近日，天津大學腦機海河實驗室團隊在下肢運動想象腦電強化解碼技術方面取得重要進展，相關研究成果入選《Interdisciplinary Medicine》（影響因子13.6）最新一期封面論文。
據統計，超過 85% 的腦卒中患者會出現運動功能障礙，其中下肢偏癱尤為突出。傳統康復療法主要通過被動刺激肢體來間接影響大腦功能重塑，這種方式難以充分激發患者的主動運動意圖，導致康復效率受限。腦機接口（BCI）技術為破解這一難題提供了新的解決思路。運動想象腦機接口（MI-BCI）技術使患者能夠通過 “想象運動” 直接與外部設備進行交互，無需依賴實際的肢體動作，被視為是極具潛力的神經康復手段。然而，下肢運動想象產生的腦電圖信號具有幅度微弱、信噪比低的特點，現有算法難以精準識別其特征，導致運動意圖分類準確率不高，這成為制約該技術落地轉化的關鍵瓶頸。
針對這一技術挑戰，團隊創新性地提出了兩種基于黎曼聚類的分類算法 ——基于簇間距的黎曼聚類（MBRC）和基于統計特征的黎曼聚類（SBRC）。這兩種算法的核心創新在于將樣本按照黎曼距離劃分為“子集群”，并設計了全新的聚類標準 ：MBRC 引入“集群邊緣距離”，強化對邊界樣本的區分能力，使不同運動意圖信號的邊界劃分更為清晰；SBRC 則借助“黎曼土豆算法” 計算異常檢測閾值，能夠有效識別并過濾噪聲樣本，大幅降低信號干擾。實驗結果表明，在團隊采集的私有數據集上，MBRC和SBRC算法相較于當前主流基線算法，分類性能分別最高顯著提升了18.52%和20.35%；在公開的Yi2014數據集上，兩種方法在不同訓練樣本規模下均展現出更優秀的分類性能。上述結果充分表明，團隊所提的算法能夠有效提升下肢運動想象腦電的解碼精度，有望為腦機接口在神經康復領域的深入應用提供重要的技術路徑。
據了解，上述研究成果以《Enhance decoding of lower limb motor imagery‐electroencephalography patterns by Riemannian clustering》為題，發表于神經科學與醫學交叉領域的頂級國際學術期刊《Interdisciplinary Medicine》（IF：13.6，中科院一區期刊）。該項研究得到國家重點研發計劃、國家自然科學基金等項目的資助支持。團隊碩士研究生孫新維、劉拓為論文共同第一作者，許敏鵬教授、王坤副教授為共同通訊作者。研究論文已在線發表并開放獲取（DOI:10.1002/INMD.20250003）。