脑-肌图谱：运动脑机接口的新框架

《Neural Networks》：Brain–Muscle Atlas: A novel framework for Motor Brain–Computer Interfaces

　　

• •
  本文提出了一种脑–肌肉图谱，该图谱基于"脑–肌肉–关节"的分级运动通路，重建了生理上合理的皮层–肌电映射。
• •
  由此得到的脑–肌肉–肘接口展示了从直接的"脑–机"解码向生物结构化的运动计算的系统性转变。
• •
  xxxxxxxx。

引言

运动脑–机接口（BCI）旨在通过解读神经活动来恢复运动功能障碍患者的控制能力（Birbaumer, Cohen, 2007, Elashmawi, Ayman, Antoun, Mohamed, Mohamed, Amr, Talaat, Ali, 2024）。尽管直接的"脑–机"映射已使重度运动障碍患者实现了基本的沟通（Dadarlat, Canfield, Orsborn, 2023, Kato, Sawada, Nishimura, 2019），但这种端到端范式忽略了生物运动控制的内在层级组织，即"脑–肌肉–关节"通路（Diedrichsen, Shadmehr, Ivry, 2010, Shadmehr, Krakauer, 2008）。这种抽象可能会限制生理可解释性和结构化表征学习，尤其是在连续和比例运动任务中（Hossain et al., 2023）。

因此，肌肉作为皮层指令与关节运动学之间的生理接口，将抽象的运动指令（Mutha and Shabbott, 2008）转化为具有特定时空特征的肌肉激活模式，从而决定运动的时空特性（Cheung et al., 2020）。在计算模型中引入这种肌肉级别的传递过程，可以将解码问题分解为两个具有生理意义的阶段——皮层到肌肉和肌肉到运动——从而嵌入结构化的归纳偏置，即运动系统的层级组织（皮层层、肌肉层和运动学层），引导学习过程趋向生理上合理的解（Tresch and Jarc, 2009）。

为了落实这一概念，我们提出了脑–肌肉图谱（BMA），该模型基于皮层–肌肉耦合原理（Crone, Miglioretti, Gordon, Sieracki, Wilson, Uematsu, Lesser, 1998, Kakei, Hoffman, Strick, 1999, Xi, Ding, Wang, Zhao, Wang, Kong, Li, 2022），将脑电（EEG）信号转换为肌肉级别的肌电（EMG）活动。虽然传统的循环网络或卷积网络已用于神经解码，但它们往往难以应对持续运动执行过程中EEG固有的非平稳性和长程时间依赖关系。因此，我们采用基于Transformer的架构来捕捉皮层–肌肉间的延迟交互（Song et al., 2022a）。如图1所示，BMA充当生理中继，在模型构建过程中引入基于EMG的约束，利用肌肉活动中嵌入的运动特异性信息来引导EEG解码过程，从而在最终的脑–机接口中实现更自然、连续的运动控制。

我们通过离线重建实验和在线虚拟肘关节实时控制来评估所提出的框架。结果表明，将显式的肌肉级别表征嵌入基于EEG的运动解码是可行的，从而实现了自然连续的运动。

本文的主要贡献如下：

• 1.
  本文首次实现了针对肘关节的脑–肌肉图谱，将皮层与肌肉之间的理论映射关系转化为可计算、可验证的结构化模型。这为在肢体层面建立生理一致的解码框架提供了首个范式，并为构建未来多关节协调甚至全身运动的脑–肌肉图谱奠定了方法学基础。
• 2.
  基于该图谱，本文首创了脑–肌肉–肘接口，完全摒弃了传统的"直接脑信号控制"架构。通过引入"肌肉激活表征"作为关键中继，该接口显著提升了控制的自然性、连续性和稳定性，为下一代非侵入式BCI朝向生理化和智能化控制开辟了一条新途径。

本文其余部分结构如下：第2节详细介绍了所提出方法的设计与实现；第3节展示了实验结果；第4节讨论了研究结果的意义并给出结论。

章节摘要

参与者与实验范式

在知情同意和机构伦理批准下，招募了59名健康的右利手参与者（49名参与离线实验，10名参与在线验证实验）。如图2所示，参与者坐在固定姿势下，手腕固定在3D打印装置上，按固定顺序执行六种肘部运动（双侧/单侧屈曲和伸展）。每项任务包括10次重复，每次运动执行5秒后放松5秒，

结果

为了系统验证所提出的框架，我们从离线脑电重建肌肉活动的可行性和实时虚拟肘部控制的效能两方面对BMA进行了评估。

讨论

本文提出了一种受生理结构约束的运动解码框架。通过在皮层信号与关节运动之间引入肌肉活动作为中间表征，构建了分级的"脑–肌肉–关节"解码通路。该框架并非采用直接的端到端映射，而是首先通过BMA重建肌肉活动，再通过肌肉–关节映射产生运动输出。这种架构在结构上模拟了分级的

CRediT作者贡献声明

Ye Sun：撰写 – 初稿，验证，方法论，形式化分析。Bowei Zhao：验证，方法论，形式化分析，数据整理。Dezhong Yao：撰写 – 审阅与编辑，撰写 – 初稿，验证，指导，方法论，资金获取。Rui Zhang：撰写 – 审阅与编辑，可视化，验证，指导，方法论，形式化分析。Bohan Zhang：撰写 – 初稿，验证，方法论。Xiaoyuan Li：撰写 – 审阅与编辑，可视化，

利益冲突声明

作者声明不存在可能影响本文所述工作的已知经济利益冲突或个人关系。

Ye Sun | Bowei Zhao | Dezhong Yao | Rui Zhang | Bohan Zhang | Xiaoyuan Li | Jing Wang | Mingxuan Qu | Gang Liu