基于多参数特征调制的上肢相邻关节精细运动意图识别增强研究

为解决脑机接口(BCI)系统因脑电图(EEG)空间分辨率有限和体感运动皮层区域邻近导致的精细运动意图识别难题，研究人员整合运动速度与视觉辅助刺激特征调制技术，通过事件相关谱扰动(ERSP)、脑地形图和R2可分性分析，开发出FBCSP+MDRM分类模型，在多重参数条件下实现89.82%±3.90%的分类准确率，较传统SVM提升15.2%，为卒中康复提供了精准的神经解码新策略。

　　这项突破性研究揭示了多参数特征调制技术如何显著提升上肢相邻关节（肘部屈伸与手部抓握）精细运动意图的脑电特征强度。通过创新性地整合动态视觉辅助刺激与快速运动速度参数，研究团队观察到事件相关去同步(ERD)特征产生耦合增强效应（p<0.05）。采用滤波器组共空间模式(FBCSP)算法结合黎曼均值最小距离(MDRM)分类器，构建的解码模型在多重参数条件下展现出89.82%±3.90%的惊人准确率，较基线水平提升18.22个百分点。该技术突破不仅解决了体感运动皮层功能区EEG信号空间混叠的经典难题，更为卒中患者运动功能康复提供了具有临床转化潜力的精准神经调控新范式。