课题组在《IEEE Transactions on Neural Systems and Rehabilitation Engineering》期刊（中科院2区，IF:4.9）发表最新文章《Performance of the Action Observation-Based Brain–Computer Interface in Stroke Patients and Gaze Metrics Analysis》。
随着老龄化进程加剧，脑卒中患者逐年增加。尽管在及时和规范的治疗后脑卒中患者的生命得以延续，但因其大脑受损常常伴随着运动功能障碍，给家庭和社会带来了巨大的负担。基于脑-机接口（brain computer interface, BCI）的运动训练通过解码受试者意图并匹配以运动、视觉等反馈实现主动康复，对促进神经可塑性诱导功能康复具有重要意义。但是由于患者的个体差异性巨大，如何将BCI应用在临床康复中仍是一项巨大的挑战。
本研究前期发现经过设计的动作观察（action observation, AO）能够同时诱发大脑视觉区稳态运动视觉诱发电位（steady state motion visual evoked potential, SSMVEP）和运动区运动感觉节律，这种独特的双脑区激活特性在脑卒中康复中具有很大的应用潜力。为此，本研究招募脑卒中患者进行基于AO的BCI性能测试，并尝试通过眼动指标分析个体差异性的原因。考虑到动作观察需要患者注视动作范式，而临床上约13%~81%的脑卒中患者会出现偏侧忽略，其特征为受损对侧肢体感知觉缺失，不注意到对侧视觉、听觉、触觉，伴空间定位等行为能力的异常。为此，本研究将脑卒中患者分为有偏侧忽略和无偏侧忽略两组展开研究。
图1 基于 AO的BCI 脑卒中患者测试现场
本研究共招募了10名无偏侧忽略脑卒中患者和10名有偏侧忽略的脑卒中患者进行实验。脑卒中患者基于删星星测试来判断是否有偏侧忽略。实验场景如图1所示，脑卒中患者位于屏幕和眼动仪前，患者根据屏幕中的提示进行AO范式注视想象运动与休息。另外，基于降帧频的方法设计了四种AO范式，是完成拿取桌面上的杯子并完成喝水任务的四个分解动作，包括握杯动作、伸手去拿桌面上杯子的动作、将杯子拿到嘴边的动作、腕旋动作，四个动作范式的帧频不同（分别为7.5Hz, 10Hz, 12Hz, 6.667Hz）。实验中同步采集了EEG信号和眼动数据，并基于任务判别成分分析（Task discriminative component analysis，TDCA）实时分析PO3, PO4, PO7, PO8, Pz, O1, O2 和 Oz通道的EEG信号并进行四种注视动作的辨识。
图2 基于 AO的BCI 在脑卒中患者大脑视觉区和运动区的EEG响应
结果表明：本研究设计的AO范式可以在脑卒中患者大脑视觉区诱发SSMVEP，且可以让患者在大脑运动区产生ERD，如图2所示，整体上来讲，无偏侧忽略患者的SSMVEP诱发强度和ERD强度均比有偏侧忽略患者的强。另外，在3s视觉刺激时长下无偏侧忽略患者的平均在线辨识准确率为67.75%，而有偏侧忽略患者的平均在线辨识准确率仅为35%。眼动指标表明，有偏侧忽略患者在3s视觉刺激时长下的总的注视时长仅为1.31 s ± 0.532 s，显著的低于无偏侧忽略患者的，表明有偏侧忽略患者可能由于无法集中注意力注视刺激范式导致较低的辨识性能。除此之外，计算了眼跳次数 (number of saccades, NoS)、眼跳的平均幅度(average amplitude of saccades, AoS)、眼跳的平均峰值速度(average peak velocity of saccades, PVoS)以及总的注视时长(total duration of fixations, DoF)，如图3所示。对于无偏侧忽略患者的眼动指标和辨识准确率进行回归分析，得到回归方程 Accracy = 0.32 + 0.000296×DoF + 0.1259×AoS - 0.00486×PVoS (R-Sq = 45.05%)，方差分析表明该回归是显著的（F = 9.84, p < 0.001），表明离线辨识准确率与DoF、AoS和PVoS是显著相关的，而有文献表明眼动指标AoS和PVoS与认知负荷相关。因此，认知负荷可能对该脑-机接口性能存在影响。
总的来讲，本研究首次将基于AO的BCI在脑卒中患者中进行性能测试，对比了有偏侧忽略和无偏侧忽略患者的性能差异，并基于眼动指标指出注视时长是导致有偏侧忽略患者辨识性能差的原因，而对于无偏侧忽略患者，注视时长和认知负荷带来了辨识的个体差异性。
图3 四种眼动指标结果
原文链接：
https://ieeexplore.ieee.org/document/10477389