考虑心跳诱发电位(HEP)效应的运动想象脑机接口中单试次错误相关电位(ErrP)检测优化研究

本研究针对脑机接口(BCI)系统中错误相关电位(ErrP)检测易受心跳诱发电位(HEP)干扰的关键问题，创新性地提出基于心跳时序调控的ErrP检测新范式。通过将ErrP试次分为包含心跳(ErrPIHB )、排除心跳(ErrPEHB )和全试次(ErrPT )三类条件，发现ErrPEHB 条件下N2/P3成分振幅差异最显著，分类准确率最高达0.89。该成果为获取纯净ErrP信号提供了新思路，显著提升了BCI系统的可靠性。

　　

在脑机接口技术快速发展的今天，错误相关电位（Error-related Potential, ErrP）作为反映大脑错误监测机制的重要神经标记物，已成为提升系统可靠性的关键。然而，传统ErrP检测面临一个鲜少被关注的挑战——心跳诱发电位（Heartbeat-evoked Potential, HEP）的干扰。这种由心脏活动引发的神经电信号，当其时间窗口与ErrP特征期（200-350ms）重叠时，可能像"电子噪声"般污染目标信号。更棘手的是，HEP作为内源性生理反应，无法像眼电伪迹那样被常规滤波技术消除。这种"隐形干扰"导致单试次ErrP分类准确率长期徘徊在80%以下，严重制约着脑机接口在医疗康复等关键领域的应用。

针对这一瓶颈问题，韩国科学技术研究院的研究团队在《Computers in Biology and Medicine》发表了一项创新研究。他们独辟蹊径地提出"时空调控"解决方案：通过精确控制错误反馈的呈现时机，使心跳节律与ErrP特征期"错峰出现"，从而在源头上避免信号混杂。这项研究不仅揭示了HEP对ErrP成分的量化影响，更开发出实时心跳同步范式，为获取"纯净"的ErrP信号开辟了新途径。

研究团队采用了多模态信号同步采集与智能分析技术：1）使用64导联脑电系统同步记录EEG和ECG信号；2）基于QRS波检测算法实现毫秒级心跳事件定位；3）创新性定义三种ErrP条件（ErrP_IHB
、ErrP_EHB
和ErrP_T
）；4）采用卷积Transformer深度学习模型进行单试次分类；5）通过五折交叉验证和置换检验确保结果稳健性。实验纳入21名健康受试者（离线组和实时组各10人），采用三分类运动想象范式诱发ErrP，其中30%试次故意提供错误反馈。

研究结果部分呈现了系列重要发现：

在"离线实验结果"部分，脑地形图分析显示ErrP_EHB
条件下N2（200ms负波）和P3（300ms正波）成分振幅差异最显著（p<0.0036）。统计检验证实，仅ErrP_EHB
条件下错误与正确试次的N2/P3振幅存在显著差异（Cohen's d=0.097），而混杂HEP的试次则无此特征。分类性能比较中，ErrP_EHB
的卷积Transformer模型准确率达0.89，较ErrP_IHB
提升11%，证实HEP确实是影响分类的关键噪声源。

"实时实验结果"部分验证了新范式的实用性。通过动态调整反馈呈现时机（心跳后50ms或R波前200-50ms窗口），提出的P-ErrP范式分类准确率（0.89）显著高于传统范式C-ErrP（0.84）。特别值得注意的是，前额区（FPz/Fz）的N2成分在两种范式间差异最大（p<0.0036），这与HEP在前脑区的强表达特性高度吻合。

讨论部分深入阐释了该研究的双重意义：方法学层面，首次量化证明了HEP对ErrP的干扰机制，突破性地将心跳周期纳入脑机接口范式设计；应用层面，提出的实时心跳同步技术无需复杂算法，仅通过时序优化即可提升5%的分类性能，这对需要高可靠性的医疗BCI系统尤为重要。作者也指出未来可拓展至其他事件相关电位（如P300、N400）研究，并探索源空间水平的HEP消除方法。

这项研究犹如为脑机接口系统装上了"抗干扰滤波器"，其创新价值不仅体现在技术方案的简洁有效，更在于开辟了"生理节律适配"这一脑机交互新研究方向。正如研究者强调的，当我们在解码大脑信号时，或许首先要学会"倾听心跳的声音"。这种跨生理系统的协同设计理念，将为下一代脑机接口的发展注入新的活力。