在多種“大腦–肢體運動通路"受損的疾病中（如中風、帕金森病、腦癱、脊髓損傷等），一個共同的核心特征是：大腦無法有效控制肢體運動。以中風為例，傳統(tǒng)康復評估可能只會記錄“動作未完成"，進而又陷入盲目訓練的困境：不知道患者是大腦沒有發(fā)出指令，還是肢體無法控制，只能靠經(jīng)驗調(diào)整方案。但如果同步監(jiān)測大腦活動，就可能發(fā)現(xiàn)——患者的運動皮層其實在努力發(fā)出指令，只是神經(jīng)信號在傳導通路上被阻斷。

因此，康復的關鍵目標，就是重塑大腦與肢體的神經(jīng)連接，讓大腦重新學會高效指揮身體。這種重塑不僅有助于恢復已有動作能力（如走路、抓握），還能建立替代性運動通路（繞過受損區(qū)域），并優(yōu)化動作質(zhì)量與協(xié)調(diào)性，減少代償性錯誤動作。

正是在這種核心需求下，功能性神經(jīng)成像（如 EEG、fNIRS）與運動捕捉的結(jié)合，展現(xiàn)出優(yōu)勢與廣闊發(fā)展前景：它能同時監(jiān)控大腦和身體，為康復評估、訓練與方案優(yōu)化提供雙重信息支持。

TMSI 便攜式EEG設備

光聿便攜式近紅外設備

那么，具體有哪些技術在結(jié)合腦成像和運動捕捉？它們的成熟度處于何種水平？這種結(jié)合又具備哪些臨床優(yōu)勢呢？最近，挪威科技大學的 Emanuel A. Lorenz、Xiaomeng Su 和 Nina Skj?ret-Maroni 團隊在《Journal of NeuroEngineering and Rehabilitation》發(fā)表了題為 “A review of combined functional neuroimaging and motion capture for motor rehabilitation" 的綜述。該文章系統(tǒng)梳理了功能性神經(jīng)成像與運動捕捉技術融合在運動康復中的應用現(xiàn)狀，為理解腦體運動調(diào)控機制提供了全新視角。

圖1. 文章信息

傳統(tǒng)運動康復評估往往局限于單一維度：神經(jīng)成像技術（如 EEG、fNIRS）聚焦大腦運動皮層活動，運動捕捉技術則記錄肢體生物力學參數(shù)，但兩者長期處于割裂狀態(tài)。而 Mobile Brain/Body Imaging（MoBi）領域的發(fā)展揭示，同步采集神經(jīng)生理信號與行為數(shù)據(jù)，可以實現(xiàn)完整解析 “大腦指令生成 - 肢體動作執(zhí)行" 的閉環(huán)機制。

研究問題

RQ1：使用了哪些技術來同時采集神經(jīng)生理信號和動力學/運動學信號？

RQ2：采用了哪些信號分析方法

RQ3：這兩種模態(tài)的信號是如何結(jié)合的？

RQ4：這些評估或干預方法的結(jié)果是什么？

RQ5：針對未來的臨床應用，有哪些建議？

遵循 PRISMA 指南，對功能性神經(jīng)成像和運動捕捉結(jié)合用于運動康復的相關文獻進行綜述（圖2）。提取的內(nèi)容包括研究和參與者特征、所用系統(tǒng)的技術方面、信號處理方法以及多模態(tài)特征同步和融合的性質(zhì)。

圖2. 文獻篩選流程圖

文獻篩選結(jié)果：

在 908 篇出版物中，最終納入 19 篇進行綜述（圖3）。這些研究主要以健康參與者或中風患者為研究對象，以基礎研究或轉(zhuǎn)化研究為主。

圖3. 研究特征表：文章應用類型，研究類型，數(shù)據(jù)采集類型，對照組類型，研究目的

技術應用情況：

功能性神經(jīng)成像：

技術：EEG 是主流技術（19 項研究中占 18 項），憑借毫秒級時間精度捕捉運動相關皮質(zhì)電位（MRCP）等神經(jīng)信號；fNIRS 僅 1 項研究使用，通過監(jiān)測皮層血氧變化反映腦區(qū)活躍度，抗運動干擾能力更強。電極數(shù)量和放置差異較大，多數(shù)遵循 10 - 20 電極放置系統(tǒng)，有源電極使用普遍，采樣率各不相同，部分研究對記錄的數(shù)據(jù)流進行下采樣。

數(shù)據(jù)分析：研究使用了時間域、頻率域、時頻域和非線性域等不同域的特征，且不同域特征的處理方法各有特點。

運動捕捉技術：

技術：機械傳感器（如 IMU、力傳感器）應用泛（13 項研究），記錄關節(jié)角度、運動速度等參數(shù)；光學系統(tǒng)（標記點 / 無標記）和磁性傳感器次之，分別適用于全身復雜運動和抗遮擋場景。部分研究未報告采樣率，多數(shù)研究采樣率在 100 - 1000Hz 之間。

數(shù)據(jù)分析：多數(shù)研究未報告信號預處理步驟，部分研究應用低通濾波器。提取的特征包括運動事件標記、運動學參數(shù)、動力學參數(shù)等，用于后續(xù)多模態(tài)分析。

功能性神經(jīng)成像與運動捕捉的融合：

運動事件檢測：所有研究都使用運動學或動力學來檢測運動開始 / 結(jié)束或離線處理中的運動事件，部分研究使用硬件或數(shù)字信號同步。

訓練：部分研究應用在線或離線處理，使用運動學數(shù)據(jù)來訓練、評估和更新神經(jīng)，同步方法多樣。

統(tǒng)計關系：研究在離線處理中探索運動學與神經(jīng)活動之間的統(tǒng)計關系，如計算相關性、應用回歸模型等。

并行應用：少數(shù)研究將皮質(zhì)變化與運動捕捉系統(tǒng)控制的運動游戲結(jié)合，未說明同步方法。

研究對象:

平均每項研究納入 11 名參與者，女性參與者平均占 28%，部分研究無女性參與者。以健康參與者和中風患者為主，后者涵蓋亞急性期至慢性期（3 周至 5 年），聚焦上肢運動（如伸手動作）和步態(tài)康復。通過融合數(shù)據(jù)證實，中風患者的肢體運動缺陷常與運動皮層 β 波段異常,雙側(cè)腦區(qū)激活失衡相關，為區(qū)分 “指令問題" 與 “執(zhí)行問題" 提供客觀依據(jù)。

局限性：臨床研究占比低（僅 4 項），樣本量?。ㄆ骄?11 人），且依賴傳統(tǒng)分析方法，AI深度整合不足。

該領域尚處于起步階段，主要集中在基礎研究或轉(zhuǎn)化研究，缺乏在臨床環(huán)境中使用多模態(tài)應用的研究，難以評估其效率、可靠性和有效性。研究人群樣本量小，主要使用健康參與者，且主要納入中風患者。研究重點在上肢運動，可能與中風幸存者上肢損傷發(fā)生率高以及這些運動在康復中研究較充分有關。基于 AI 的運動捕捉系統(tǒng)可能在臨床應用中有潛力，但仍存在一些未解決的挑戰(zhàn)。應更多關注皮質(zhì)間和外周耦合，研究長程自上而下和自下而上的皮質(zhì) - 外周耦合變化，以及分析特征中的非線性關系。目前對雙模態(tài)測量的關注是重要的一步，但應全面探索多種附加模態(tài)的融合。

原文鏈接

研究團隊介紹

關于維拓啟創(chuàng)

相關產(chǎn)品