脑机接口控制上肢机械人系统，提升中风患者的日常活动能力
April 18th, 2025
本研究为中风患者引入了一种脑机接口 （BCI） 系统，该系统结合了脑电图和眼电图信号来控制上肢机械手，从而增强日常活动。评估使用了柏林卒中双合二症测试 （BeBiTS）。
我们的方案使用脑电图和 EOG 信号评估脑机接口控制的上肢辅助机器人进行中风康复，以增强双手功能。它通过 BeBiTS 评估功能改善，推进辅助神经康复。
该技术通过辅助麻痹的手部功能使中风后偏瘫患者受益。它还可以帮助因脊髓损伤或神经退行性疾病而出现运动障碍的患者。
该技术使用脑电图 EOG 连接运动意图和执行力，使中风患者能够控制机械手。与传统的辅助方法相比，它改善了双手功能，增强了日常生活活动的独立性。
如果患者是第一次体验运动意象训练，他们可能会面临困难。因此，需要适当的指导和指导来确保动觉运动图像。
DCI 控制的上肢机器人包括神经可塑性和运动学习等神经康复组件。该系统可扩展到中风、脑瘫和神经退行性疾病患者的运动康复。
[导师]首先，向所有招募的患者提供有关实验程序的详细信息。获得每个参与者签署的知情同意书。填写同意书后，评估 BeBiTS 评估的 10 个项目，然后在办公桌前舒适的椅子上训练 BCI 机器人。启动脑机接口或脑机接口系统。将盖子戴在患者的头上并连接放大器。在源模块中，选择 EegoModule，然后选择阻抗模式，然后按开始激活模块。观察指示激活的蓝灯。确保阻抗低于 10 千欧姆。然后在源模块中按停止。将数据流的模式更改为 EEG。按开始，检查信号质量。对于 EOG 校准，在任务模块中，设置提示的数量。指导参与者按照屏幕上出现的 10 个箭头进行简短的横向眼球运动。训练后立即查看结果图。对于脑电图校准，选择脑电图校准任务模块，并将任务模块中的提示数量设置为五。在反馈模块中，将侧向设置为机械手的侧面。确保未选择显示 pacman。现在，指示参与者想象当提示（想象握拳）出现在黑屏上时握紧拳头，然后查看结果图。在 EOG 和 EEG 训练后，为感兴趣的具体目标频率、参考值和阈值设置参数，以区分握拳的意图。使用配置的参数，使用 pacman 界面进行反馈训练。使用 USB 加密狗，将辅助机械手无线连接到计算机。接下来，让参与者佩戴机器人并执行 BeBiTS 评估。等待屏幕上的白灯指示就绪状态。确认后，指示参与者将眼睛移到一侧，将灯光变为绿色。当绿灯出现时，指示他们想象握紧拳头。使用机器人，协助参与者握紧拳头并执行任务。完成任务后，指导参与者观察屏幕上的红灯。如果参与者想张开手，他们可以移动眼睛将光色变回白色。最后，在 BeBiTS 后，使用 BCI 机器人系统再次评估患者。训练有素的参与者的 EOG 值显示出一致的试验，其中平均曲线达到阈值水平，并且他们的脑电图结果清楚地区分了静息状态和运动意象。相比之下，对训练有素的参与者的 EOG 试验不一致，平均曲线未能达到阈值水平，他们的脑电图结果在静息状态和运动意象之间缺乏明确的区别。参与者 P1、P4 和 P5 在 BeBiTS 前后评估期间未能执行大部分任务。参与者 P3 最初在 BeBiTS 前评估中得分，但在培训不足后在 BeBiTS 后评估中没有得分。与 BeBiTS 前评估相比，参与者 P2 和 P6 至 P8 在 BeBiTS 后评估期间的某些任务中表现出改进。
View the full transcript and gain access to thousands of scientific videos
概述
本研究评估了一种专为中风康复设计的脑-机接口（BCI）系统，利用脑电图（EEG）和电眼图（EOG）信号控制上肢机器人辅助设备。柏林中风双手测试（BeBiTS）用于评估中风患者双手功能的改善，将运动意图与执行桥接。
研究的关键组成部分
科学领域
- 神经科学
- 康复工程
- 辅助技术
背景
- 中风可能导致偏瘫，限制运动功能。
- 脑-机接口可以促进运动康复。
- 创新地使用EEG和EOG控制机器人设备标志着重大进步。
研究目的
- 评估BCI控制的机器人手对中风康复的效果。
- 研究BCI训练后双手任务的功能改善。
- 提高运动障碍患者的日常活动独立性。
使用的方法
- 研究采用了结合EEG和EOG的脑-机接口系统。
- 中风患者作为生物模型，面临双手功能的挑战。
- 实施了详细的EOG和EEG校准培训协议。
- 评估包括使用BeBiTS进行的训练前后评估。
- 培训包括引导性运动意象和反馈机制。
主要结果
- 参与者展现了不同程度的改善，评估前后任务表现有显著差异。
- 一部分患者（P2, P6至P8）表现出功能改善，与训练不足的患者形成对比。
- EEG和EOG结果突出了与运动意象相关的激活的重要区别，表明增强神经可塑性的潜力。
结论
- 本研究展示了BCI系统在提高中风患者康复结果方面的潜力。
- 研究结果表明运动功能和独立性的关键改善，支持将机器人技术整合到治疗中。
- 未来的应用可能扩展到脊髓损伤和神经退行性疾病患者，为更广泛的康复策略开辟道路。
常见问题
Executive Industry Relevance
Integrating brain-computer interface (BCI) systems with upper limb robotics addresses a critical gap in neurorehabilitation by enabling direct translation of motor intention into functional movement for stroke patients. This approach enhances predictive confidence in patient-specific rehabilitation outcomes and informs early-stage technology evaluation for assistive device portfolios. The method supports mechanistic de-risking by quantifying neuroplasticity-driven improvements in daily activity performance.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of neuro-motor pathways through EEG/EOG signal analysis during task execution.
- Supports functional target validation by linking motor intention signals to robotic-assisted movement outcomes.
- Facilitates predictive confidence in neurorehabilitation strategies by quantifying patient adaptation and response variability.
Screening & Assay Development
- Establishes standardized protocols for EEG/EOG calibration and threshold setting to ensure reproducible signal detection.
- Provides quantitative BeBiTS scores as validated outputs for assessing assistive effectiveness across patient cohorts.
- Enables readiness for downstream evaluation of new robotic modalities or expanded limb functions.
Translational & Preclinical Research
- Aligns functional assessment with disease-relevant endpoints in stroke and neurodegenerative models.
- Supports continuity from discovery of neural control signals to preclinical validation of assistive technologies.
- Informs risk-adjusted advancement of BCI-robotic systems for broader neurorehabilitation indications.
Pipeline & Workflow Integration
This BCI-robotic system fits within the continuum from early neuro-motor signal discovery to preclinical validation of assistive devices for motor impairment.
- Discovery Biology: Links EEG/EOG signal patterns to functional task performance, supporting hypothesis testing in neuro-motor control.
- Screening: Utilizes BeBiTS as a reproducible, quantitative assay for evaluating assistive effectiveness.
- Analytics: Provides threshold-based signal differentiation and pre/post intervention scoring for comparative analysis.
- Translational Research: Bridges patient-specific neural adaptation with functional recovery endpoints relevant to clinical translation.
- Enterprise Reuse: Establishes a modular platform adaptable to additional upper limb functions and broader patient populations.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in neurorehabilitation outcomes and reduces mechanistic ambiguity in motor recovery.
- Operational Value: Standardizes EEG/EOG calibration and assessment workflows for scalable deployment.
- Strategic Value: Enables data-driven go/no-go decisions for assistive technology development and portfolio expansion.
- Portfolio Impact: Supports risk-adjusted prioritization of BCI-robotic systems for diverse neuro-motor impairment indications.
Implementation Considerations
- Requires expertise in EEG/EOG signal acquisition, calibration, and interpretation.
- Demands robust instrumentation for real-time neural signal processing and robotic actuation.
- Necessitates cross-team standardization of training protocols and assessment criteria.
- Adaptation to additional limb functions or patient populations may require protocol refinement.
- Limited by current robotic hand capabilities, restricting complex movement assistance as noted in the study.
