研究前沿：“腦成像”＋“運動捕捉”在助力運動康復中的應用
研究前沿：“腦成像”＋“運動捕捉”助力運動康復
背景介紹
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，只能靠經驗調整方案。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)化動作質量與協(xié)調性，減少代償性錯誤動作。
正是在這種核心需求下，功能性神經成像（如 EEG、fNIRS）與運動捕捉的結合，展現(xiàn)出獨特優(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。
那么，具體有哪些技術在結合腦成像和運動捕捉？它們的成熟度處于何種水平？這種結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 Skjæret-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，為理解腦體運動調控機制提供了全新視角。
研究背景與問題
傳統(tǒng)運動康復評估往往局限于單一維度：神經成像技術（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)的信號是如何結合的？
RQ4：這些評估或干預方法的結果是什么？
RQ5：針對未來的臨床應用，有哪些建議？
研究方法
遵循 PRISMA 指南，對功能性神經成像和運動捕捉結合用于運動康復的相關文獻進行綜述（圖2）。提取的內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。
研究結果
文獻篩選結果：
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，以基礎研究或轉化研究為主。
技術應用情況：
功能性神經成像：
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電位（MRCP）等神經信號；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)，有源電極使用最普遍，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）應用最廣泛（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。
解碼器訓練：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、評估和更新神經解碼器，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)研究將皮質變化與運動捕捉系統(tǒng)控制的運動游戲結合，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。
討論
該領域尚處于起步階段，主要集中在基礎研究或轉化研究，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�；� 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)。應更多關注皮質間和外周耦合，研究長程自上而下和自下而上的皮質 - 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第一步，但應全面探索多種附加模態(tài)的融合。
原文鏈接
Lorenz EA, Su X, Skjæret-Maroni N. A review of combined functional neuroimaging and motion capture for motor rehabilitation. J Neuroeng Rehabil. 2024 Jan 3;21(1):3. doi: 10.1186/s12984-023-01294-6. PMID: 38172799; PMCID: PMC10765727
DOI: 10.1186/s12984-023-01294-6
研究團隊介紹
該文章的作者為Emanuel A. Lorenz、Xiaomeng Su和Nina Skjæret-Maroni。其中，Emanuel A. Lorenz和Xiaomeng Su來自挪威科技大學計算機科學系，Nina Skjæret-Maroni來自挪威科技大學神經醫(yī)學與運動科學系。
關于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術有限公司成立于2006年，是一家專注于腦科學、康復工程、人因工程、心理學、體育科學等領域的科研解決方案供應商。公司與國內外多所大學、研究機構、企業(yè)長期保持合作關系，致力于將優(yōu)質的產品、先進的技術和服務帶給各個領域的科研工作者，為用戶提供有競爭力的方案和服務，協(xié)助用戶的科研工作，持續(xù)提升使用體驗。
相關產品
背景介紹
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，只能靠經驗調整方案。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)化動作質量與協(xié)調性，減少代償性錯誤動作。
正是在這種核心需求下，功能性神經成像（如 EEG、fNIRS）與運動捕捉的結合，展現(xiàn)出獨特優(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
Artinis便攜式近紅外設備
那么，具體有哪些技術在結合腦成像和運動捕捉？它們的成熟度處于何種水平？這種結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 Skjæret-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，為理解腦體運動調控機制提供了全新視角。
圖1. 文章信息
研究背景與問題
傳統(tǒng)運動康復評估往往局限于單一維度：神經成像技術（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)的信號是如何結合的？
RQ4：這些評估或干預方法的結果是什么？
RQ5：針對未來的臨床應用，有哪些建議？
研究方法
遵循 PRISMA 指南，對功能性神經成像和運動捕捉結合用于運動康復的相關文獻進行綜述（圖2）。提取的內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。
圖2. 文獻篩選流程圖
研究結果
文獻篩選結果：
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電位（MRCP）等神經信號；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)，有源電極使用最普遍，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）應用最廣泛（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。
解碼器訓練：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、評估和更新神經解碼器，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)研究將皮質變化與運動捕捉系統(tǒng)控制的運動游戲結合，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。
討論
該領域尚處于起步階段，主要集中在基礎研究或轉化研究，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�；� 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)。應更多關注皮質間和外周耦合，研究長程自上而下和自下而上的皮質 - 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第一步，但應全面探索多種附加模態(tài)的融合。
原文鏈接
Lorenz EA, Su X, Skjæret-Maroni N. A review of combined functional neuroimaging and motion capture for motor rehabilitation. J Neuroeng Rehabil. 2024 Jan 3;21(1):3. doi: 10.1186/s12984-023-01294-6. PMID: 38172799; PMCID: PMC10765727
DOI: 10.1186/s12984-023-01294-6
研究團隊介紹
該文章的作者為Emanuel A. Lorenz、Xiaomeng Su和Nina Skjæret-Maroni。其中，Emanuel A. Lorenz和Xiaomeng Su來自挪威科技大學計算機科學系，Nina Skjæret-Maroni來自挪威科技大學神經醫(yī)學與運動科學系。
關于維拓啟創(chuàng)
維拓啟創(chuàng)（北京）信息技術有限公司成立于2006年，是一家專注于腦科學、康復工程、人因工程、心理學、體育科學等領域的科研解決方案供應商。公司與國內外多所大學、研究機構、企業(yè)長期保持合作關系，致力于將優(yōu)質的產品、先進的技術和服務帶給各個領域的科研工作者，為用戶提供有競爭力的方案和服務，協(xié)助用戶的科研工作，持續(xù)提升使用體驗。
相關產品
Copyright(C) 1998-2026 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com