多模态fNIRS–EEG单侧肢体运动想象数据集

《Scientific Data》：A Multimodal fNIRS–EEG Dataset for Unilateral Limb Motor Imagery

　　

单侧肢体运动想象（MI）在上肢运动康复和外部设备精确控制中发挥重要作用，并对空间分辨率提出更高要求。然而，现有大多数公开数据集集中于主要利用粗略半球偏侧化的二类或四类左右肢体范式，仍缺乏同时记录脑电图（EEG）和功能性近红外光谱（fNIRS）用于单侧多方向MI的多模态数据集。为填补这一空白，研究人员提出了MIND，一个基于右上肢四类方向MI范式的公开运动想象fNIRS–EEG数据集。该数据集包含来自30名参与者（12名女性，18名男性；年龄19.0–25.0岁）的64通道EEG记录（1000 Hz）和51通道fNIRS记录（47.62 Hz）。研究人员分析了EEG频谱功率和血流动力学响应的时空特征，并提供了EEG、fNIRS及其组合模态的基线分类总结，作为数据集中任务相关信息的技技术验证。研究人员期望该数据集将促进神经影像分析和解码方法的评估与比较。

**论文解读：多模态fNIRS–EEG单侧肢体运动想象数据集（MIND）**

**研究背景与问题**

脑机接口（BCI）通过采集和解码大脑活动信号，将其转化为外部设备的控制指令。运动想象（MI）是非侵入式BCI的重要范式，广泛应用于上肢功能重建、日常辅助控制及连续轨迹引导等场景。传统MI范式主要基于二类或四类左右肢体任务，利用半球偏侧化进行类别区分，对空间分辨率要求较低。然而，单侧肢体多方向、多关节的MI（如右臂不同方向想象）更贴近实际应用需求，其类别差异体现在同侧半球运动-体感-顶叶网络内的细微空间调制，对成像和解码空间分辨率提出了更高要求。现有公开数据集多为单模态EEG，缺乏同时记录EEG和fNIRS的多模态单侧多方向MI数据。为弥补这一空白，研究人员构建了MIND数据集（Motor Imagery fNIRS–EEG Dataset），并发表于《Scientific Data》。该数据集的核心贡献在于同时具备单侧上肢MI、同侧四类方向、同步fNIRS–EEG采集以及标准化公开格式四个特性，为多模态MI研究、时空特征建模及基准测试提供了开放资源。

**主要技术方法**

研究人员招募了30名健康大学生（18男12女，年龄19–25岁，28名右利手、2名双利手），经伦理批准后参与实验。实验范式为右上肢四类方向MI（水平左-右、垂直上-下、对角线左上-右下、右上-左下），每个试次包含2秒视觉听觉提示、10秒MI期及15秒休息期，共6个session、120个试次。数据采集使用集成fNIRS–EEG帽：64通道EEG（Neuroscan，1000 Hz，10–20系统）和51通道fNIRS（LABNIRS，47.62 Hz，三波长780/805/830 nm，源-探测器间距30 mm）。预处理包括：EEG经0.5–50 Hz带通滤波、50 Hz陷波、ICA去伪迹（肌肉和眼电成分概率≥0.9时剔除）；fNIRS经SCI（头皮耦合指数）≥0.75通道筛选、0.02–0.2 Hz带通滤波、基线校正（-5至0 s）。分类验证采用滑动窗口（3 s步长1 s）、FBCSP（共空间模式）特征与sLDA（收缩正则化线性判别分析）分类器，5折交叉验证。

**研究结果**

**fNIRS–EEG同步性**：通过分析自动事件标记组（19人）的114个session的2394个共同事件，EEG与fNIRS的事件计数、代码和序列完全一致。组级相对时间差为9.43±62.90 ms（95% CI包含零），中位漂移为-0.51 ms/min，线性校正后中位残差SD为5.09 ms（低于fNIRS采样间隔21.0 ms），表明两模态事件标记具有稳定的相对时间一致性。

**EEG数据分析**：
- **时域分析（ERD/ERS）**：在α/μ频段（8–12 Hz）计算C3和C4感兴趣区（ROI）的功率变化。四类任务均显示任务锁定的节律调制，C4 ROI平均变化（69.3±100.9%）大于C3 ROI（53.3±60.3%），例如左-右任务中C4–C3差异为18.0%（95% CI: 0.01至36.05%，p=0.0499），表明对侧左感觉运动区存在相对较强的去同步成分。
- **频域分析（ERSP）**：采用短时傅里叶变换（STFT）计算4–40 Hz频谱扰动。任务期（0–10 s）mu频段（8–12 Hz）功率相对增加，beta频段（13–30 Hz）和30–40 Hz频段功率持续下降。C3与C4 ROI的ERSP模式相似，无显著偏侧化，表明数据集中的EEG MI效应表现为稳定的感觉运动节律调制。
- **空间分布**：基线归一化后的mu和beta频段功率偏差图显示，四种任务在额-中央-顶叶区域呈现一致的空间梯度，左右感觉运动ROI间存在微小差异，但无强偏侧化。

**fNIRS数据分析**：选择左半球ROI（17通道）计算HbO和HbR变化。四类任务均显示HbO在提示后稳定增加，0–10 s均值1.62±1.79 μM（95% CI: 0.96–2.29 μM，p<0.0001），4–10 s进一步增至1.89±2.26 μM；HbR变化较小（0–10 s: 0.21±0.55 μM）。左右半球HbO差异图显示，左半球（对侧）HbO响应强于右半球，0–10 s差异为0.51±1.04 μM（p=0.0115），符合右手指MI预期的对侧血流动力学增强。

**fNIRS–EEG分类**：基于统一滑动窗口框架，四类分类准确率在7种模态配置（EEG、fNIRS HbO/HbR、组合）下，窗口平均准确率26.41%–31.93%，最佳窗口31.63%–37.53%，均显著高于理论随机水平25%（p<0.05）。EEG基线性能（FBCSP: 32.71±13.19%）与先前相关研究一致。结果表明数据包含可重复的任务相关信息，但当前融合策略需保守解读。

**总结与结论**

**讨论部分**：研究人员指出，数据集参与者主要为健康年轻大学生，可能限制向临床人群的推广。解码结果基于简单滑动窗口FBCSP+sLDA基线，未进行跨被试验证，应视为保守参考而非上界性能。此外，部分模态融合（如EEG+HbO）在个别窗口上比纯EEG有所提升，但并非普遍最优。

**研究结论**：研究人员期望MIND将为多模态MI研究、时空特征建模以及基于纯EEG和混合fNIRS–EEG的BCI系统基准开发提供有用的开放资源。