腦-機接口（Brain-computer interface，BCI）系統是一個(gè)通過(guò)采集、分析大腦信號，并將其轉換為輸出指令，實(shí)現由大腦信號對外部設備直接控制的系統。BCI研究的重要目標之一是為患有癱瘓或其他嚴重運動(dòng)功能障礙的病人，提供一種不需要通過(guò)外周神經(jīng)和肌肉便能實(shí)現對外交流的工具?；谶\動(dòng)想象的BCI系統是唯一一種不需要外界刺激，反映使用者自主運動(dòng)意識且受使用者主動(dòng)調控的BCI范式，可以將人們直接通過(guò)想象控制目標運動(dòng)的暢想變?yōu)楝F實(shí)。其作業(yè)模式最符合大腦正常思維活動(dòng)的狀態(tài)，且不易讓使用者感到疲勞。 

　　目前，基于EEG（Electroencephalogram）的運動(dòng)想象型BCI主要集中于不同的肢體部位，而對于同一肢體更為精細的運動(dòng)想象型BCI卻鮮有報道。已有的不同肢體部位運動(dòng)想象型BCI常常會(huì )導致運動(dòng)意圖與末端效應器之間的認知失聯(lián)，舉例來(lái)說(shuō)，使用者需想象左手運動(dòng)以控制機械手伸開(kāi)，而想象右手運動(dòng)則是控制機械手抓握，大腦想象的左右手運動(dòng)與機械手實(shí)際運動(dòng)間的不匹配為這一類(lèi)型BCI的操作帶來(lái)困難。因此，發(fā)展“所想即所得”的同一肢體精細運動(dòng)想象型BCI系統具有重要價(jià)值，而當前這一領(lǐng)域研究的瓶頸問(wèn)題急需在新型可分動(dòng)作范式以及新型運動(dòng)想象特征提取和分類(lèi)方法方面進(jìn)行探索解決。 

　　針對該問(wèn)題，自動(dòng)化所神經(jīng)計算與腦機交互(NeuBCI)團隊設計了單側肢體不同關(guān)節運動(dòng)想象的新范式（右手握拳、右肢屈肘、靜息態(tài)），并對應采集了25名被試共計22,500個(gè)試次（trial）數據。該數據集根據BIDS-EEG數據標準進(jìn)行整理并開(kāi)源，提供三種階段的數據以滿(mǎn)足不同研究者的需求。團隊研究了單側肢體不同關(guān)節運動(dòng)想象誘發(fā)的大腦激活模式，提出通道相關(guān)網(wǎng)絡(luò )（Channel-Correlation Network）來(lái)學(xué)習導聯(lián)之間的整體表示，將集成學(xué)習應用于多個(gè)通道相關(guān)網(wǎng)絡(luò )的輸出，在三分類(lèi)情況下解碼精度達到87.03%。研究結果證明深度學(xué)習方法對同一肢體不同關(guān)節的運動(dòng)想象任務(wù)解碼的有效性，以及這種單側肢體多個(gè)關(guān)節運動(dòng)想象任務(wù)在實(shí)際應用中的潛力。 

　　這項研究為基于EEG的高精度運動(dòng)意圖解析提供了科學(xué)基礎和技術(shù)支持，將促進(jìn)運動(dòng)想象腦機接口研究的發(fā)展，其在神經(jīng)康復和智能機器人等領(lǐng)域有著(zhù)重要的應用。 

　　該工作由NeuBCI團隊獨立完成，主要完成人為馬學(xué)林博士、邱爽副研究員和何暉光研究員。相關(guān)研究成果發(fā)表在IEEE Transactions on Neural System and Rehabilitation Engineering（TNSRE）期刊上，開(kāi)源數據發(fā)表在Scientific Data（SDATA）上。 

相關(guān)文章及鏈接： 

[1]. Ma, X., Qiu, S. & He, H. Multi-channel eeg recording during motor imagery of different joints from the same limb. Harvard Dataverse https://doi.org/10.7910/DVN/RBN3XG  

[2]. Ma, X., Qiu, S. & He, H. Multi-channel EEG recording during motor imagery of different joints from the same limb. Sci Data 7, 191 (2020). https://doi.org/10.1038/s41597-020-0535-2  

[3]. Ma, X., Qiu, S., Wei, W., Wang, S. & He, H. Deep channel-correlation network for motor imagery decoding from same limb. IEEE Transactions on Neural Systems and Rehabilitation Engineering 28, 297–306 (2020). https://doi.org/10.1109/TNSRE.2019.2953121 

來(lái)源：中國科學(xué)院自動(dòng)化研究所