基于标准化伸手任务的多模态EEG-EMG数据集：上肢辅助技术评估的神经力学标志物研究

本研究针对上肢神经康复中辅助技术缺乏客观评估指标的难题，意大利理工学院团队开发了首个符合BIDS标准的双模态数据集NeBULA，整合高密度脑电图(hd-EEG)与表面肌电(sEMG)数据，采集40名健康受试者在三种外骨骼辅助条件下执行标准化伸手任务时的神经肌肉响应。该数据集为开发评估辅助技术的神经力学标志物提供了方法论基础，支持机器学习特征提取、人机交互研究及生物信号去噪技术开发，填补了康复机器人性能量化评估的空白。

　　

在神经康复领域，机器人辅助技术虽展现出巨大潜力，但其临床效果始终存在争议。核心问题在于缺乏标准化的客观评估体系——现有运动评估框架难以量化人机交互质量，而基于生理信号的数据驱动模型又缺乏统一采集标准。这种评估方法的缺失严重制约了康复机器人的优化与个性化应用。更棘手的是，临床患者测试存在安全风险与伦理限制，亟需建立健康人群的神经力学响应基线作为参照。

意大利理工学院康复技术实验室的Florencia Garro团队在《Scientific Data》发表突破性研究，通过创新性设计NeBULA数据集应对这一挑战。研究团队构建了可调节触摸面板平台，模拟日常活动中"前向伸手"运动技能，同步采集127通道EEG和11块上肢肌肉的EMG信号，首次实现了外骨骼辅助下标准化动作的神经肌肉协同响应记录。该工作不仅为辅助技术评估建立了新范式，更推动了康复医学向数据驱动模式的转型。

关键技术方法包括：1) 基于Gentile运动原语理论设计标准化任务；2) 使用Brain Products ActiCHamp系统(1000Hz采样率)和Cometa Waveplus无线EMG系统(2000Hz)同步采集数据；3) 采用BIDS标准结构化40名健康受试者(20-80岁)的三组实验数据(无辅助/低辅助/高辅助)；4) 通过事件相关频谱扰动(ERSP)和功率谱密度(PSD)分析验证数据质量。

标准化任务设计
研究创新性地将临床运动评估框架转化为可量化实验范式。基于Longatelli等人提出的运动原语理论，选择包含"点到点到达"和"复位"两个原语的"前向伸手"作为核心任务。九目标触摸面板通过LED提示系统精确控制任务时序，既保证动作标准化，又保留自然运动特性。这种设计首次将临床常用的功能性运动分类(Gentile taxonomy)与高精度生物信号采集相结合。

多模态数据采集
实验系统实现了μ秒级精度的多设备同步：EEG采用10-20系统扩展的128导联布局，重点关注C3/C4运动皮层区；EMG依据SENIAM规范贴附11块上肢肌肉。Float外骨骼提供两种垂直方向辅助力，通过端点位置传感器记录运动学数据。这种多维度数据捕获方式首次完整呈现了辅助技术对神经肌肉控制的层级影响。

数据质量验证
在个体水平上，EEG分析显示C3电极在α/β频段存在条件依赖性调制：无辅助条件下出现典型事件相关去同步化(ERD)，而辅助条件下同步性增强。EMG功率谱在20-50Hz区间呈现特征性分布，前三角肌激活模式差异有效区分了辅助强度。虽然自定步调任务导致相位一致性(ITC)较低，但该特性恰恰反映了真实康复场景的运动变异性。

临床应用价值
NeBULA的突破性在于：1) 建立首个包含外骨骼辅助梯度的BIDS兼容数据集，支持机器学习算法开发；2) 揭示辅助力度与神经振荡β反弹的负相关关系，为"辅助依赖性"现象提供电生理证据；3) 设计的触摸面板平台可直接迁移至临床环境。当前数据已用于开发基于EEG-EMG耦合特征的辅助效能预测模型，未来将扩展至脑卒中患者队列研究。

讨论部分强调，该数据集解决了康复工程领域的三个关键需求：1) 量化评估框架填补了机器人辅助技术"有效但机制不明"的认知缺口；2) 健康人群基线数据为病理状态鉴别提供参照；3) 开放数据格式促进跨学科研究协作。值得注意的是，研究中观察到的辅助技术对运动皮层β振荡的抑制效应，可能成为未来个性化康复参数调整的神经标记。团队正在开展后续工作，将本范式应用于上肢痉挛患者的闭环神经调控系统开发。

这项研究标志着神经康复评估从主观量表向客观生物标志物的重要转变。通过将复杂的临床运动评估转化为可量化的实验范式，NeBULA数据集不仅为辅助技术提供了"显微镜式"的评估工具，更开创了人机交互神经机制研究的新范式。随着脑机接口(BCI)与康复机器人的深度融合，这种基于多模态生物信号的标准化评估框架，或将重新定义未来神经康复技术的研发路径。