软体气动机器人调节中风后手功能康复的脑网络图论指标

摘要

本研究探讨了可调节的柔性气动机器人对脑卒中后全脑网络拓扑结构的增强作用。图论分析表明，聚类系数、路径长度和全局效率均有显著改善。研究结果突显了可编程机器人方案在调节神经可塑性及优化脑卒中康复过程中功能恢复方面的潜力。

摘要

脑皮层功能的恢复依赖于卒中后由神经活动驱动的神经可塑性。然而，优化用于手功能康复的机器人治疗仍是一项重大挑战。本项概念验证研究探讨了一种可调节的柔性气动机器人在十名卒中后存在手部运动障碍的受试者中调节脑网络的可行性。通过调整工作模式、动作时间和交互持续时间，以随机顺序对受试者实施可编程机器人干预，用于静息态评估、慢速模式和快速模式机器人治疗。采用功能性近红外光谱技术（fNIRS）测量皮层活动和功能连接性。此外，从基于fNIRS的功能连接矩阵中提取了图论指标，包括聚类系数、平均路径长度、小世界指数、全局效率、度中心性和特征向量中心性。结果显示，机器人干预显著改善了聚类系数（P = 0.034）、平均路径长度（P = 0.007）和全局效率（P = 0.001）。尽管小世界指数、度中心性和特征向量中心性呈上升趋势，但这些差异未达到统计学显著性。此外，与慢速模式治疗相比，快速模式治疗在聚类系数上诱导了更显著的变化，提示其对神经重组可能具有更强的作用。这些发现初步支持使用具有可调范式的柔性机器人来增强卒中后的脑网络连接性并促进神经可塑性。观察到的全局效率和小世界属性的改善表明，机器人治疗可优化皮层组织结构，促进功能恢复。未来仍需开展样本量更大、干预方案个性化的研究，以验证这些结果并探索其长期效应。

引言

脑卒中仍是全球成人死亡和长期残疾的主要原因¹。在其众多致残性后遗症中，手部运动功能障碍显著影响患者的基本日常生活活动和功能独立性，从而降低脑卒中幸存者的社会参与度和生活质量^2,3。尽管物理医学与康复治疗对运动功能恢复至关重要，但由于脑卒中后神经重组的复杂性和个体间差异，传统的治疗手段往往疗效不一⁴。

近年来，机器人辅助治疗（robotic-assisted therapy, RAT）因其能够提供高强度、重复性和任务特异性的训练以促进运动功能恢复而受到广泛关注⁵。为了更有效地定制此类干预措施，深入了解可由机器人干预直接调控的神经生物标志物至关重要。这最终有助于优化治疗策略并促进手部灵巧性。在之前的一项研究中，基于体素的病灶症状映射表明，脑卒中后上肢近端功能障碍可能与来自皮质运动区和纹状体的下行传导束损伤有关。与此不同，手部功能障碍是由大脑皮层的孤立性损伤所致⁶。然而，手功能的临床结局仍存在较大变异性，且运动功能恢复背后的神经机制尚未完全阐明^7,8,9。此外，大多数商用机器人训练遵循预设的固定方案，适应性有限，无法满足患者的个体化需求，可能限制其临床疗效¹⁰。

近几十年来，神经影像学研究强调了脑网络重组在卒中康复中的关键作用，其特征是功能活动和连接性的改变。功能性近红外光谱成像（fNIRS）是一种用于监测皮层血流动力学的非侵入性技术，已成为评估神经动态变化和指导康复干预的有力工具¹¹。由于其便携性以及对运动伪影具有较强的抗干扰能力，fNIRS特别适用于在机器人辅助治疗过程中进行实时监测和信息传递¹²。尽管已有研究记录了运动训练后皮层间连接性的变化，但机器人辅助治疗（RAT）对全脑网络拓扑结构的影响仍缺乏充分探索¹³。

刻画脑网络拓扑结构的变化，为理解脑缺血或出血性损伤后功能恢复所依赖的神经可塑性过程提供了重要视角。人脑以复杂网络的形式运作，其神经功能或修复既依赖于局部区域的完整性，也依赖于多个脑区之间的动态相互作用¹⁴。在此背景下，图论为量化大脑大规模网络结构提供了坚实的分析框架，有助于揭示皮层在节点水平上的组织特征¹⁵。通过计算聚类系数、平均路径长度和全局效率等关键网络指标，研究人员可评估机器人辅助疗法（RAT）如何影响神经信息的处理与传递能力。既往研究表明，卒中导致的网络完整性破坏常表现为小世界属性及整体拓扑结构的改变^16,17。康复训练，尤其是任务特异性与重复性训练，已被证实与皮层重组相关。然而，不同类型的机器人干预对这些网络动态的具体影响仍缺乏充分理解¹⁸。

本研究旨在探讨一种可编程的柔性气动机器人在调节中风患者脑网络动态方面的可行性。与现有机器人范式中的手部屈伸训练相比，当前的气动机器人在定制工作模式、动作时间以及交互持续时间方面具有优势，可实现抓握、释放和捏取等特定动作^19,20。这些多样化的人机交互模式可能为感觉运动皮层区域提供更具针对性的刺激。此类干预范式有望促进与手功能恢复相关脑区的神经可塑性¹³。此外，本研究采用基于功能性近红外光谱（fNIRS）的图论分析方法，在多种治疗条件下评估个体化机器人策略如何优化手部运动功能的恢复。同时，可初步阐明柔性机器人康复背后的神经机制。理解这些网络层面的适应性变化，有助于制定以靶向性神经生理学为导向的康复方案，最终提升中风幸存者的手功能恢复效果。

方案

本研究经中国武汉同济医院伦理委员会批准。所有研究方案均遵循《赫尔辛基宣言》中规定的原则。在纳入研究前，已从所有参与者处获得书面知情同意书。所用仪器与软件列于材料表中。

1. 参与者

1. 考虑以下纳入标准：
   1. 年龄在18至75岁之间。
   2. 经CT或MRI确认的首次缺血性或出血性脑卒中。
   3. 医学状况稳定。
   4. 本人或其授权代表签署知情同意书。
2. 考虑以下排除标准：
   1. 严重失语、认知障碍、意识障碍，或无法配合干预或评估方案。
   2. 无法保持坐姿至少20分钟。
   3. 严重肌张力异常（改良Ashworth量表评分≥2分）。

2. 柔性气动机器人系统

1. 设备连接与启动
   1. 将机器人系统的电源线插入电源插座。
   2. 按下计算机机箱上的按钮以开启计算机。
   3. 将两个气泵的电源线分别连接至电源插座和柔性气动手套。
   4. 按下机器人系统背面的绿色电源按钮以启动设备。
2. 穿戴柔性气动机器人
   1. 协助受试者将柔性气动机器人穿戴于患侧手部，确保手掌和手指部位贴合牢固。
   2. 使用魔术贴绑带固定机器人装置，确保其从拇指背侧至手掌侧鱼际隆起处稳固固定，以获得最佳稳定性。
3. 机器人控制与模式选择
   1. 按下成像设备下方的绿色连接按钮。
   2. 在计算机界面上选择机器人辅助吸气模式。
   3. 配置通信端口（Com 7），以确保设备正常连接。
   4. 选择合适的充气-放气模式，并确认参数设置，避免对患者造成不适。慢速模式：动作时间为 2000 毫秒（0.5 Hz），交互持续时间为 75%。快速模式：动作时间为 200 毫秒（5 Hz），交互持续时间为 75%²¹（图 1）。

图 1：实验设备与配置。 （A）实验装置。（B）柔性机器人配置。（C）柔性气动机器人。（D）功能性近红外光谱（fNIRS）配置与校准。请点击此处查看该图的放大版本。

3. 功能性近红外光谱（fNIRS）系统

1. 设备连接与初始化
   1. 使用连续波fNIRS系统记录所有参与者的信号数据。该系统发射波长为690 nm和830 nm的近红外光，可穿透大脑皮层下2-3 cm，采样频率为100 Hz。
   2. 打开电源插座，为所有连接的设备供电。
   3. 按下fNIRS设备上的电源按钮，并等待指示灯亮起。
   4. 确保计算机与fNIRS系统之间建立稳定连接，以实现不间断的数据传输。
2. 软件启动与患者信息录入
   1. 启动fNIRS系统，并确认Wi-Fi连接稳定。
   2. 进入患者管理界面以创建新档案：点击添加患者，输入参与者信息，并分配一个识别编号。
3. 佩戴fNIRS信号采集帽
   1. 选择合适尺寸的fNIRS帽。将传感器编号标签置于前额中心略上方，确保其与头皮紧密贴合。对齐10-20脑电系统中的FPZ和CZ光极位置。使用弹性头带固定探测器和光源，以确保与皮肤的最佳接触。
   2. 在数据采集过程中，指导参与者保持安静、放松状态，头部静止，双眼睁开。
   3. 在正式开始数据采集前，指导参与者安静休息2分钟，避免入睡。
4. 数据采集
   1. 在fNIRS系统计算机的软件界面上选择实验方案。
   2. 通过软件界面执行信号校准，以最小化光泄漏，目标信号强度≥75%，噪声尽可能低。
   3. 若校准失败，调整传感器位置后重试。光极传感器由发光二极管和光电探测器组成，设计用于在特定波长下发射和检测近红外光。
   4. 通过软件界面开始对大脑皮层进行数据记录，同时指导参与者保持放松，避免头部移动。
   5. 按照随机顺序启动实验任务，并持续采集数据。fNIRS系统持续监测并记录脑部氧合与血流动力学数据。
   6. 完成任务后，停止数据采集，并安全保存实验数据。

图 2：fNIRS 系统的实验设置与神经评估。（A）fNIRS 系统的探头配置及数据采集方案。（B）从前部、后部、左侧、右侧及顶部视角展示的大脑激活可视化图。（C）全脑功能连接性分析。请点击此处查看该图的放大版本。

4. 数据分析

1. 预处理原始 fNIRS 数据
   1. 应用带通滤波以去除原始数据中的噪声和伪迹。fNIRS 数据的典型频率范围为 0.01 Hz 至 0.2 Hz，用于捕捉大脑活动的缓慢变化。
   2. 通过小波分解和独立成分分析（ICA）进行运动伪迹校正。具体而言，使用 Daubechies 4 小波对原始 fNIRS 信号进行小波分解，分解层数为 3。
      1. 对小波系数应用软阈值处理，在保留信号特征的同时降低噪声。利用阈值化后的系数重构信号，并对重构信号应用 ICA，以识别并去除与运动伪迹相关的成分。
   3. 将连续的 fNIRS 信号划分为对应于不同条件的片段。具体而言，确定每个实验条件起始和结束的时间点。根据实验设计（图 2）及其随机化序列，将连续信号分割为多个片段。
2. 计算血流动力学响应
   1. 利用比尔-朗伯定律将 fNIRS 系统采集的原始光强测量值转换为光密度变化。
   2. 使用修正的比尔-朗伯定律估算氧合血红蛋白（HbO）和脱氧血红蛋白（HbR）浓度的变化。该过程通常涉及基于光源-探测器几何结构和所用波长（690 nm）求解一组方程。
   3. 通过可视化大脑各区域 HbO 浓度的变化生成三维脑激活图。具体而言，利用解剖标志点和国际 10-20 系统将 fNIRS 通道投射到相应的大脑区域。
      1. 基于测量通道估算整个大脑表面 HbO 浓度的变化。将激活图投射到标准脑模板（MNI 模板）上，以利于可视化呈现。
   4. 通过计算所有通道对之间的皮尔逊相关系数，利用功能连接性绘制全脑神经共激活图谱。该系数量化了通道对之间的线性关系，是构建功能连接网络的基础。使用开源 R 脚本（含 ggplot2）可视化生成的网络。
3. 图论分析
   1. 从 fNIRS 衍生的功能连接矩阵中提取图论指标（包括聚类系数、平均路径长度、小世界指数、全局效率、度中心性及特征向量中心性）^16,22。
   2. 计算聚类系数：
      
      其中，e_i 表示节点 i 的邻居之间的边数，N 表示网络中的总节点数（fNIRS 通道），k_i 表示节点 i 的度。使用聚类系数衡量网络中节点聚集的程度。
      ​注意：具体而言，量化一个节点的两个邻居彼此之间也相连的可能性。高聚类系数反映邻居之间高度互联，表明存在局部性强且紧密的大脑网络结构。神经可塑性可通过形成新连接或加强现有连接来支持局部神经活动，从而改变聚类系数。
   3. 计算平均路径长度：
      
      其中，d(i,j) 表示节点 i 与 j 之间的最短路径长度，N 表示网络中的总节点数。
      1. 使用平均路径长度衡量遍历网络中所有节点对所需的平均步数。较短的平均路径长度表明大脑网络中的信息传递更高效。
         注意：神经可塑性可通过在远距离脑区之间建立充当捷径的新连接来缩短平均路径长度，从而增强大脑整合信息的能力，并改善整体运动控制功能。
   4. 计算小世界指数：
      
      其中，C_real 和 L_real 表示真实网络的聚类系数和平均路径长度，C_rand 和 L_rand 表示具有相同节点数和边数的随机网络的相应值。使用小世界指数评估网络在局部聚集性和全局整合性之间的平衡。
      ​注意：小世界网络表现出高聚类性和短路径长度，能够在保持局部群组结构的同时实现高效通信。神经可塑性可通过建立新连接来增强局部聚类性，同时维持短路径长度，从而提升小世界特性，支持适应性神经变化和手部灵巧性。
   5. 计算全局效率：
      
      其中，d(i,j) 表示节点 i 与 j 之间的最短路径长度，N 表示网络中的总节点数。使用全局效率评估网络在全球范围内交换信息的能力。较高的值表示在整个大脑网络中信息传输更快，反映了一个连接良好的系统。
      ​注意：神经可塑性可通过优化网络拓扑结构来增强全局效率，促进不同脑区间的信息整合，支持复杂的手部功能。
   6. 计算度中心性：
      
      其中，k_i 表示节点的度。使用度中心性量化一个节点在网络中的直接连接数量。高度中心性的节点充当主要通信枢纽。神经可塑性可通过建立新连接来增加某些节点的度中心性，从而增强其在网络中的作用，并支持大脑的适应与重组能力。
   7. 计算特征向量中心性：
      
      其中，A 表示邻接矩阵，v 表示对应于最大特征值 λ 的特征向量。使用特征向量中心性评估一个节点因其与高连接性节点的连接而具有的影响力。
      ​注意：具有高度特征向量中心性的节点在层级网络中处于核心地位。神经可塑性可通过与其它高度连接的节点建立连接来提高某些节点的特征向量中心性，从而增强其在支持大脑高效信息处理方面的作用。
4. 统计分析
   1. 在统计软件中将数据整理为长格式，确保图论指标、实验条件和参与者标识符结构正确。在执行方差分析（ANOVA）之前，使用 Shapiro-Wilk 检验²³ 验证正态性假设，使用 Levene 检验验证方差齐性假设²⁴。
   2. 进行单因素方差分析，以评估三种条件下图论指标是否存在显著差异。若 ANOVA 结果显著（P < 0.05），则进行事后比较以识别各条件之间的具体差异。

结果

共有10名中风患者参与了本研究，他们以随机顺序接受了静息态评估、慢速模式机器人治疗和快速模式机器人治疗。研究结果表明，通过编程设定机器人治疗方案并计算脑网络的图论指标，可实现神经可塑性调控的个体化。在柔性机器人治疗过程中，同步进行的fNIRS评估能够同时获取脑激活和功能连接数据。

所有参与者均成功完成了研究方案，软体机器人治疗的数据无缺失。在静息态评估中，图论指标的平均值（± 标准差）如下：聚类系数为 0.56 ± 0.08；平均路径长度为 2.75 ± 0.25；小世界指数为 3.37 ± 0.50；全局效率为 0.26 ± 0.10；度中心性为 15.15 ± 8.84；特征向量中心性为 0.26 ± 0.06（表 1）。

图论指标

组别<...

讨论

本研究采用基于功能性近红外光谱的图论分析方法，探讨了一种可配置的柔性气动机器人对脑卒中患者脑网络动态的神经可塑性影响。研究结果表明，柔性机器人治疗能够有效调节分布式脑网络的拓扑结构组织，且受试者依从性较高。具体而言，聚类系数、平均路径长度和全局效率均出现了显著变化。尽管小世界指数、度中心性和特征向量中心性呈上升趋势，但其变化未达到统计学显著性。这些结果强调了定制化柔性机器人干预在增强神经连接性和促进脑卒中康复过程中脑网络重组方面的潜力。

机器人的治疗潜力在于其能够提供重复性、个体化的感觉运动刺激，这是卒中后神经可塑性的关键因素²⁵。尽管这些设备在加速手部康复方面已显示出前景，但其疗效在很大程度上依赖于任务设置。例如，Singh 等人证明，手部外骨骼可通过运动皮层兴奋性的神经生理学指标证实其促进神经可塑性的作用²⁶。这种神经修复传统上被视为脑损伤部位的结构恢复或半球间平衡的重建²⁷。然而，个体化训练方案可能在更广泛的范围内促进感觉运动重组，凸...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
106通道fNIRS设备	Wuhan Znion Technology Co., LTD	BS-2000	程序实施
手指关节康复系统	Nanjing Reseader Medical Technology Co., LTD.	RSD RS3	康复干预
R软件	R Foundation	版本 4.2.1	统计分析
SPSS软件	IBM	版本 22.0	统计分析