Scientific Data | 空军特色医学中心叶超群团队发布增强膝痛患者下肢运动想象EEG数据集分类研究

膝关节骨关节炎（KOA）作为一种常见的慢性疾病，导致长期关节疼痛和运动功能障碍已严重影响患者生活质量。尽管物理治疗和运动疗法可以缓解症状，但对于许多患者来说，疼痛依然长期存在，成为功能恢复的主要障碍。近年来，脑机接口（BCI）作为一种创新的康复技术，通过解码脑电图（EEG）信号，帮助患者在不依赖外部运动神经的情况下，直接控制外部设备进行康复训练。在这些技术中，基于运动想象脑机接口（MI-BCI）的应用成为脑科学和康复医学的研究热点，尤其在慢性疼痛患者中的潜力尚未得到充分开发。

空军特色医学中心康复医学科研究团队通过采集30名膝关节疼痛患者的脑电数据填补了这一空白。数据涵盖每个患者5个独立的session，每个session执行100次左腿和右腿的屈伸运动想象任务，共计生成15000次EEG试次。通过分析这些数据，合作单位西安交通大学生物医学工程研究团队提出了一种名为OTFWRGD（Optimal Time-Frequency Window in Riemannian Geometric Distance Classifier）的新型算法，成功提高了分类准确性，超越了传统的机器学习和深度学习方法。

方法

本研究招募30名膝痛患者（18男/12女，平均年龄33.5岁），平均疼痛持续时间7.7个月，疼痛程度4.1分，其中56.7%的患者诊断为退行性损伤，20.0%为过度使用相关损伤，13.3%为创伤相关损伤，10%为不明原因损伤。研究经空军特色医学中心伦理委员会批准，所有患者签署知情同意书。

实验任务采用了下肢腿屈伸运动想象任务，要求参与者通过想象下肢运动激活大脑相关区域。实验分为左腿和右腿两类运动任务，每个任务中，参与者需要想象相应腿部的屈伸运动。整个实验包含5个独立的session，每个session中，患者进行100次随机左/右腿运动想象任务，分为两组，每组50次，每组之间休息1分钟。每次实验的总时长大约为20分钟，包括准备、任务执行和休息时间。

图1 运动想象实验场景流程图。（a）准备；（b）任务执行；（c）休息

每个session开始时，屏幕上会显示一个提示图标（如白色和红色的小球），参与者需要集中注意力准备执行运动想象任务。当屏幕上显示“左腿”或“右腿”图标时，参与者根据提示想象相应腿部的屈伸运动。每个任务的持续时间为10秒，包括2秒的准备时间、4秒的运动想象时间和4秒的休息时间。

图2 实验范式

实验在安静且宽敞的房间内进行，确保外部噪音不干扰实验的进行。所有参与者佩戴无线32通道EEG采集系统（ZhenTec NT1）记录EEG信号。EEG帽上配有32个Ag/AgCl半干电极，采用10-10系统布局，保证信号的高质量采集。在数据预处理过程中，首先对原始EEG信号进行带通滤波（0.5-80Hz），去除电源噪声。然后使用50Hz陷波滤波器去除电源线噪声。所有EEG信号会通过EEGLAB工具箱进行进一步处理，具体步骤包括去除伪迹、数据分段、去除不合格试次（如电极接触不良导致的异常数据）。数据分段时，从每次运动想象任务的2秒至6秒提取EEG片段，确保数据的完整性和准确性。

数据记录

该数据已经通过Figshare公开发布，严格执行脑成像数据结构标准（Brain Imaging Data Structure, BIDS）。其数据架构如下图所示：

图3 数据集架构

性能验证

通过对EEG信号的时频分析、事件相关去同步（ERD）和同步（ERS）模式的定量分析，研究者发现，膝关节疼痛患者在运动想象任务中出现了显著的脑电活动变化，表明MI训练对大脑可塑性具有潜在的促进作用。这一发现为BCI技术在疼痛康复中的应用前景提供了重要的神经机制依据。

图4 左腿和右腿运动想象任务中C3和C4通道ERD/ERS结果

分类表现

在传统的脑电图解码算法中，CSP+LDA、FBCSP+SVM和 EEGNet模型分别实现了51.43%、55.71%和76.21%的准确率，而研究团队提出的OTFWRGD算法则突破性地达到了86.41%的平均准确率，如图5-6所示。该研究结果表明，OTFWRGD算法能够有效地解决下肢MI任务分类的挑战，尤其是在膝关节疼痛患者的应用中展现出更强的分类能力和更高的稳定性。这一进展不仅为运动想象BCI系统的实际应用提供了技术支持，也为下一步的临床康复方案优化打下了坚实基础。

图5不同模型对30名患者的平均分类准确率比较

这项研究不仅展示了OTFWRGD算法在膝关节疼痛患者中的优越性，还进一步验证了运动想象脑机接口在康复医学中的应用前景，BCI技术有望成为未来下肢康复的有效辅助工具，特别是对慢性疼痛患者的治疗具有重要意义。随着数据集的扩展和算法的优化，预计BCI将进一步推进个性化治疗，改善患者的生活质量。未来的研究应关注如何结合BCI与其他康复手段，如虚拟现实（VR）或功能性电刺激（FES），以提高治疗效果。

图6 所有名患者在4种分类模型中的平均准确率

仅用于学术分享，若侵权请留言，即时删侵！

欢迎加入脑机接口AI星球

获取更多脑机接口+AI等领域的知识和资源。

欢迎来稿

1.欢迎来稿。投稿咨询，请联系微信：RoseBCI

点击投稿：

2.加入社区成为兼职创作者，请联系微信：RoseBCI

一键三连「分享」、「点赞」和「在看」

不错过每一条脑机前沿进展