编辑推荐：
为解决植入式脑机接口（BCIs）电极靶点定位及儿童 BCI 应用挑战，研究人员对 155 名 6-89 岁参与者开展运动和体感任务的 fMRI 研究，构建大规模数据集。其可助力 BCI 设计及脑发育老化研究，为儿童 BCI 应用提供关键数据。
脑机接口（BCIs）宛如连接大脑与外部世界的 “数字桥梁”，让因瘫痪等疾病被困于身体牢笼的患者重获沟通与行动的希望。然而，植入式 BCIs 的精准应用面临两大核心挑战：一是如何在植入前准确锁定电极靶点，二是儿童群体因大脑发育特性带来的特殊难题。现有研究多聚焦健康青年成人的运动皮层激活模式，对儿童到成人的跨年龄段运动皮层（M1）发育变化知之甚少，且缺乏可用于 BCI 靶点定位的大规模跨年龄段功能磁共振成像（fMRI）数据集。多数公开数据集或仅含单一年龄段，或任务设计难以直接服务于 BCI 控制的感觉运动区定位，无法满足全生命周期 BCI 设计的需求。
荷兰乌得勒支大学医学中心（UMC Utrecht Brain Center）的研究团队瞄准这一空白，开展了一项具有里程碑意义的研究。他们收集了 155 名参与者（年龄 6-89 岁，含健康志愿者及癫痫、脑瘤患者）在执行手指、手、臂、脚、腿、嘴部等运动和体感任务时的 fMRI 数据，构建了首个专为植入前感觉运动功能定位设计的大规模跨年龄段数据集。该研究成果发表在《Scientific Data》，为 BCI 领域尤其是儿童 BCI 的发展提供了关键数据支撑。
研究采用多种标准化任务范式，包括适用于儿童的 Motor2ClassKids 任务，以及针对不同身体部位的块设计（如 Motor2Class、Sensory2Class）和事件相关设计（如 Mapping3Fingers、Mapping5Fingers）任务。数据采集涵盖 1.5T、3T 和 7T 不同场强的 MRI 扫描仪，结构像和功能像均按脑成像数据结构（BIDS）标准处理，确保数据的规范性和可重复性。研究特别关注了参与者的头部运动和激活模式相关性，通过严格的数据质量控制筛选出高质量数据。
数据特征与任务设计
研究纳入的 155 名参与者中，49.7% 为女性，88.5% 为右利手，数据包含 471 次任务运行，其中 88.32% 为 Motor2Class 任务。任务设计围绕手、口、脚等 BCI 常用控制区域，如 Motor2Class 要求参与者持续移动指定身体部位，Sensory2Class 则通过毛刷刺激产生体感反馈。针对儿童的 Motor2ClassKids 任务以卡通互动形式引导手部挤压动作，提升数据质量。Motor3Class 任务进一步区分 “运动执行” 与 “运动想象” 条件，为 BCI 信号提取提供更多维度信息。事件相关设计的手指映射任务（Mapping3Fingers 和 Mapping5Fingers）则可精细刻画单个手指的皮层激活模式。
数据结构与质量控制
数据集以 BIDS 格式存储于 OpenNeuro 平台，每个参与者文件夹包含结构像（anat）和功能像（func）子目录，功能像配套事件文件（events.tsv）记录任务时间序列。研究通过帧 wise 位移（FD）和运动离群值分析评估头部运动，发现约 11% 参与者存在 FD>4 mm 的帧，30% 有 FD>1.5 mm 的帧，儿童及患者群体运动噪声较高，需额外处理。激活模式相关性分析显示，多数扫描与群体平均激活图的相关系数 > 0.3，视觉 inspection 确认感觉运动皮层（SMC）存在显著激活，确保数据的生物学有效性。
典型任务的激活模式
以最常用的 Motor2Class “手指敲击” 任务为例，组水平分析显示，左右半球感觉运动皮层的手部区域均呈现显著激活，验证了任务设计的有效性。该结果与已知的皮层躯体定位理论一致，为跨年龄段皮层激活模式的比较提供了基准。
研究结论与意义
该数据集首次提供了覆盖全年龄段的感觉运动皮层 fMRI 数据，填补了儿童到成人运动皮层发育研究的空白。其核心价值体现在：
- BCI 靶点定位：通过跨年龄段躯体定位图（somatotopic map）分析，可优化电极配置，避免因发育或老化导致的植入位点失效，降低儿童 BCI 重复手术风险。
- 发育与老化研究：结合年龄分组结果，可揭示大脑结构发育、老化与运动皮层激活模式的关联，为理解正常及病理状态下的皮层可塑性提供数据。
- 多领域应用：除 BCI 外，数据集可用于研究脑结构 - 功能关系、跨年龄段躯体映射差异等基础科学问题，推动神经影像学与神经工程的交叉发展。
研究讨论指出，尽管数据集为 BCI 可行性研究提供了关键资源，但儿童数据的高运动噪声提示需开发针对性预处理算法（如运动 scrubbing、独立成分分析）。未来可结合该数据集探索皮层激活模式的纵向变化，进一步推动植入式 BCI 在全生命周期中的临床转化。总之，这项研究为破解儿童 BCI 应用难题、构建更具包容性的神经康复技术奠定了坚实的数据基础。
