI主动康复训练系统评价方法
| 评价方法 | 转化到BCI系统 | 指标 | 评估时间 |
| 注:NASA-TLX:NASA任务负荷指数;QUEST:魁北克用户对辅助技术的满意度评估;ATD-PA:辅助技术设备倾向性评估;VAS:视觉模拟量表 | |||
| 可用性 | 有效性 | 准确率(正确响应的百分比) | 每个session |
| 效率 | 信息传输率(ITR) | 每个session | |
| 效用度量(如果有效性<50%,效用度量=0) | 每个session | ||
| 脑力负荷(NASA-TLX) | 每个session | ||
| 用户满意度 | AT的一般方面 | QUEST 2.0 | 原型测试结束 |
| BCI相关方面 | 4项(可靠性、可学习性、速度、美学设计) | 原型测试结束 | |
| 整体满意度 | VAS(0~10) | 每个session | |
| 随访 | 半结构式自由交互方式 | 原型测试结束 | |
| 使用情况 | BCI系统与用户的匹配性 | ATD-PA用户匹配性(初期阶段用户,消费者,专业人员) | 原型测试结束 |
| 总体可用性 | 系统可用性量表 | 原型测试结束 | |
| 日常使用情况 | 单项评价 | 原型测试结束 | |
4. 双向闭环MI-BCI主动康复训练系统运动功能障碍康复效果评价面临的挑战
4.1. 评价标准的多样性
运动功能康复效果涉及多个方面,包括功能性评估、神经生理指标评估、主观评估和身体机能测试等,如何建立全面、客观的评价标准是一个挑战。
一方面,运动学参数(如速度、加速度)和生理信号(如EEG)等评价方法容易受到测量误差、个体差异以及环境干扰等因素的影响,导致评估结果存在波动,难以稳定地反映康复实际效果;另一方面,这些评价方法在不同患者类型或康复阶段下的表现尚不一致,其灵敏度和特异性有待进一步验证。为应对上述问题,可引入多种评价指标进行综合评估,如结合功能性评估量表(FMA等),提高评价方法的准确性和可靠性[6-12, 15, 18-21]。
4.2. 长效性和持续性评价
为了全面评估MI-BCI系统在长期康复中的效果,设置持续的跟踪机制至关重要,而如何设计是一个挑战。
长期跟踪机制可以通过定期的功能评估和生理监测来实施,以评价患者的功能恢复进度和康复效果的持久性。例如,可以使用标准化的康复评估工具来定期测量患者的运动功能和日常生活活动能力,从而获取MI-BCI训练对患者长期康复的具体影响[37-38]。这种持续的评估不仅有助于监测康复进展,还能够为MI-BCI系统的优化提供数据支持。
4.3. 训练计划的定期调整
基于定期评估的结果,必须适时调整患者的康复训练计划,以确保训练内容与患者当前的康复需求和功能状态相匹配。
该项工作包括调整训练难度、介入的频率和使用的技术等。例如,如果评估结果显示患者在某些功能上有显著改善,训练计划应相应地增加难度,以继续推动患者的功能提升。相反,如果患者在某些领域的进展停滞或退步,需要重新评估和调整使用的方法或技术,以确保训练的有效性[38]。
4.4. 主观和客观评价的结合
除了客观的生理数据,还需要考虑用户的主观感受和满意度,如何综合这些评价标准以得到全面的康复效果评估是一个难题。
研究中通常使用定量的问卷调查以及定性的深入访谈来衡量患者的主观体验[38]。此外,利用日志数据分析患者使用MI-BCI系统的频率和模式,可以进一步地了解患者的行为模式和系统使用的接受度。
5. 结束语
本文聚焦双向闭环MI-BCI主动康复训练系统的康复功效评价方法,主要介绍了康复训练周期、功能性评估方法、神经生理指标、主观评估和身体机能测试,概述了该类系统的可用性、用户满意度和使用情况评价方法,还讨论了该类系统康复功效评价面临的挑战,包括评价标准的多样性、长效性和持续性评价、训练计划的定期调整以及主观和客观评价的结合等。期望本文为双向闭环MI-BCI主动康复训练系统的康复功效提供更加有效的综合评价方法,以促进该类系统转化为临床实际应用。
重要声明
利益冲突声明:本文全体作者均声明不存在利益冲突。
作者贡献声明:潘鹤为主要撰写人,完成相关文献资料的收集及论文初稿的写作;丁鹏和王帆负责文献调研;李天文、赵磊、南文雅和龚安民负责提供写作指导和意见;伏云发为论文的负责人及主要审核人。
Funding Statement
国家自然科学基金(82172058,62376112,81771926,61763022,62366026)
The National Natural Science Foundation of China
References
- 1.Graimann B, Allison B Z, Pfurtscheller G. 脑-机接口-革命性的人机交互. 伏云发, 郭衍龙, 张夏冰, 等译.北京: 国防工业出版社, 2020.
- 2.Chen Y, Wang F, Li T, et al Considerations and discussions on the clear definition and definite scope of brain-computer interfaces. Front Neurosci. 2024;18:1449208. doi: 10.3389/fnins.2024.1449208. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 3.Ramsey N F, Millán J R. 脑-计算机接口. 伏云发, 王帆, 丁鹏, 等译. 北京: 国防工业出版社, 2023.
- 4.World Stroke Organization. WSO Global Stroke Fact Sheet 2022. Geneva: World Stroke Organization, 2022.
- 5.Li W, Luo Z, Jiang J, et al The effects of exercise intervention on cognition and motor function in stroke survivors: a systematic review and meta-analysis. Neuro Sci. 2023;44(6):1891–1903. doi: 10.1007/s10072-023-06636-9. [DOI] [PubMed] [Google Scholar]
- 6.Lin M, Huang J, Fu J, et al A VR-based motor imagery training system with EMG-based real-time feedback for post-stroke rehabilitation. IEEE Trans Neural Syst Rehabil Eng. 2022;31:1–10. doi: 10.1109/TNSRE.2022.3210258. [DOI] [PubMed] [Google Scholar]
- 7.Lima J P S, Silva L A, Delisle-Rodriguez D, et al Unraveling transformative effects after tDCS and BCI intervention in chronic post-stroke patient rehabilitation—An alternative treatment design study. Sensors. 2023;23(23):9302. doi: 10.3390/s23239302. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 8.Su H, Wang S, Huang M, et al. VR and exoskeleton assisted lower limb rehabilitation based on motor imagery BCI// 2023 IEEE International Biomedical Instrumentation and Technology Conference (IBITeC). Yogyakarta: IEEE, 2023: 74-79.
- 9.Zhao L J, Jiang L H, Zhang H, et al Effects of motor imagery training for lower limb dysfunction in patients with stroke: A systematic review and meta-analysis of randomized controlled trials. Am J Phys Med Rehabil. 2023;102(5):409–418. doi: 10.1097/PHM.0000000000002107. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 10.Lee J, Kim D Y, Lee S H, et al End-effector lower limb robot-assisted gait training effects in subacute stroke patients: A randomized controlled pilot trial. Medicine. 2023;102(42):e35568. doi: 10.1097/MD.0000000000035568. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 11.Su D, Hu Z, Wu J, et al Review of adaptive control for stroke lower limb exoskeleton rehabilitation robot based on motion intention recognition. Front Neurorobot. 2023;17:1186175. doi: 10.3389/fnbot.2023.1186175. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 12.Ferrero L, Quiles V, Ortiz M, et al Brain-computer interface enhanced by virtual reality training for controlling a lower limb exoskeleton. Iscience. 2023;26(5):106675. doi: 10.1016/j.isci.2023.106675. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 13.贾杰 “中枢-外周-中枢”闭环康复——脑卒中后手功能康复新理念. 中国康复医学杂志. 2016;31(11):1180–1182. doi: 10.3969/j.issn.1001-1242.2016.11.001. [DOI] [Google Scholar]
- 14.Jia J Exploration on neurobiological mechanisms of the central–peripheral–central closed-loop rehabilitation. Front Cell Neurosci. 2022;16:982881. doi: 10.3389/fncel.2022.982881. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 15.Cervera M A, Soekadar S R, Ushiba J, et al Brain‐computer interfaces for post‐stroke motor rehabilitation: a meta‐analysis. Ann Clin Transl Neurol. 2018;5(5):651–663. doi: 10.1002/acn3.544. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 16.Chen S, Shu X, Wang H, et al The differences between motor attempt and motor imagery in brain-computer interface accuracy and event-related desynchronization of patients with hemiplegia. Front Neurorobot. 2021;15:706630. doi: 10.3389/fnbot.2021.706630. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 17.Quiroga A, del Valle D V, Pilz M, et al. Performance comparison of different classifiers to detect motor intention in EEG-based BCI// Latin American Conference on Biomedical Engineering. Cham: Springer Nature Switzerland, 2022: 90-101.
- 18.Ang K K, Chua K S G, Phua K S, et al A randomized controlled trial of EEG-based motor imagery brain-computer interface robotic rehabilitation for stroke. Clin EEG Neurosci. 2015;46(4):310–320. doi: 10.1177/1550059414522229. [DOI] [PubMed] [Google Scholar]
- 19.Brunner I, Lundquist C B, Pedersen A R, et al Brain computer interface training with motor imagery and functional electrical stimulation for patients with severe upper limb paresis after stroke: a randomized controlled pilot trial. J Neuroeng Rehabil. 2024;21(1):10. doi: 10.1186/s12984-024-01304-1. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 20.Ma Z Z, Wu J J, Cao Z, et al Motor imagery-based brain–computer interface rehabilitation programs enhance upper extremity performance and cortical activation in stroke patients. J Neuroeng Rehabil. 2024;21(1):91. doi: 10.1186/s12984-024-01387-w. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 21.Sebastián-Romagosa M, Cho W, Ortner R, et al Brain–computer interface treatment for gait rehabilitation in stroke patients. Front Neurosci. 2023;17:1256077. doi: 10.3389/fnins.2023.1256077. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 22.Gladstone D J, Danells C J, Black S E The Fugl-Meyer assessment of motor recovery after stroke: a critical review of its measurement properties. Neurorehabil Neural Repair. 2002;16(3):232–240. doi: 10.1177/154596802401105171. [DOI] [PubMed] [Google Scholar]
- 23.Yozbatiran N, Der-Yeghiaian L, Cramer S C A standardized approach to performing the action research arm test. Neurorehabil Neural Repair. 2008;22(1):78–90. doi: 10.1177/1545968307305353. [DOI] [PubMed] [Google Scholar]
- 24.Wang Z, Liu Y, Huang S, et al EEG characteristic comparison of motor imagery between supernumerary and inherent limb: Sixth-finger MI enhances the ERD pattern and classification performance. IEEE J Biomed Health Inform. 2024;28(12):7078–7089. doi: 10.1109/JBHI.2024.3452701. [DOI] [PubMed] [Google Scholar]
- 25.Boren S B, Savitz S I, Ellmore T M, et al Longitudinal resting-state functional magnetic resonance imaging study: A seed-based connectivity biomarker in patients with ischemic and intracerebral hemorrhage stroke. Brain Connect. 2023;13(8):498–507. doi: 10.1089/brain.2022.0017. [DOI] [PubMed] [Google Scholar]
- 26.Reddy N A, Zvolanek K M, Moia S, et al Denoising task-correlated head motion from motor-task fMRI data with multi-echo ICA. Imaging Neurosci. 2024;2:1–30. doi: 10.1162/imag_a_00057. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 27.Ding W, Chen J, Liu J, et al Development and validation of the Health Education Adherence Scale for Stroke Patients: a cross-sectional study. BMC Neurol. 2022;22(1):69. doi: 10.1186/s12883-022-02597-2. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 28.Ren W, Wang M, Wang Q, et al Altered functional connectivity in patients with post-stroke fatigue: A resting-state fMRI study. J Affect Disord. 2024;350:468–475. doi: 10.1016/j.jad.2024.01.129. [DOI] [PubMed] [Google Scholar]
- 29.Schuber A A, Schmidt S, Hombach S, et al The effects of exercise therapy feedback on subjective treatment outcome and patient satisfaction: study protocol for a mono-centric, randomized, controlled trial in orthopedic rehabilitation (FeedYou) BMC Sports Sci Med Rehabil. 2023;15(1):17. doi: 10.1186/s13102-023-00626-2. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 30.Rochester C L, Alison J A, Carlin B, et al Pulmonary rehabilitation for adults with chronic respiratory disease: an official American Thoracic Society clinical practice guideline. Am J Respir Crit Care Med. 2023;208(4):e7–e26. doi: 10.1164/rccm.202306-1066ST. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 31.Zemková E Strength and power-related measures in assessing core muscle performance in sport and rehabilitation. Front Physiol. 2022;13:861582. doi: 10.3389/fphys.2022.861582. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 32.Acar S, Aljumaa H, Şevik K, et al The intrarater and interrater reliability and validity of universal goniometer, digital inclinometer, and smartphone application measuring range of motion in patients with total knee arthroplasty. Indian J Orthop. 2024;58(6):732–739. doi: 10.1007/s43465-024-01129-z. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 33.Kasmi S, Sariati D, Hammami R, et al The effects of different rehabilitation training modalities on isokinetic muscle function and male athletes’ psychological status after anterior cruciate ligament reconstructions. BMC Sports Sci Med Rehabil. 2023;15(1):43. doi: 10.1186/s13102-023-00645-z. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 34.Allison B Z, Dunne S, Leeb R, 等. 面向实用的脑-机接口: 缩小研究与实际应用之间的差距. 伏云发, 龚安民, 陈超, 等译. 北京: 电子工业出版社, 2022: 45-47.
- 35.Pan H, Ding P, Wang F, et al Comprehensive evaluation methods for translating BCI into practical applications: usability, user satisfaction and usage of online BCI systems. Front Hum Neurosci. 2024;18:1429130. doi: 10.3389/fnhum.2024.1429130. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 36.人工智能医疗器械创新合作平台. 脑机接口技术在医疗健康领域应用白皮书. 北京: 人工智能医疗器械创新合作平台, 2023.
- 37.Liu X, Zhang W, Li W, et al Effects of motor imagery based brain-computer interface on upper limb function and attention in stroke patients with hemiplegia: a randomized controlled trial. BMC neurol. 2023;23(1):136. doi: 10.1186/s12883-023-03150-5. [DOI] [PMC free article] [PubMed] [Google Scholar]
- 38.Su J, Wang J, Wang W, et al An adaptive hybrid brain computer interface for hand function rehabilitation of stroke patients. IEEE Trans Neural Syst Rehabil Eng. 2024;(32):2950–2960. doi: 10.1109/TNSRE.2024.3431025. [DOI] [PubMed] [Google Scholar]







