《Scientific Data》:An EEG-EMG-kinematics dataset from wrist pointing tasks for biomarker research in neurorehabilitation
编辑推荐:
【编辑推荐】为研究神经康复的生物标志物与脑机接口技术,团队开展了手腕运动任务中的多模态同步数据采集研究。他们利用机器人外骨骼与虚拟界面,构建了包含45名健康受试者EEG、EMG及运动学信号的数据集,并评估了信号质量与运动性能。该研究为腕部康复技术、闭环神经调控疗法及生物信号处理提供了标准化基准资源。
手腕,是我们与物理世界互动的重要枢纽。然而,神经系统损伤,如中风或脊髓损伤,常常会严重损害手腕的运动功能,给患者的日常生活带来巨大挑战。在神经康复领域,研究者们正不遗余力地探索能够精准评估和促进功能恢复的方法。其中,脑机接口(Brain-Computer Interface, BCI)和基于生物标志物的神经调控疗法展现出了巨大潜力。这些技术的核心依赖于对大脑活动与肌肉运动之间复杂关联的深入理解。然而,一个关键瓶颈在于,目前公开可用的、高质量的多模态生理数据集仍然匮乏。具体来说,在自然的、目标导向的手腕运动中,大脑的脑电图(Electroencephalography, EEG)信号、肌肉的肌电图(Electromyography, EMG)信号以及精确的三维运动轨迹如何精确地同步变化,这方面的标准化基准数据依然稀缺。没有这样的数据,就难以识别可靠的电生理生物标志物,也无法有效开发和解码运动意图的算法,从而限制了下一代个性化、响应式康复设备的发展。为了解决这一问题,一个研究团队在《Scientific Data》上发表了一项研究,他们创建并发布了一个专门用于腕部指向任务的多模态数据集,旨在为相关研究提供一个宝贵的基线资源和评估基准。
为了构建这个数据集,研究人员主要运用了以下几项关键技术方法:首先,他们设计了一套标准化的实验范式,让受试者使用一个名为BiomechWrist的三自由度机器人外骨骼,在一个虚拟界面引导下完成手腕指向任务。该外骨骼在实验时处于“透明模式”,即驱动器断电,从而能够高保真地记录受试者自主产生的运动。其次,他们同步采集了多通道脑电图(EEG)、多通道肌电图(EMG)以及来自外骨骼编码器的高分辨率运动学(kinematic)数据。数据采集自45名健康受试者,每人完成了320次标准化手腕运动试验。最后,他们对所有数据进行了标准化处理,使其遵循脑成像数据结构(Brain Imaging Data Structure, BIDS)标准,并符合可发现、可访问、可互操作、可重用(FAIR)原则,确保数据的长期价值和易用性。
研究结果
- •
高质量多模态数据集的建立
本研究成功构建并发布了一个包含同步EEG、EMG和运动学记录的综合数据集。该数据集源于45名健康受试者完成的标准化手腕指向任务,旨在为研究手腕运动控制与神经肌肉活动提供规范的基线数据。所有数据均按照BIDS标准格式化,包含了原始生物信号、编码器轨迹、事件标记以及衍生的性能指标,确保了其作为研究社区基准资源的可用性和可重复性。
- •
数据质量的综合评估与分析
为了验证数据的可靠性,研究者从受试者层面进行了多项质量评估。在脑电信号方面,他们计算了功率谱密度(Power Spectral Density, PSD)和事件相关去同步/同步(Event-Related Desynchronization/Synchronization, ERDS),结果表明记录的脑电信号具有典型的频谱特征和与运动相关的事件相关电位变化模式,证实了信号的有效性。在肌肉与运动关联方面,他们通过计算机电延迟(Electromechanical Delay, EMD)分析了EMG信号与运动学起始之间的时间关系,验证了神经肌肉激活与机械运动之间耦合的生理合理性。最后,通过对运动轨迹的评估,包括准确性、执行时间和轨迹效率等性能指标,证实了所记录运动数据的质量,能够反映个体在完成标准化任务时的运动表现差异。
结论与讨论
本研究成功创建并共享了一个用于腕部指向任务的大规模、高质量、多模态同步数据集。该数据集不仅为理解健康个体在手腕运动过程中的大脑电活动、肌肉激活与三维运动学之间的复杂动态关系提供了宝贵的实证资源,更重要的是,它为后续一系列应用研究奠定了坚实的基础。作为一项基准资源,它能够支持针对神经康复(特别是中风后手部功能恢复)的电生理生物标志物研究,帮助识别与运动功能恢复相关的特定脑电或肌电模式。在技术开发层面,该数据集极大地促进了生物信号处理、伪影去除算法的优化,以及用于运动意图解码的机器学习模型训练与验证,这些是推进脑机接口和辅助设备研发的核心。此外,数据集所遵循的严格标准化格式(BIDS与FAIR原则)确保了其可及性和可重复使用性,将有助于不同研究团队之间的比较与协作。综上所述,这项工作的产出超越了单一研究项目的范畴,它为解决神经康复领域的关键数据瓶颈提供了工具,有望加速从生物标志物发现到闭环神经调控疗法及智能康复设备开发的转化进程,最终造福于行动能力受限的患者。