同济医院首创混合脑机接口+迁移学习 脑出血解码准确率超74%

记者：王冉

通讯员：田娟

8月20日，华中科技大学同济医学院附属同济医院唐洲平教授的研究团队在国际期刊《先进科学》上发表了一项重要研究成果。此研究提出了一种基于运动想象的新型混合脑电图联合功能性近红外光谱脑机接口技术，用于脑出血康复，通过多模态信号融合与智能迁移学习算法，成功实现了跨个体的精准、高效神经信息解码，为脑出血等脑卒中患者的康复带来了范式级革新。

出血性卒中，即脑出血，在中国卒中患者中占比高达20%～30%。其病情发展迅速，致命性高且预后差。据统计，约15%的患者日常生活不能自理，常伴有不同程度肢体功能、言语功能、感知功能障碍，严重影响患者生存质量。传统的康复方法在改善脑出血后运动功能障碍方面效果有限，尤其是上肢功能恢复。脑机接口技术作为一种新兴的神经调控方法，能够通过解码大脑运动意图信号来绕过受损的神经通路，为脑出血康复提供了新的可能性。

唐洲平介绍，传统的单模态脑机接口在跨个体泛化方面存在关键限制，因为每个大脑的神经活动模式独一无二，导致脑机接口系统需要经历繁琐的个性化校准过程，这不仅耗时费力，也给患者的康复体验带来困扰。

研究团队创新性地构建了一个融合脑电图和近红外光谱的多模态传感系统。脑电图凭借其毫秒级时间分辨率，能够精确抓取运动意图产生的瞬间电脉冲，而功能性近红外光谱通过监测血氧变化，能够精准锁定大脑皮层的活跃区域。这种双模态融合实现了“时间动态”与“空间定位”两个维度的关键信息同步捕捉，为精准神经解码打下了坚实基础。

同时，研究团队创新性开发了一种迁移学习算法，用于跨个体的神经信号解码。该算法通过“最优源域选择”，利用健康人群数据构建了一个高质量的“大脑活动模式库”，并通过“瓦瑟斯坦距离”技术，精准衡量患者大脑信号与库中模式之间的匹配度，从而锁定最兼容的“神经模板原型”。这种知识迁移策略，彻底颠覆了从零开始的低效校准模式。

研究团队通过自建的脑出血患者数据集，平均解码准确率高达74.87%，优于目前国际常用的方法。研究团队还构建了全球首个涵盖脑出血患者的多模态运动想象数据集，为全球同行开展协作研究提供了宝贵的共享资源。

此研究标志着神经康复正从“经验依赖”转向“数据驱动”的未来。通过精准解读每个大脑的独特意图，开启了个性化、智能化康复治疗的新篇章，为全球数以百万计的脑卒中患者重塑功能、回归生活带来了切实的希望。