天津医科大学

该研究发布了来自24名卒中患者的多范式纵向EEG数据集，涵盖新颖的“第六指”运动想象与患手运动想象范式。研究指出，单一运动想象范式与相关EEG数据集的缺乏可能限制卒中康复中的准确解读与有效应用；该数据集覆盖训练前、训练后与随访的完整纵向康复阶段，包含原始EEG数据、预处理数据与患者临床信息。初步分析使用CSP+SVM与CSP+LDA等经典机器学习算法，两种范式间的平均分类准确率保持在约85%-86%。作者预期，该数据集将促进MI-BCI范式与卒中神经可塑性研究，并有助于开发高效的卒中康复脑机接口系统。

该研究评估整合运动想象（MI）与稳态视觉诱发电位（SSVEP）、并带机器人手套反馈的混合脑机接口用于卒中患者上肢运动康复的可行性。32名卒中患者分为常规治疗对照组与接受10或20天周期BCI干预的实验组，以Fugl-Meyer评分、EEG分类准确率、偏侧系数与加权脑连接分析等为结局指标。结果显示实验组Fugl-Meyer评分较对照组有可观改善，BCI系统达到满意的EEG分类准确率（最高98.08%）与稳健运行；长期训练后观察到EEG准确率上升、偏侧系数趋于正常及任务相关脑连接增强。作者认为，该混合BCI系统有望克服传统疗法与单一模态BCI的局限，为神经康复提供更具参与性与适应性的方案。