近日，天津大學神經(jīng)工程團隊在國際神經(jīng)工程領域頂級期刊《Journal of Neural Engineering》上發(fā)表題為“Enhance decoding of pre-movement EEG patterns for brain-computer interfaces”的研究論文，被英國物理學會出版社（IOP Publishing）授予“CHINA TOP cited paper award 2021”。該獎項由英國物理學會出版社發(fā)布，旨在表彰研究人員發(fā)表的最具影響力的論文。

腦-機接口（BCI）在大腦與外界環(huán)境間建立起一條直接的信息交流通路，是新一代人機混合智能的關鍵核心技術。其中基于運動意圖的BCI是最自然的腦機交互方式，因而受到廣泛的研究。運動意圖過程包括動作發(fā)生前的運動預備階段與動作發(fā)生后的運動執(zhí)行/想象階段。傳統(tǒng)運動意圖BCI研究大都解碼運動想象階段的腦電特征。與之相比，對運動預備階段的腦電特征進行解碼能夠使BCI響應速度更快，靈活度更高。然而，運動預備誘發(fā)腦電特征信號微弱，難以高效識別。

天津大學神經(jīng)工程團隊發(fā)展了極微弱誘發(fā)腦電信號解碼技術，并利用運動預備電位與事件相關去同步的特征互補性機制，設計了多維時-頻-空特征快速提取與融合方法，實現(xiàn)了運動預備階段腦電特征的快速識別，顯著提升了運動意圖腦電解碼效率。該研究提出的運動預備誘發(fā)腦電特征快速識別方法，可結合功能性電刺激（FES）應用于卒中患者康復訓練，有望提升皮質運動意圖與肌肉活動耦合的及時性，從而大幅提升康復效果;也可為航天員等特種人群在肢體束縛狀態(tài)下腦控“第三只手”進行高效的人-機交互提供技術支持。

（來源：中華人民共和國科學技術部http：//most.gov.cn2021-10-21）