手部运动分类的皮层脑电图网格最优尺寸

《Neuroinformatics》：Optimal Size of Electrocorticography Grids for Classification of Hand Movements

　　

植入式脑机接口（BCI）有望替代传统辅助技术，用于重度运动障碍患者。近年来，BCI性能显著提升，使临床可行系统成为可能。部分进展依赖于日益增多的高空间密度皮层脑电图（ECoG）电极，这些电极能从广泛脑区提取空间精细信息，但也可能增加手术负担，对植入式BCI的临床推广构成挑战。为降低这一风险，研究人员对9名癫痫患者进行了4类、5类和8类手部运动分类性能的详尽研究，探索了这些患者体内植入的32、64和128通道网格内所有可能的矩形ECoG子网格。研究结果表明，若电极放置于信息丰富区域，ECoG网格表面积可比原始网格大幅减少75%–94%，而分类性能无明显下降。各数据集分类性能在子网格逐渐缩小时保持稳定，直至达到约60mm²的临界阈值，低于该阈值性能显著下降。研究人员显示，面积高于该阈值的最小子网格实现了与面积大于230mm²的全网格同样高的分类F1分数（范围分别为81.64%–99.71%和82.85%–96.75%）。研究人员得出结论，基于ECoG的BCI可通过定位良好的小电极网格精确解码多达七种不同手部运动，为更小、更安全的BCI植入铺平道路。

**论文解读文章**

**研究背景与问题**
传统辅助技术依赖残留运动功能，但重度运动障碍患者（如脑干卒中或肌萎缩侧索硬化症患者）常无法执行这些动作。植入式脑机接口（BCI）通过绕过非功能运动系统，直接从大脑提取神经电信号，为计算机控制与通信提供替代通道。近年来，高密度皮层脑电图（HD-ECoG）因能捕获高时空分辨率神经信号且长期稳定，被广泛应用于高性能解码器开发。然而，为提升解码性能，临床研究倾向于植入包含128至253个电极的大型网格，这虽能覆盖广泛皮层区域，却显著增加手术创伤和并发症风险（如感染、出血）。因此，在保证分类性能的前提下尽可能减小ECoG网格表面积，成为推动BCI临床安全性的关键问题。此前研究虽探讨了发音器官运动和小词汇量语音解码中网格缩减的可行性，但手部/手指运动解码与HD-ECoG网格尺寸之间的关系尚未明确。

**研究概述与意义**
为填补这一空白，研究人员对9名癫痫患者进行了系统性研究，利用植入的感觉运动皮层HD-ECoG网格（32、64、128通道），通过穷举子网格搜索分析手部运动分类性能随表面积变化的规律。研究涉及4类（手指屈曲）、5类（手势）和8类（手指+手势组合）任务。结果表明，ECoG网格表面积可减少75%–94%而不损失分类性能，关键阈值约为60mm²；高于该阈值的小网格（如约12个电极）与全网格性能相当（F1分数81.64%–99.71%）。该发现发表于《Neuroinformatics》，为设计更小、更安全的BCI植入体提供了定量依据，有望降低手术负担并促进临床转化。

**主要技术方法**
数据来自9名癫痫患者，额外植入32–128通道HD-ECoG网格（电极间距3–4mm，直径1–1.3mm），覆盖中央前/后回。任务包括手指屈曲（拇指、食指、小指）和美国手语手势（D、F、V、Y），采用事件相关设计，通过数据手套记录运动起始。预处理包括公共平均参考、60–130Hz带通滤波及Morlet小波提取谱功率特征。分类采用线性核支持向量机（SVM），嵌套10折交叉验证评估加权F1分数。通过穷举搜索所有矩形子网格（从1×1到全网格），绘制性能-面积曲线，并基于非劣效性检验（Δ=0.10）确定临界阈值。

**研究结果**

**分类性能**
全网格SVM分类器在所有参与者与数据集上均高于机会水平（基于多数类预测）。全网格平均F1分数为82.85%–96.76%，最佳子网格平均为83.55%–96.43%，表明两者性能范围重叠。

**性能-面积分析**
分类性能与表面积呈双曲线关系：随子网格缩小，性能保持稳定，直至达到约60mm²临界点后显著下降。该临界点对应约12个电极（3mm间距）或9个电极（4mm间距）。与原始网格相比，32通道网格面积可减少至少75%，128通道网格可减少高达94%。

**通道重要性**
通过计算每个电极在所有包含其的子网格中的平均F1分数，生成通道重要性图。结果显示，最信息通道集中于中央沟附近的手部区域，通常沿中央沟前后轴形成单个或两个热点（M1和S1区）。

**最小高性能子网格**
非劣效性检验确定保守阈值为57.19mm²。面积大于该阈值的最小10个子网格（多为矩形，与信息通道高度重叠）的平均性能与全局最佳子网格无显著差异（Wilcoxon符号秩检验，Bonferroni校正后p>0.05），进一步证实小网格可达到同等分类水平。

**讨论与结论**
讨论指出，实现高分类性能需要精确定位小网格于信息区域，而大网格虽降低定位要求但增加创伤。术前功能性磁共振成像（fMRI）可辅助定位。研究局限性包括样本量小、任务复杂度有限及离线设计，但结果对缺乏感觉反馈的BCI目标用户仍有价值。未来可进一步缩小电极间距（如1mm）以优化网格设计。

**结论翻译**：本研究表明，当优化放置于感觉运动手部区域时，小的高密度ECoG网格可实现离散手部运动的高分类性能。研究结果指出，表面积可减少高达94%（与128通道网格相比）而不损失性能。在参与者和任务配置中，分类性能在子网格面积降至约60mm²保守阈值以下之前，通常保持在全网格水平。这些结果表明，显著减少冗余表面积可推进ECoG-BCI的可扩展性，使手术更少侵入并降低术后风险，同时保持多自由度BCI功能，为临床中可用、可及且安全的BCI实施铺平道路。