脑电波配上外骨骼，这群年轻人为病患康复“换装备”

脑机接口，顾名思义，就是大脑和计算机之间的接口，指大脑与计算机的直接连接。曾有国外专家认为该计划可与人类基因组计划相媲美。

就是在这样一个前沿领域，北京理工大学青年学生取得了不小的成绩。在刚刚结束的中国国际大学生创新大赛（2023）决赛上，该校机械与车辆学院智能人机系统实验室团队带来的MARX项目以小组第二名的成绩获得金奖。

北理工机车学院2020级机械工程专业博士生王佳蓉是MARX的核心成员，此前一直在做脑机接口领域的研究。

在听了一场中国人民解放军总医院第一附属医院神经外科副主任赵明医师的分享后，她和同学们有了到医院看看的想法。

在这里，年轻的大学生看到了隐匿在康复中心的少数人。“他们每天早上准时来康复中心，一天要进行多项训练，每项训练都要1-2小时。”王佳蓉了解到，康复训练不仅枯燥无聊，而且容易进入瓶颈期，“刚开始时有效果，可到了后期效果不一定理想。有人练了一两年变化却微乎其微。但为了恢复，病人必须坚持。”

在调研过程中，同学们还发现绝大部分患者都做下肢训练，上肢训练器械却不多。经询问医生大家才知道，下肢粗壮关节大、运动模式较少，更便于使用机械训练。想要上肢训练则需要精细外骨骼设备，目前市场上此类设备并不多，少有的设备也仅限于单上肢。

团队研究课题在这时浮出水面。他们希望借助脑机接口技术，成产一款能够侧重双上肢的训练康复产品，让病人能像正常人一样进行上肢活动，完成日常生活的各种动作，并辅助他们进行上肢功能康复。

经过团队反复研究认为，想要研发出理想产品，需要探究出病患头皮脑电信号与肢体动作间的关系，并将相关规律应用到外骨骼产品中，辅助病人进行康复动作，达到训练的目的。

研究路径明确后，首要的就是收集相关脑信号数据。王佳蓉告诉记者，和正常人相比，病人脑信号更复杂，同时容易受到其他因素的影响，检测起来并不容易。“以中风为例，正常人是右脑控制左手，左脑控制右手，但中风患者，一侧损伤后，另一侧大脑可能会提供代偿性功能。”同时，病人由于肌肉紧张、肌肉痉挛、易疲劳、无法久坐等原因无法像健康被试一样进行长时间的脑电数据采集，全部测试下来需要近2小时，并不是所有人都能坚持。

团队成员在进行收集相关脑信号数据工作。受访者供图

与此同时，团队还需要解决新的课题：如何通过分析处理，在繁杂的数据中找到双上肢神经的表征，并从头皮脑电中解码运动意图。

为解决这一问题，王佳蓉和团队成员阅读了大量文献、和导师反复讨论、多次实验采集大量的脑电数据，又反复对比试验了不同类型的滤波技术和滤波流程，一点点检查每一段信号的波形，才最终从脑电波中提取出了与运动相关的电位MRCP。后续工作中，团队还顺利提取了脑电的另一重要特征ERD/S，这一特征初步解码了运动意图。

同时，在许多日夜的修改和尝试中，王佳蓉还打破了传统用在脑电中的深度学习思路，提出了一种神经生理学驱动的深度学习模型，最终为运动意图的解码性能带来了10%的提升。至此，针对病人脑信号控制肢体的认识，向前推进一大步。

在王佳蓉研究创新算法的同时，还有一批成员在进行着外骨骼控制方面的研究。“起初我在接到这样一份工作之时，也是一头雾水，不知如何下手。”北理工机车学院2019级机械工程专业博士生史浩男回忆。

如何在解码之后进一步从协同控制层面继续提升性能？他冥思苦想，查阅相关资料，最终确定了两个大方向。第一，是复杂的工作人来作，简单的事情机器做。第二，通过环境因素和历史信息对用户的意图做出预测。

经过反复尝试，他将人机协同中的协作方式加以凝练运用到脑机协同中，引入了连续脑机接口技术、基于合作博弈的自适应脑机协同控制技术，经过几个月的反复实验，最终在2023年的4月16日，控制轨迹在仿真中更加平滑顺畅，并在几天之后在实物的实验中，取得圆满成功。

手部外骨骼示意图。受访者供图

智能人机系统团队的学术带头人毕路拯教授是该项目的指导教师，他评价道“这个项目展现了令人振奋的前瞻性和社会责任感，在多项技术上取得了重大突破，未来有望为肢体功能老化的老年人和残障者带来生命的尊严与康复的希望”。

— End —

转载请注明来源

共青团新闻联播（ID：gqviewpoint）

记者/编辑 杨宝光 统筹 陈凤莉

中国青年报·中青在线出品