基于神经协同流形学习解码脑信号驱动的多关节手部运动

《Patterns》：Decoding multi-joint hand movements from brain signals by learning a synergy-based neural manifold

本研究针对脑机接口（BCI）在精细手部运动解码中的瓶颈，提出创新框架SynergyNet。通过识别多关节运动的协同原语（motor synergies）并构建周期性神经流形，实现了从脑信号到高自由度手部动作的高效解码。该研究显著提升了运动解码性能（R2=0.648），为瘫痪患者恢复灵巧手部控制提供了新范式。

　　

对于数百万瘫痪患者而言，端起一杯咖啡这样简单的动作曾是遥不可及的梦想。脑机接口（Brain-Computer Interface, BCI）技术旨在通过将思维转化为动作，帮助患者重获运动能力。尽管现有系统已成功实现脑信号驱动的机械臂控制，但在灵巧手部运动控制方面仍存在明显局限。人类手部包含26个关节，运动自由度（Degree of Freedom, DoF）极高，传统方法通常独立解码每个关节的运动，忽略了关节间的协同机制，导致解码精度不足。

为解决这一挑战，浙江大学团队在《Patterns》发表题为“Decoding multi-joint hand movements from brain signals by learning a synergy-based neural manifold”的研究，提出SynergyNet框架。该研究基于“大脑通过运动协同原语（motor synergies）控制手部”的假设，将复杂手部动作分解为低维协同单元的线性组合，并通过学习周期性神经流形，实现了脑信号到多关节运动的高效映射。

关键方法

研究采用颅内微电极阵列采集一名脊髓损伤患者的运动皮层神经信号，同步记录15个手部关节角度。SynergyNet包含三个核心模块：周期性网络（periodic net）通过傅里叶变换提取神经信号的相位流形表征；控制网络（control net）解码时空参数（振幅缩放因子α和时间偏移φ）；协同招募器（synergy recruiter）根据参数线性组合时序运动协同字典（temporal synergy dictionary）生成动作。模型通过联合优化重构损失（reconstruction loss）、运动回归损失（regression loss）及协同正则化（smoothness/divergence regularization）提升性能。

研究结果

性能优势验证

与多层感知机（MLP）、时序卷积网络（TCN）、长短期记忆网络（LSTM）及Transformer等基准模型相比，SynergyNet在R2（0.648）、皮尔逊相关系数（CC，0.809）和均方根误差（RMSE，8.218°）上均显著领先（p<0.0001）。其解码轨迹与真实手部运动高度吻合，且能重构自然手势（图4A）。

跨速度解码鲁棒性

在快（1.6 s）、中（2.4 s）、慢（3.0 s）三种运动速度任务中，SynergyNet均保持最优性能。即使训练集未包含某速度数据，其泛化能力仍优于基线模型（图5），表明模型对运动节奏变化具备适应性。

神经元丢失稳健性

模拟电极退化导致的神经元信号丢失（10%~90%比例）时，SynergyNet性能下降幅度（22.8%）远低于TCN（41.9%）和FEDformer（49.8%）。在50%信号丢失时，其R2仍达0.500，凸显临床适用性（图6）。

可解释性分析

相位流形结构

神经表征在相位流形上呈现极坐标式环形结构：PC1-PC2平面编码运动进程的周期性，PC3区分不同手势类型（图7A）。这种结构支持高效的运动类型切换与进程控制。

参数解耦特性

振幅缩放因子α在不同运动中呈现稳定差异，而时间偏移φ随运动进程平滑变化（图7B），符合“目标-执行”分离的神经控制原则。LatentSwap模块通过参数交换训练进一步强化该特性。

协同字典自然性

学得的运动协同单元呈现多手指协调动作（如抓握、捏取），而主成分分析（PCA）生成的协同单元出现孤立关节运动等非自然模式（图7C），证明神经信号引导的协同学习更符合生物力学约束。

结论与展望

SynergyNet通过融合神经协同理论与流形学习，为高自由度运动解码提供了可解释、强鲁棒的解决方案。其核心创新在于将手部控制建模为时空参数调控的协同招募过程，而非独立关节轨迹预测。局限性包括单被试数据泛化性不足、未训练手势泛化能力有限（留一法交叉验证R2降至0.235）及跨会话稳定性挑战（CC从0.809降至0.232）。未来工作需扩展多样化运动任务库，并引入神经信号漂移校正策略（如流形对齐）。该框架为行走、游泳等节律性高维运动控制的BCI应用开辟了新路径。