从非侵入性大脑记录中解码运动意象是创新运动康复疗法的先决条件 (MODECO)

长期以来，涉及健康受试者的运动神经科学开创性研究揭示了特定频带内感应功率的时间锁定变化。 大脑记录显示，在动作或运动想象 (MI) 过程中，mu (~ 8-12 Hz) 和 beta (~ 13-30 Hz) 频段的信号功率相对于基线逐渐降低：所谓的事件相关去同步（ERD）。 这种现象被认为反映了与运动准备和执行相关的过程，并且在对侧感觉运动皮层中尤其明显。 此外，任务完成后不久，可以在 beta 带中观察到功率的相对增加，即事件相关同步 (ERS)（也称为 beta 反弹）。 ERS被认为反映了同一区域抑制的重新建立。

自从 ERD 和 ERS ​​现象的表征以来，在非侵入性 BCI 领域几乎没有讨论过这些特征是否准确地捕获了与任务相关的大脑活动调节。 最近的神经生理学研究对这一观点提出了挑战，并证明 ERD 和 ERS ​​模式只能作为多次试验中平均信号功率的结果而出现。 在单个试验水平上，β带活动发生在短暂的瞬态事件中，称为突发，而不是持续振荡。 这表明 ERD 和 ERS ​​模式反映了每次试验期间突发概率的累积、随时间变化的变化。 因此，β突发可能比平均β带功率携带更多行为相关信息。 事实上，涉及手臂运动的人类研究已经建立了感觉运动β爆发的时间与运动前的反应时间以及运动后的行为错误之间的联系。 额叶区域的β爆发活动也被证明与运动取消相关，最近的研究表明，运动单元水平的活动也以短暂的方式发生，这与感觉运动β爆发是时间锁定的。

尽管 Beta 突发率已被证明携带重要信息，但它仍然包含基本活动的相当简单的表示。 每个突发都可以通过一组基于 TF 的特征来表征：突发峰值时间和峰值频率，以及其持续时间和频率轴上的跨度。 反过来，所有这些描述符都是使用特定的时频变换来提取的，并构成嵌入在原始信号中的更复杂的突发波形的更简单的表示，其特征是周围具有很大变化性的刻板平均形状。 标准 BCI 方法中忽略了波形特征，因为传统的信号处理方法通常以持续、振荡和稳态信号为前提，因此本质上不适合分析瞬态活动。

与 beta 相比，mu 频段的活动即使在单次试验中也是振荡的。 通常使用时频分解技术来分析此活动，该技术假设基础信号是正弦信号。 然而，现在越来越多的人认为振荡神经活动通常是非正弦的，并且原始波形形状可以提供运动信息。 未来的工作可以通过使用最近开发的非参数逐周期分析来利用这种可能性。

在该项目中，研究人员将通过使用磁共振成像 (MRI) 和脑磁图 (MEG) 来优化特定受试者神经生理学模型的设计，以指导运动 BCI 训练，以实现实验组的高空间和生物物理特异性。 解剖 MR 体积将用于设计和 3D 打印单个头部模型，该模型将在 MEG 扫描仪中使用，以稳定受试者的头部位置并最大程度地减少运动。 这种高精度方法 (hpMEG) 已被证明可以显着改善源定位，达到区分层流活动的水平，这使其成为优于脑电图记录技术。 在 MODECO 中，研究人员将使用个性化的 hpMEG 方法以及广泛采用的脑电图来研究与运动想象和运动执行相关的 beta 和 mu 频段的振荡活动爆发。 hpMEG 将产生特定于主题的运动想象模型，用于限制脑电图数据的在线解码。 该方法将在一组健康成人受试者（对照组）上应用和验证，然后与另一个可行的患者组（患者组）和年龄匹配的健康参与者（对照组）进行比较；研究人员将尝试招募患者亲戚们）。 研究人员将把所提出的方法与经典的基于脑电图的 BCI 方法进行比较。

研究人员将研究如何使用这些信息来最佳地指导对照组随后基于脑电图的 BCI 训练。 在该项目中对健康受试者进行彻底调查后，研究人员将能够在患有上肢运动缺陷的中风患者群体中评估这种方法。 本项目设计了两个任务任务1.1和任务1.2。 任务 1.1 的目的是开发特定于主题的生成模型，解码运动开始和/偏移、运动类型（左与右）以及真实和想象的手腕伸展/弯曲运动期间的精细离散运动幅度。 在任务 1.2 中，研究人员旨在调查患者的病变如何改变我们解码尝试手腕运动的能力（对照组与患者组）。