《Frontiers in Neuroscience》：Evolution of brain-computer interface technologies for stroke rehabilitation: a bibliometric integration of neural decoding and functional recovery (2016–2025)
摘要引言：脑-计算机接口（BCI）技术代表了神经康复领域的一个关键前沿。本研究旨在系统分析2016年至2025年间BCI干预措施用于卒中幸存者上肢康复的全球研究格局、热点分布及演变趋势。方法：研究人员利用Web of Science核心合集（WoSCC）和PubMed数据库的数据进行了文献计量学分析和系统映射。检索使用了与“卒中”、“脑-计算机接口”和“上肢康复”相关的术语。筛选遵循PRISMA指南。使用CiteSpace（v.6.4.R2）和VOSviewer（v.1.6.20）进行可视化和定量映射，以评估出版量、国际合作和关键词共现聚类。结果：年发文量从2016年的37篇稳步增长至2025年的104篇，其中65.6%发表于2020年之后。美国（144篇）、中国（83篇）和意大利是产出最多的国家。关键词分析揭示了从功能性电刺激向机器人辅助治疗、运动想象和人工智能驱动解码的范式转变。观察到“闭环系统”、“生成式人工智能”和“多模态反馈”具有显著的突现强度，表明这些是当前的主要前沿。讨论：卒中后康复的BCI研究正从实验性信号处理向智能化、多模态和个性化临床系统转变。文献计量学证据证实，BCI与机器人辅助康复或功能性电刺激（FES）的整合已成为主流临床趋势。未来的努力必须集中于提高脑电图（EEG）信号稳定性和开发用户友好的硬件，以促进BCI从研究环境向日常临床实践的转化。中国已成为第二大产出国，但与欧洲机构的国际合作仍是需要进一步发展的领域。
论文主体部分总结如下：
**1 引言**
引言部分指出，卒中是长期残疾的主要原因，约80%的患者存在持续性上肢功能障碍。尽管进行了强化治疗，只有30%的患者实现了显著的功能恢复，给医疗系统和家庭带来了沉重的社会经济负担。因此，开发创新的神经康复干预措施仍是临床优先事项。脑-计算机接口（BCI）技术促进了神经活动与外部设备之间的直接交互，绕过了受损的运动通路。一个标准的非侵入性系统通常整合了信号采集、特征提取和外部控制。在卒中康复中，BCI利用运动想象（motor imagery, MI）激活皮层网络，产生“中枢驱动”，当与功能性电刺激（functional electrical stimulation, FES）或机器人等外周反馈结合时，建立了闭环刺激模型以促进神经可塑性。过去十年间，该领域的研究迅速扩展，从可行性研究转向多模态干预和临床转化。然而，数据的激增使得临床医生难以识别关键的治疗趋势。文献计量学分析提供了一个量化框架来可视化这些演化模式。现有综述常受限于狭窄的时间范围或单一数据库检索，未能捕捉到人工智能整合等最新转变。本研究的目的是系统分析2016年至2025年间关于BCI用于卒中后上肢康复的英文文献。利用CiteSpace和VOSviewer，试图描绘发表趋势、研究热点和前沿轨迹，为未来的临床实践和学术研究提供战略参考。
**2 材料与方法**
**2.1 数据来源与检索策略**
本研究遵循PRISMA指南进行。采用文献计量学和可视化分析方法，定量评估BCI用于卒中后上肢康复研究的演化。文献检索于2026年3月9日在两个主要数据库中进行：Web of Science核心合集（WoS）和PubMed。检索策略采用了医学主题词表（MeSH）术语和自由文本关键词的组合。检索时间段限制在2016年至2025年之间。文献类型限定为英文“文章”和“综述”。初步检索从WoS获得928条记录，从PubMed获得429条，共1357条记录。经自动去重后，移除447条重复记录，剩余910条唯一记录。根据纳入和排除标准对标题、摘要和全文进行严格筛选，最终确定602篇出版物用于文献计量学分析。由于检索于2026年3月进行，该年度的发表数量有限且不完整，因此研究期限限定为2016-2025年，以确保年度发表趋势分析的可比性和科学性。
**2.2 纳入与排除标准**
纳入标准包括：（1）研究对象为卒中幸存者（缺血性或出血性）；（2）BCI作为主要康复干预手段；（3）结果测量上肢功能改善；（4）研究设计为原始研究或综述；（5）语言为英语。排除标准包括：（1）非期刊出版物（如会议摘要、学位论文、专利）；（2）BCI仅用于评估而非干预的研究；（3）动物实验或基础实验室研究；（4）无法获取全文的研究。
**2.3 数据分析与可视化**
文献计量学分析使用VOSviewer（1.6.20版）和CiteSpace（6.3.1版）在Java环境中执行。分析前对数据进行标准化处理，合并同义术语（如“EEG”和“electroencephalography”）并统一冗余机构名称以确保数据完整性。在CiteSpace中，依次分析节点类型（作者、机构、国家、关键词），时间切片为1年。应用g指数作为选择标准（k=25），并通过Pathfinder和Pruning Sliced Networks进行剪枝以增强网络清晰度。在VOSviewer中，设置作者最低阈值为2，关键词出现最低阈值为2，构建共现网络。使用Excel 2021生成补充描述性统计。
**3 结果**
**3.1 发表量分析**
从2016年至2025年，BCI用于卒中后上肢功能障碍领域的年发表量呈现持续增长趋势。2020年的发表量相比2016年增长了40.5%，2023年相比2020年增长了50.0%，表明该领域在过去五年进入了快速发展期。累计发表量方面，最近五年（2021-2025）的发表量为395篇，占过去十年总量（602篇）的65.6%，显示出该领域研究的高容量和可持续性。这一上升趋势可能与BCI技术的成熟、便携式脑电图（EEG）设备的普及以及卒中康复需求的持续增长有关。进一步分类显示，绝大多数研究主要关注非侵入性BCI，以EEG作为主要技术路线。这一分布与康复医学临床实践紧密相关，非侵入性BCI因其优越的安全性、低成本和高可行性而在常规临床环境中被优先用于卒中后上肢恢复。
**3.2 被引期刊分析**
在被引频次排名前10的期刊中，《Movement Disorders》以255次被引位列第一，该期刊专注于运动障碍疾病，反映了BCI在运动康复领域的跨学科特性。《Parkinsonism and Related Disorders》以240次被引位列第二，关注帕金森病及相关运动障碍研究，表明BCI技术在神经系统疾病康复中的多功能性。《Journal of NeuroEngineering and Rehabilitation》（JNER）以222次被引位列第三，是神经工程与康复领域的专业期刊，是BCI康复研究的主要中心之一。被引期刊网络图揭示了康复类期刊（如《Archives of Physical Medicine and Rehabilitation》、《Clinical Rehabilitation》）与神经工程类期刊（如《JNER》、《IEEE Transactions on Neural Systems and Rehabilitation Engineering》）之间的紧密共引关系，体现了该领域的多学科整合特征。此外，顶级神经学期刊（如《Neurology》、《Stroke》）在共引网络中占据中心位置，表明神经科学基础对BCI康复研究的支撑作用。
**3.3 国家合作网络分析**
在发表量排名前10的国家中，美国以144篇文章位列第一，中国以83篇位列第二，意大利以79篇位列第三，表明美国在该领域研究更为深入。国家合作网络图显示，美国与中国、德国、意大利、加拿大、澳大利亚等国形成了核心合作集群。作为合作网络的中心节点，美国与多个国家保持合作关系，反映了其在全球BCI康复研究中的领先地位。欧洲国家（如德国、意大利、西班牙、荷兰、瑞士）之间存在较强的合作网络。虽然中国与美国、澳大利亚、新加坡等国建立了稳定的合作关系，但与欧洲国家的合作强度相对较低，表明有扩展空间。这一分布特征表明北美和欧洲的研究合作网络相对成熟，而亚洲国家尽管发表量高，但其国际合作网络仍需进一步完善。
**3.4 作者分析**
在发表量排名前10的作者中，德国学者Birbaumer Niels以16篇文章位列第一，其研究聚焦于严重瘫痪患者的BCI系统和神经反馈，特别关注闭锁综合征患者的BCI应用。中国学者贾杰以14篇文章位列第二，专攻BCI结合康复机器人与临床康复应用。新加坡学者Guan Cuntai和Ang Kai Keng各发表14篇文章，并列第二，主要关注BCI算法、运动想象信号处理、机器学习分类器优化及临床验证。作者合作网络图揭示了四个主要研究集群：（1）以Guan Cuntai和Ang Kai Keng为中心的新加坡团队，与新加坡国立大学和南洋理工大学等机构密切合作；（2）以Birbaumer Niels和Ramos-murguialday Ander为中心的欧洲团队，成员分布在德国、西班牙、意大利等国；（3）以贾杰、明东、陈树耿等为中心的中国团队，主要集中在复旦大学、上海交通大学和天津大学等机构；（4）以Gharabaghi Alireza为中心的德国团队，专注于BCI结合经颅磁刺激（TMS）的神经调控研究。部分团队之间存在跨区域合作，如新加坡团队和德国团队在BCI算法和临床试验方面有合著成果，反映了国际合作的研究趋势。
**3.5 研究机构分析**
机构排名显示，特拉维夫大学以总计50篇出版物在全球占据独特且无与伦比的领先地位。其他全球知名机构包括悉尼大学（16篇）和圣保罗大学（14篇），紧随其后的是拉什大学（9篇）、滑铁卢大学（8篇）、奈梅亨大学（8篇）、俄亥俄大学系统（7篇）、IRCCS Bonino Pulejo（7篇）、凯斯西储大学（6篇）和罗马智慧大学（6篇）。机构合作网络图进一步揭示了由这些顶级组织驱动的两种不同协作模式。首先，特拉维夫大学代表了一个高度集中的转化集群，与其主要学术分支和主要教学附属机构特拉维夫苏拉斯基医学中心建立了紧密的共生联盟。这种本地化框架形成了从基础BCI算法到临床卒中方案的高效转化管道。其次，悉尼大学代表了一个去中心化的多中心临床网络，作为一个中心枢纽，与多个区域康复中心广泛合作。这种拓扑结构反映了一种严格由多样化临床问题解决驱动的循证研究模型，最大化患者队列异质性以验证BCI治疗效果。
**3.6 关键词分析**
高频关键词反映研究热点，中心性≥0.1被认为是高影响力。在临床语境下，高中心性（≥0.1）的关键词或机构不仅代表高发表量，更代表着不同医学或技术领域汇聚的关键多学科交叉点。结构映射显示了一个高度凝聚的研究核心。“脑计算机接口”（Brain computer interfaces）频率最高（n=40, 中心性=1.07），作为网络的绝对基础，紧随其后的是“脑电图”（electroencephalography, n=23, 中心性=0.68）、“卒中”（stroke, n=22, 中心性=0.32）和“卒中康复”（stroke rehabilitation, n=16, 中心性=0.49）。关键的是，代表关键技术和操作基础的关键词——如“想象”（imagery）、“算法”（algorithms）、“信号处理”（signal processing）和“机器人”（robotics）——尽管绝对频率较低，但表现出异常高的中介中心性。这种拓扑分布表明，这些技术指标充当了重要的多学科高速公路，直接将工程原理与临床恢复流程（如“康复”和物理“运动”）连接起来。
**3.6.1 关键词共现分析**
使用VOSviewer对BCI改善卒中后上肢功能障碍相关文献的关键词进行分析。选择频率≥5的关键词以探索该领域的研究热点和趋势。共现网络可视化图显示，“脑计算机接口”、“脑电图”和“卒中”构成了网络的绝对核心中枢。这些中心节点向外延伸，与操作关键词（包括“运动想象”、“卒中康复”、“功能性电刺激”、“机器人”、“神经反馈”和“信号处理”）紧密连接，形成了多个研究网络。运动想象（作为BCI控制范式）、脑电图信号处理（作为技术支持）以及功能性电刺激结合康复机器人（作为主要物理反馈机制）构成了当代研究的三大支柱。此外，外围治疗节点如“机器人”、“神经反馈”和“经颅直流电刺激”（transcranial direct current stimulation, tDCS）仍与中心集群高度整合。叠加时间着色（从2018年到2024年）直观地记录了一个渐进的持续演化趋势，即从基础电生理信号验证转向直接针对现实世界卒中康复和上肢功能追踪的高度协同、多模态联合干预策略。
**3.6.2 关键词聚类分析**
使用CiteSpace中的对数似然比（log-likelihood ratio, LLR）算法进行关键词聚类分析。共形成10个聚类（#0至#9）。关键词聚类图显示模块值Q为0.7998，平均轮廓值S为0.9695。基于研究主题的相关性，10个聚类可归纳为四大研究主题：核心运动想象BCI范式与信号处理技术（#0, #1, #2, #5, #8）、多模态联合干预策略（#6, 部分#8）、临床应用与功能转化（#3, 部分#6）以及特定人群应用与用户体验设计（#4, #7, #9）。各聚类的节点数、轮廓值（S）和主要关键词（LLR）已给出。
**3.6.3 关键词突现分析**
使用CiteSpace分析关键词突现图。关键词突现反映了短时期内研究频率的急剧增加。为了系统追踪历史演变和研究热点的转移，将关键词突现时间线划分为三个不同的时间阶段。第一阶段（2016-2018）：早期探索期。该阶段的突现关键词包括“大脑/生理学”、“意图”和“光谱学”。这一时期的研究主要集中在BCI的神经生理学基础，探索BCI与tDCS、神经反馈和机器人技术的联合应用，关注偏瘫患者的康复结局。第二阶段（2020-2023）：快速发展期。该阶段的突现关键词包括“上肢”、“机器人”、“脑电图”和“卒中”。在此期间，“EEG方法论”成为突现强度最高的关键词。上肢功能作为核心结局指标持续受到关注，机器人辅助联合干预的突现持续存在。卒中诊断和康复方法成为研究焦点。第三阶段（2022-2025）：持续前沿期。持续突现至2025年的关键词包括“运动”和“卒中康复/方法”，表明运动功能康复方法论仍是当前的研究前沿。
**4 讨论**
2016年至2025年的文献计量学数据突显了BCI在卒中康复研究中的加速发展轨迹，从早期关注高带宽神经解码的侵入性范式（如BrainGate项目）转向复杂的非侵入性临床转化及大学-医院整合的学术框架。分析强调，全球生产力不仅受强国家资助渠道驱动，还受高密度本地化研究生态系统驱动。值得注意的是，特拉维夫大学已成为该领域的全球领导者，利用相互关联的转化模式将基础算法工程与快速临床验证联系起来。同时，中国的快速崛起与其战略性国家聚焦密不可分，特别是通过国家重点研发计划下的“智能机器人”专项和“脑科学与类脑研究”重大项目。虽然中国在发表量上排名第二，但与地中海和西方领先集群中紧密的高密度协作联盟相比，其国际合作网络的密度仍然相对稀疏。鉴于这些领先地区已建立的临床传统和统一的机构生态系统，加强跨境和多中心合作网络对于建立BCI实施的循证全球协议至关重要。这种宏观整合表明，卒中康复的未来格局将越来越依赖于精细化的非侵入性接口、稳健的机器学习工作流程和高度标准化的临床执行路径的结构性融合。
关键词共现分析中出现的一个关键主题是多模态干预策略的优越性。运动想象（motor imagery, MI）仍然是核心控制范式，利用了想象和实际执行在初级运动皮层（primary motor cortex, M1）、前运动区（premotor area, PMA）和辅助运动区（supplementary motor area, SMA）等皮层区域显著重叠的神经激活。这一神经生理基础对于缺乏残余肌电图（electromyographic, EMG）信号的严重上肢瘫痪患者至关重要。当评估超越单纯发表量的研究影响力时，引用质量指标表明，该领域的学术轨迹由几项高被引里程碑式研究锚定。MI-BCI与FES和康复机器人的整合被概念化为促进“意图-执行-反馈”闭环。这一结构范式转变的典型代表是Biasiucci等人（2018）进行的里程碑式临床试验，该高被引基石研究显示，脑驱动FES通过驱动靶向神经可塑性引发持久、临床显著的上肢运动恢复。在文献框架内，这种结构整合被假设与“赫布可塑性”（Hebbian plasticity）原则一致，即中枢运动意图（自上而下）与外周体感反馈（自下而上）的精确同步可能有助于Fugl-Meyer评估分数和日常生活活动（Activities of Daily Living, ADL）相对于单一疗法的提升。
长期BCI训练的临床疗效由Walk Again Project（WAP）有力展示。通过将非侵入性BCI与虚拟现实和外骨骼结合，WAP方案使50%的慢性脊髓损伤患者神经状态从ASIA A改善至ASIA C。值得注意的是，即使在受伤20年后，患者也观察到显著的功能恢复，这被该领域解释为BCI驱动的闭环反馈可能潜在触发晚期神经可塑性的初步证据。这条高影响力研究路线已催生近期顶级期刊突破，如Lorach等人（2023）在《Nature》上发表的数字桥研究，通过脑-脊髓接口恢复脊髓损伤后的自然行走。作为文献计量学评估，本分析捕捉到这些广泛引用的里程碑式成就，作为主导当代出版趋势的质量界定载体，表明全球研究影响力高度集中于这些经过严格审查的高影响力临床转化框架，但大规模随机对照试验对于完全验证这些经验性神经生理学通路仍然至关重要。
研究前沿正转向智能化和便携性。混合功能近红外光谱（fNIRS）-脑电图（EEG）采集系统的出现标志着一个里程碑。通过利用fNIRS更高的抗运动伪迹能力和优越的空间分辨率，临床医生可以在现实环境中获得更稳定的代谢和电生理数据。在此背景下，本文献计量学分析中识别的EEG压倒性统计优势应在方法论上谨慎解读。这种高发表量反映了该方式在临床可行性、成本效益和非侵入性安全性方面的优越性，而非相对于替代性或侵入性接口的绝对治疗或技术优越性。基于EEG的系统对于迭代多次的卒中康复仍非常经济实用，避免了高带宽神经植入物相关的手术风险和机构成本，这自然扩大了其在当前研究产出中的代表比例。为了克服由卒中患者个体皮质病变差异导致的长期“小样本”瓶颈，生成式人工智能（包括扩散模型和生成对抗网络（generative adversarial networks, GANs））正被用于合成高质量EEG样本，从而增强分类器鲁棒性。此外，神经形态计算和脉冲神经网络（spiking neural network, SNN）芯片的整合为超低功耗实时信号处理提供了潜力。
展望未来，“运动”（2022-2025, 强度=1.11）和“卒中康复/方法”（2022-2025, 强度=0.83）的持续显著突现表明向实际物理恢复的方法论优化的关键范式转变。伴随着聚类#2（运动想象）和聚类#6（机器人）之间的结构联系，主要研究前沿正从基础脑信号识别转向高度靶向的临床执行方案。未来的努力应集中于优化闭环神经调控方法，将运动想象意图直接映射到特定物理运动坐标上。通过将先进的脑电图处理与实时机器人调整同步，这些方法旨在提供高度精确、个性化的物理反馈。这种数据驱动方法直接将文献计量学地图中识别的定量趋势转化为具体的临床策略，以诱导靶向神经可塑性。此外，关键词聚类网络中出现的周围术语，如“肌萎缩侧索硬化症”（amyotrophic lateral sclerosis, ALS）、“四肢瘫痪”和“传染性疾病”，需要方法论上的语境化，它们反映了真正的跨学科溢出而非数据提取噪声。历史上，卒中后上肢BCI康复中使用的基本算法框架（包括感觉运动节律追踪和高级机器学习分类器）最初是在完全运动瘫痪患者（包括ALS和创伤性脊髓四肢瘫痪）中设计和验证的。这些疾病的持续共现强调了一个共享的技术谱系，其中卒中康复直接改编自严重神经退行性模型的基础信号解码技术。同时，“传染性疾病”的聚类捕捉了COVID-19大流行期间的一个关键环境转折。这场公共卫生危机对传统住院物理疗法的严格限制成为该领域的强大催化剂，加速了去中心化BCI技术的开发和临床采用。这种转变大力优先考虑了家庭BCI系统、远程康复框架和非接触式虚拟现实引导的运动训练。因此，这些看似无关的术语有效地记录了继续塑造当前BCI驱动卒中恢复临床边界的血统和社会环境因素。
本文献计量学分析的结果为康复临床医生提供了若干实用见解和前瞻性意义。首先，从传统FES-BCI向多模态闭环系统的范式转变表明，临床医生可以考虑评估整合平台，结合运动想象与同步感觉反馈（如机器人手套或触觉反馈），作为优化以促进神经可塑性的突出研究范式。其次，AI驱动自适应BCI的出现表明向“精准康复”概念的技术运动。临床医生可以预期潜在工具的逐步发展，这些工具根据患者的实时认知负荷和疲劳动态调整训练难度，从而理论上旨在减少“BCI文盲”并提高治疗依从性。最后，来自长期临床方案的显著临床恢复（ASIA A至C）数据为探索将BCI干预扩展到卒中慢性期提供了强烈激励，提供了挑战传统“恢复平台期”概念的新视角。关键的是，由于这些观察来源于文献分布矩阵而非初级随机对照试验，它们应被视为学术界内的方向性趋势，而非临床疗效的确定性处方指南。
尽管本研究具有全面性，但仍需承认某些局限性。对WoS和PubMed英文文献的依赖可能导致遗漏以其他语言发表的重要临床见解。此外，虽然检索语法全面针对标准描述词，但某些周边术语（如“神经接口”、“辅助神经技术”或“脑机康复”）未被明确列条目，可能排除了少数小众报告。更重要的是，排除Scopus、Embase和IEEE Xplore等数据库引入了潜在的选择偏倚。虽然避免了合并不同平台以防止元数据格式不一致和导致软件聚类算法出错的重复错误，但缺少IEEE Xplore可能低估了工程导向的BCI会议论文，省略Embase可能略微限制了生物医学饱和度。此外，必须对纳入涵盖2025-2026年的超近期参考文献进行语境化，这些资料自然包含早期预印本和技术报告。虽然捕获这些数据集对于捕获即时当代前沿和突发关键词突现是必要的，但在当前数据库指标下，这些来源资料代表新兴技术概念而非既定临床证据。读者应适当谨慎地解读这些近期机器学习趋势突现（如生成样本合成或混合代谢-电生理建模），其长期技术稳定性和临床神经生理学功效尚未经过长期同行评审。未来的文献计量学工作将受益于纳入纵向引用窗口，以系统筛选出临时技术噪声与真正可持续的临床突破。未来研究应优先纳入中文数据库（如CNKI）和非期刊文献类型（包括专利和博士论文），以捕获知识产权格局和本地化临床试验的更完整图景。此外，虽然可视化工具映射了该领域的结构趋势，但它们并不固有反映初级研究的方法学严谨性。未来的系统综述应将文献计量学映射与随机对照试验（RCT）的质量评估相结合，为临床采用提供更清晰的循证路线图。
**5 结论**
用于卒中后康复的BCI正演变为一个智能化、多模态且以患者为中心的学科。经颅磁刺激（TMS）、先进人工智能架构和机器人等神经调控技术的协同应用正在弥合实验概念与临床实践之间的差距。然而，实现广泛的临床整合需要克服硬件可用性障碍，并通过大规模、跨国多中心试验验证长期功能结局。BCI技术目前仍处于关键的转化阶段，而非作为当代卒中康复工具箱中的即时或标准组件。其常规临床实施受到若干未解决的系统性障碍的严重制约，包括高机构部署成本、复杂且耗时的信号校准工作流程，以及由不同卒中病变拓扑结构引起的患者神经生理学高度异质性。通过大规模循证验证解决这些技术、临床和财务摩擦点，是BCI从实验性学术前沿切实转化为标准神经康复工作流程中可靠辅助方式之前的基本前提，最终改善全球卒中幸存者的生活质量。
