经皮穴位电刺激联合阶梯式运动想象疗法对脑卒中上肢和手功能的闭环康复疗效分析

目的探究经皮穴位电刺激联合阶梯式运动想象疗法对脑卒中患者上肢和手功能康复的疗效。方法选取2021年1月—2023年4月上海市静安区北部地区医疗服务共同体成员单位脑卒中患者80例随机分为试验组(n=40)和对照组(n=40)。两组患者均接受常规康复,试验组在此基础上接受基于“闭环康复”的经皮穴位电刺激联合阶梯式运动想象疗法,而对照组则接受经皮穴位电刺激治疗和注意力无效对照干预,总共干预4周。分别于治疗前后对两组患者进行Fugl-Meyer上肢运动功能评定量表(Fugl-Meyer assessment-upper extremities,FMA-UE)、积木盒障碍测试(boxing and blocking test,BBT)、改良Ashworth评分(modified Ashworth scale,MAS)和改良Barthel指数(modified Barthel index,MBI)的评定,并采用手心理旋转测试评价患者干预前的运动想象能力。结果试验组和对照组分别有35名和36名患者完成研究的所有干预和评定。治疗后两组FMA-UE、BBT、MBI评分均显著改善(t>3.545,P<0.001),试验组FMA-UE总分和近、远端子项目评分均显著优于对照组(t>2.187,P<0.05)。相关性分析显示试验组患者FMA-UE的远端子项目评分变化值与治疗前心理旋转反应时间呈负相关(r=-0.676,P<0.001)。结论经皮穴位电刺激治疗联合阶梯式运动想象疗法可有效改善脑卒中的上肢和手运动功能,其疗效与患者的基线运动想象能力有关。

步态诱发功能性电刺激结合视觉运动想象在改善缺血性脑卒中后下肢肌力、神经运动功能中的效果

目的:分析步态诱发功能性电刺激结合视觉运动想象在改善缺血性脑卒中后下肢肌力、神经运动功能中的效果.方法:选取2021年1月至2022年10月期间本院收诊的108例缺血性脑卒中患者作为研究对象,根据康复方案将患者分成实验组(n=56,行步态诱发功能性电刺激结合视觉运动想象康复治疗)和对照组(n=52,仅行视觉运动想象康复治疗),比较两组治疗效果.结果:治疗后,实验组下肢肌力、步行功能评分评估量表(Holden)及步态测试量表(Tinetti)评分明显高于对照组,差异有统计学意义(P<0.05);治疗后,实验组简化运动功能评定表(Fugl-Meyer)评分高于对照组,差异有统计学意义(P<0.05);治疗后,实验组博格平衡量表(BBS)评分明显高于对照组,差异有统计学意义(P<0.05).结论:步态诱发功能性电刺激结合视觉运动想象对缺血性脑卒中患者下肢肌力、神经运动功能的恢复有明显的疗效,可作为临床缺血性脑卒中患者的康复治疗方案.

基于BP神经网络的多类运动想象脑电信号识别系统研究

脑电信号识别指令多设定为单目标,导致系统误识率高,为此研究基于反向传播(Back Propagation,BP)神经网络的多类运动想象脑电信号识别系统。通过电极帽与脑电采集板的构建与搭接,完成系统硬件的设计;进行BP神经网络多目标识别指令集群的接入,同时利用分段BP神经网络功能识别模块增强系统的识别控制能力,完成系统软件的设计。最终的测试结果表明:对上述系统进行3个阶段,5组测试之后,系统在第3阶段的脑电波误识率明显控制在2%以下,系统的误识别率较低,具有较高的识别应用价值。

中频脉冲电刺激联合运动想象训练在脑梗死后神经源性膀胱尿潴留患者中的应用

目的探讨中频脉冲电刺激联合运动想象训练对脑梗死后神经源性膀胱尿潴留患者的疗效。方法回顾性选取2019年7月至2020年12月广州中医药大学深圳医院针灸推拿康复科收治的120例脑梗死后神经源性膀胱尿潴留患者作为研究对象,按照干预方法分为观察组(60例)和对照组(60例)。观察组采用中频脉冲电刺激联合运动想象训练方法,对照组采用运动想象训练方法,比较两组干预1个月后排尿情况、自主排尿情况及尿路感染发生率。结果两组患者干预1个月后的单次最大尿量和膀胱最大容量高于干预前,残余尿量低于干预前,差异有统计学意义(P<0.05);观察组患者干预1个月后的单次最大尿量和膀胱最大容量高于对照组,残余尿量低于对照组,差异有统计学意义(P<0.05);观察组干预4周后的自主排尿率高于对照组,尿路感染发生率低于对照组,差异有统计学意义(P<0.05)。结论应用中频脉冲电刺激联合运动想象训练可以提高脑梗死后尿潴留患者的排尿能力,促进自主排尿,防止泌尿系统感染发生。

一种高效运动想象脑电信号浅层卷积解码网络

针对现有运动想象脑机接口(MI-BCIs)中,基于深度学习的脑电信号解码网络(EEGNet)时域-空域-频域耦合特征学习能力差、模型训练与推理时间长的问题,提出了一种高效运动想象脑电信号浅层卷积解码网络(Faster-EEGNet)。该网络将第1层二维平面串行卷积优化为所有通道同时进行的串行卷积,完成了各通道信号的时域滤波与空间滤波;在中间深度卷积层对空间模式提取信号进行时域卷积特征提取,然后由深度分离卷积再次提取信号的时间-空间耦合特征,并对其进行模式识别。采用公开数据集进行仿真实验验证,结果表明:Faster-EEGNet网络的运动想象识别准确率与信息传输率相较于EEGNet网络有更好的表现,在本实验的小样本训练场景下也能够取得较好的识别效果;相较于EEGNet网络,Faster-EEGNet网络的训练时间减少了44.8%,模型推理时间减少了43.6%以上。实验结果证明所提Faster-EEGNet网络能够提升运动想象脑机接口系统的识别准确性、便捷性及快速响应性能。

基于MTACNet网络的运动想象脑电分类

为了更好地利用到脑电信号中的相关特征,改善运动想象脑电的分类性能,构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络(MTACNet)。首先,搭建基于混合特征的多层卷积神经网络,并在其中嵌入高效通道注意力机制,选取PReLU作为激活函数,以提取脑电信号中的时域和空域信息;然后对TCN模块进行改进,构建并行多尺度时域特征提取模块,接入多层卷积网络,进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试,平均分类准确率分别为86.15%、77.10%,标准差分别为9.17%、13.58%。并且针对自采数据集,设计了一种融合多频域脑电信号进行三通道输入的预处理方法,经过预处理后使平均分类准确率提升了3.29%。实验结果表明,与其他方法相比,本文所构建的分类网络取得了较为不错的分类效果,所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。

运动想象辅助干预对脑卒中肢体功能障碍及肌电图信号的影响

目的观察运动想象辅助干预对脑卒中患者肢体功能障碍及肌电图信号的影响,旨在评定运动想象疗法的作用价值、优势,为其使用提供参考。方法随机选取2020年2月至2021年3月于该院确诊的急性脑卒中患者102例作为研究对象,按照随机数字表法将其随机分为对照组(51例)和试验组(51例)。对照组采取传统康复疗法,试验组辅以运动想象疗法。观察、比较两组患者患侧肢体运动功能、平衡功能及患肢表面肌电图检测结果。结果康复治疗前,两组患者患侧上肢、手和下肢运动功能各等级构成比比较,差异无统计学意义(P>0.05);与康复治疗前比较,康复治疗后两组患者患侧上肢、手、下肢Ⅲ~Ⅴ级构成比均下降、Ⅵ级构成比升高,差异有统计学意义(P<0.05);康复治疗后,对照组患者患侧上肢、手、下肢Ⅲ~Ⅴ级构成比高于试验组,上肢、手和下肢Ⅵ级构成比低于试验组,差异均有统计学意义(P<0.05)。与康复治疗前比较,康复治疗后两组患者患肢三角肌、肱二头肌、肱三头肌、腕伸肌表面肌电积分值(iEMG)、方根振幅(RMS)值均升高,股四头肌、腓肠肌、胫骨前肌iEMG值升高、RMS值下降,差异均有统计学意义(P<0.05);康复治疗后,对照组患者患肢三角肌、肱二头肌、肱三头肌、腕伸肌iEMG、RMS值和股四头肌、腓肠肌、胫骨前肌iEMG值低于试验组,股四头肌、腓肠肌、胫骨前肌RMS值高于试验组,差异均有统计学意义(P<0.05)。结论运动想象疗法不仅能有效改善脑卒中患者肢体功能障碍,同时还能提升患肢运动功能,保证了动作精准性和有效性,具有一定使用价值及应用前景,是一种有效的康复疗法。

基于多时窗共空间模式的HMM运动想象脑电识别

运动想象脑电具有识别效果不佳及复杂时序信号建模困难的问题,因此提出一种基于多时窗共空间模式的隐马尔可夫模型运动想象脑电识别方法;首先将运动想象脑电划分为多个短时窗信号,然后使用共空间模式提取特征序列,以滤除脑电通道间的冗余信息,最后采用前向-后相算法与Viterbi算法求解隐马尔可夫模型并完成分类识别;将该方法在公开运动想象脑电数据集上进行实验,得到77.17%的分类正确率,相较隐马尔可夫模型算法提升了5.74%,验证了所提方法的有效性。

运动想象疗法联合神经肌肉电刺激治疗脑卒中偏瘫患者的效果观察

目的:探讨运动想象疗法联合神经肌肉电刺激治疗脑卒中偏瘫的效果。方法:选取2018年1月-2022年9月江苏省常州市武进中医医院收治的80例脑卒中偏瘫患者作为研究对象,以抽签法分为试验组与常规组,各40例。常规组给予基础康复治疗与护理,试验组给予运动想象疗法联合神经肌肉电刺激。比较两组日常生活能力、肢体运动功能、平衡功能、并发症发生情况。结果:治疗2、4、8周后,试验组日常生活自理能力量表评分、肢体运动功能评定量表评分、Berg平衡量表评分均高于常规组,差异有统计学意义(P<0.05)。试验组并发症发生率低于常规组,差异有统计学意义(P<0.05)。结论:予以脑卒中偏瘫患者运动想象疗法联合神经肌肉电刺激具有理想效果,可促进患者肢体运动功能、日常生活能力以及平衡功能恢复,还可降低并发症的发生风险。

运动想象针法配合经颅电刺激对中风后偏瘫气虚血瘀证患者脑血流动力学及肢体功能的影响

目的:分析运动想象针法配合经颅电刺激对气虚血瘀证中风后偏瘫患者脑血流动力学及肢体功能的影响。方法:选取本院2020年1月—2022年3月收治的气虚血瘀证中风后偏瘫患者168例,采用随机数字表分为4组,各42例。对照组采用常规康复治疗,A组采用常规康复+经颅电刺激,B组采用常规康复+运动想象针法,C组采用常规康复+经颅电刺激+运动想象针法。比较4组治疗前后症状评分、临床疗效、治疗前后脑血流动力学及肢体功能与不良反应。结果:4组治疗后主症、次症和总评分均下降,差异具有统计学意义(P<0.05),且治疗后A组、B组与C组评分均低于对照组,差异具有统计学意义(P<0.05),C组均低于A组、B组,差异具有统计学意义(P<0.05);4组临床疗效分布,差异具有统计学意义(P<0.05),且C组总有效率高于对照组,差异具有统计学意义(P<0.05);4组治疗后大脑中动脉(MCA)、前动脉(ACA)、后动脉(PCA)及基底动脉(BA)血流速度、上肢和下肢功能评分均升高,差异具有统计学意义(P<0.05),且治疗后A组、B组和C组均高于对照组,差异具有统计学意义(P<0.05),C组均高于A组、B组,差异具有统计学意义(P<0.05);4组不良反应发生率差异无统计学意义(P>0.05)。结论:对气虚血瘀证中风后偏瘫患者采用运动想象针法、经颅电刺激治疗均可减轻症状、增强疗效、改善脑血流动力学及肢体功能,二者配合使用的作用更强、效果更佳且安全。

EMD+AR模型在运动想象脑电处理中的应用

为了在处理运动想象脑电信号时得到理想的特征向量,提取脑电波(Electroencephalogram,EEG)信号特征之前使用经验模态分解(Empirical Mode Decomposition,EMD)信号,再用自回归(Auto Regressive,AR)模型提取特征。与单独使用AR模型相比,EMD+AR算法模型得到的频谱图特征更为明显,表明EMD+AR算法模型提取的特征具有较强的鉴别力。

基于特征融合和集成学习的运动想象脑电解码方法

开发高性能的脑电解码方法一直是脑机接口系统研究的重点和难点。为了进一步提高运动想象脑电解码的性能,提出了基于特征融合和集成学习的脑电解码方法。首先,针对每个通道脑电信号提取方差、自回归(AR)系数和带通功率特征,接着进行特征融合。其次,提出两种新的集成学习方法,分别是基于K最近邻(KNN)的集成学习模型和基于最小绝对值收缩和选择算子(LASSO)的集成学习模型。其中,KNN集成模型针对KNN分类器的K值以及闵式距离的P值进行集成,LASSO集成模型针对LASSO分类器的正则化参数进行集成,这两种集成学习方法计算简单且不需要烦琐耗时的交叉验证过程进行模型选择。最后,在三个公开的运动想象脑电数据集上验证所提方法的有效性。实验结果表明,新提出的集成学习方法,其分类结果优于支持向量机、随机森林等现有的分类器。LASSO集成模型优于KNN集成模型,在三个数据集上取得了71.75%的最高平均分类准确率。

运动想象脑电空间滤波器选择方法研究

共空域模式(CSP)在运动想象脑电特征提取中得到了广泛的应用。由于空间滤波器的选择对CSP方法的性能具有较大的影响,而传统CSP方法人工选择的空间滤波器存在次优问题。因此,针对该问题,提出了六种空间滤波器自适应选择方法。首先,基于CSP方法得到完整的空间滤波器矩阵(特征向量矩阵),并对空间投影后的脑电信号使用对数方差提取出所有特征。其次,由于特征与空间滤波器一一对应,因此可基于特征选择提出六种空间滤波器选择方法来实现空间滤波器的判别选择,分别为最小绝对值收缩和选择算子(LASSO)、log函数非凸模型(LOG)、带平滑削边绝对偏离(SCAD)、方差(VAR)、皮尔逊相关系数(PCC)和Relief。最后,基于最优空间滤波器对脑电数据进行空间投影、特征提取和分类。使用支持向量机(SVM)、Fisher线性判别分析(FLDA)、贝叶斯线性判别分析(BLDA)、K最近邻(KNN)、朴素贝叶斯(NB)和逻辑回归(LR)六种分类器进行预测分类,验证六种空间滤波器选择方法的有效性。在两个运动想象脑电数据集上,所提出的方法分别取得了77.02%和73.03%的最高平均分类准确率。实验结果表明,所提方法的分类效果优于传统CSP方法,能够自适应选择出被试特异的最优空间滤波器及显著判别特征,具有较好的普适性。

基于HHT运动想象脑电模式识别研究

脑机接口是一种变革性的人机交互,其中基于运动想象(Motor imagery,MI)脑电的脑机接口是一类非常重要的脑机交互.本文旨在探索有效的运动想象脑电特征模式提取方法.采用在时域、频域同时具有很高分辨率的希尔伯特–黄变换(Hilbert-Huang transform,HHT),进而提取自回归(Auto regressive,AR)模型参数并计算运动想象脑电平均瞬时能量,从而构造特征向量,最后利用能较好地适应运动想象脑电单次试验分类的支持向量机(Support vector machine,SVM)进行分类.结果表明在Trial的5.5～7.5 s期间,HHT特征提取方法平均分类正确率为81.08%,具有良好的适应性;最高分类正确率为87.86%,优于传统的小波变换特征提取方法和未经HHT的特征提取方法;在Trial的8～9 s期间,HHT特征提取方法显著优于后两种特征提取方法.本研究证实了HHT对运动想象脑电这一非平稳非线性信号具有很好的特征提取能力,也再次验证了运动想象事件相关去同步(Event-related desynchronization,ERD)现象,同时也表明运动想象脑电的脑–机交互系统性能与被试想象心理活动的质量密切相关.本文可望为基于运动想象脑电的在线实时脑机交互控制系统的研究打下坚实的基础.

运动想象疗法结合神经肌肉电刺激疗法对脑梗死偏瘫患者上肢功能的影响

目的:探讨运动想象疗法结合神经肌肉电刺激对脑梗死偏瘫患者上肢功能的影响。方法:60例脑梗死患者随机分为对照组、治疗组,2组患者均接受基础药物治疗,其中对照组:常规康复;治疗组:常规康复+运动想象疗法+神经肌肉电刺激。1个月为1个疗程,治疗前后分别进行简易上肢功能检测(STEF)、上肢运动功能FMA评分及改良Barthel指数(MBI)。结果:治疗1个月后,两组患者的STEF、上肢FMA评分及改良Barthel指数(MBI)评分差异较治疗前均有显著性意义(P<0.05),但治疗组治疗效果较对照组更加显著(P<0.05)。结论:运动想象疗法结合神经肌肉电刺激不仅能改善脑梗死患者上肢功能,而且能促进日常生活活动能力的恢复。

运动想象结合功能性电刺激对急性脑卒中偏瘫患者踝关节功能的影响

目的探讨运动想象(motor imagery,MI)结合功能性电刺激(functional electrical stimulation,FES)治疗对急性脑卒中偏瘫患者下肢踝关节运动功能的影响。方法 48例脑卒中偏瘫患者分为观察组和对照组,每组24例,两组基础治疗药物相同。对照组进行常规康复训练,观察组采用MI结合FES治疗加常规康复训练;两组均治疗8周。治疗前、后分别用简式Fugl-Meyer评定量表(Fugl-Meyer motor assessment,FMA)和MRC肌肉功能-运动指数(muscular function-motion index,MF-MI)评分量表对下肢踝关节运动功能进行评定。结果治疗后两组患者的踝关节运动功能FMA评分和MF-MI评分均显著优于治疗前(P<0.01);观察组评分优于对照组(P<0.05)。结论 MI结合FES治疗对急性脑卒中偏瘫患者踝关节运动功能有显著的改善作用。

基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别

运动想象脑电特征是进行动作模式识别进而实现生物反馈技术的重要依据。在对侧躯体运动想象脑电识别方法的基础上,研究单侧躯体不同运动想象模式下的脑电特征提取问题,提出基于EMD-多尺度熵(MSE)的脑电信号瞬态特征提取及定量描述的方法,设计基于极限学习机(ELM)的动作模式识别模型。通过对10名正常受试者在左侧手臂屈、伸动作模式下的运动想象脑电的分析,提取其特征并进行动作识别,结果证实其识别率可以达到90%以上。实验表明:所提出基于EMD-MSE的运动想象EEG特征提取方法,能够定量刻画不同运动模式下脑电信号的多尺度局部瞬态特征;进一步运用基于ELM学习算法的前馈神经网络,可以实现对不同运动模式下脑电EMD-SME特征的有效分类。

五种SVM参数寻优识别运动想象脑电比较研究

支持向量机(SVM)在脑电(EEG)分类中效果较好,其参数寻优方法直接关系着分类的准确率和所需时间。为了探索参数寻优对分类效果的影响,本文采用了固定参数寻优、直接寻优、网格寻优、遗传算法(GA)寻优和粒子群优化算法(PSO)寻优五种参数寻优方法,以BCI Competition IV data 2b数据集进行实验测试,对带通滤波后的数据进行瞬时能量特征的提取,利用五种寻优的参数分类器,得到了9名被试者4~7 s时间内数据的分类准确率和分类所需时间。在用网格寻优和粒子群寻优的分类下,被试S4和被试S8的准确率分别高达96.875%和88.125%,用时最短为3.059 s。直接寻优和固定参数方法的准确率虽低,但分类用时仅为0.002 s和1.305 s,实时性上,更加适合于应用到在线系统中。

基于时频域的卷积神经网络运动想象脑电信号识别方法

针对目前运动想象脑电(EEG)信号识别率较低的问题,考虑到脑电信号蕴含着丰富的时频信息,提出一种基于时频域的卷积神经网络(CNN)运动想象脑电信号识别方法。首先,利用短时傅里叶变换(STFT)对脑电信号的相关频带进行预处理,并将多个电极的时频图组合构造出一种二维时频图;然后,针对二维时频图的时频特性,通过一维卷积的方法设计了一种新颖的CNN结构;最后,通过支持向量机(SVM)对CNN提取的特征进行分类。基于BCI数据集的实验结果表明,所提方法的平均识别率为86.5%,优于其他传统运动想象脑电信号识别方法;同时将该方法应用在智能轮椅上,验证了其有效性。

基于脑电和眼电的运动想象多尺度识别方法研究

基于脑电信号对同一肢体不同动作想象模式进行识别的正确率低,已成为基于脑机接口对肢体瘫痪患者进行运动想象训练监控的方法,获得临床应用前必须解决的瓶颈问题.针对该问题,本文提出一种利用运动想象时眼睛的活动状态与所想象肢体动作之间存在的耦合关系,进行运动想象多尺度识别的新方法.该方法首先在大尺度上,利用脑电信号对运动想象是否发生进行识别,再结合同一运动想象过程眼电信号协同变化模式的识别结果,基于决策融合在更精细的尺度上,对同一肢体不同动作的想象模式进行识别.实验结果表明,仅基于脑电进行右臂三种动作想象模式识别的平均正确率为63.0%,而应用所提出方法可以将其提高到91.4%.所提出方法可望有临床应用前景.