基于多模态分析方法的脑机接口运动想象盲神经机制研究

：在基于运动想象的在线脑机接口系统研究中，有15%-30%的被试在现有的刺激范式下不能有效诱发分类所需要的节律特征信号，而且也不能通过增加训练的重复次数来提高在线系统的性能，这些被试称为运动想象盲被试(BCI illiteracy，简称"BCI 盲")。.但目前相关研究尤其是对其脑机制的研究还比较少，制约了BCI 技术的发展。在本项目中，.我们将借助MRI、EEG、fMRI 和EEG 结合fMRI 等技术,深入研究"BCI 盲"被试的脑功能与脑结构特性，从大脑功能激活区、解剖结构、功能网络动态特性以及存在于结构和功能之间的关系等方面,分析造成"BCI 盲"的神经机理，在此基础上，建立一个能有效区分盲被试和正常被试的筛选准则，探索适合"BCI 盲"被试的新特征及特征提取方法，研究包含有真实或抽象反馈的新实验范式。本项目的研究结果，可望为建立有更广泛适用性的脑机接口在线系统提供理论和技术基础。

基于运动想象（Motor Imagery, MI）的脑机接口由于和运动功能密切相关，在残疾人运动辅助、运动功能康复等方面具有潜在的应用价值，在当前研究中获得了广泛的关注。但是MI脑机接口具有非常明显的个体差异性，特别是有15%-30%的被试在现有的刺激范式下不能有效诱发分类所需要的节律特征信号，而且也不能通过增加训练的重复次数来提高在线系统的性能，这些被试称为运动想象盲被试(BCI illiteracy，简称"BCI 盲")。但目前相关研究尤其是对MI脑机制的研究还比较少，制约了 BCI 技术的发展。本工作根据项目最初的设计，主要进行了以下几个方面的工作：1). 在脑机制研究方面，我们进行的基于脑电的分析结果表明：MI脑机接口的表现和静息网络的属性密切关联，具体表现就是越稳定、越高效的静息态网络决定了其在进行运动想象任务时候能够有更加高效的信息处理能力，从而利于MI任务的完成；基于结构以及功能磁共振数据的多模态分析，揭示在MI表现好坏的被试间在结构和功能连接上存在显著的差别，发现表现好的被试体现出皮层厚度的修剪效应，从而构成更有效的MI信息处理网络. 2). 在MI脑机接口性能预测方面，建立在上述MI机制研究的基础上，挖掘了基于脑电的谱熵、静息网络属性、以及磁共振的结构和功能连接等信息作为特征对MI脑机接口性能进行了预测，结果显示可以达到89%的准确率对MI表现差的被试进行区分。3）.在特征提取和识别方面，针对眼电等伪迹的影响，发展了系列的Lp(p<=1)框架下的功率谱估计、网络分析以及共空间模式特征提取方法，并结合发展的自适应小样本训练方法，显著的提高了MI脑机接口的识别性能。. 本项目执行期间，其中包括在Scientific Reports, Journal of Neural Engineering, IEEE Trans. On Biomedical Engineering, IEEE Trans. On Autonomous mental development, Brain Topography, Journal of Neuroscience Methods等国际著名杂志上的SCI检索论文22篇(标注资助)，申请发明专利3项，授权发明专利2项，软件著作权3项。这些研究成果为运动想象脑机接口的相关研究提供了新的机制基础和技术手段。