近日，江苏省人工智能学会模式识别专委会委员、东南大学生物科学与医学工程学院儿童发展与学习科学教育部重点实验室王海贤教授课题组在基于脑电（EEG）信号的下肢运动想象解码研究中取得新成果。相关研究成果以“EEG-based classification of lower limb motor imagery with brain network analysis”为题在国际权威期刊《Neuroscience》上以封面论文形式发表（封面如图1所示）。
图1. 期刊封面
脑机接口(Brain-Computer Interface, BCI)通过解码大脑的神经活动来完成外部设备与大脑之间的直接通讯，基于运动想象(Motor Imagery, MI)的脑机接口可以在使用者进行运动想象的同时执行相应动作，在穿戴式外骨骼设备中具有广泛应用。然而，常规的MI-BCI是针对上肢的解码，对下肢的解码一直是研究中的难点。
该研究通过溯源，在获取源信号的基础上进行脑网络构建分析。通过时频分析提取与运动想象最为相关的两个频段：alpha和beta频段，分别构建62个感兴趣区的功能连接网络（感兴趣区如图1所示）。研究发现，在被试进行运动想象时，alpha和beta频段的平均功能网络连接均集中在初级体感皮层(PSC)、初级运动皮层(PMC)、补充运动区(SMA)，两个频段具有相似的激活模式，而beta频段的整体激活程度要高于alpha频段。
进一步发现，被试在执行左右脚运动想象时功能连接网络模式具有差异性（图2、图3），主要体现在位于感觉运动区域内部连接及该区域与其它运动区域的连接，几乎所有子网络横跨左右半球，其中个别被试也存在仅位于单侧半球的差异子网络。当采用8个图论指标进行分类时，所有参与者的平均准确率超过65%，最高达75%。
图2. alpha频段具有显著差异的被试的功能连接网络图。 第一行显示了5名参与者的PLV差异网络，第二行显示统计显著性差异网络。对每对ROI的连接强度进行了单边t检验并进行FDR校正。
图3. beta频段具有显著差异的被试的功能连接网络图。
该论文的第一作者顾凌云为就读于东南大学生物科学与医学工程院的博士生，该研究得到了国家自然科学基金（61773114）和江苏省重点研究开发计划（BE2017007-3）资助。
论文链接：
https://www.sciencedirect.com/science/article/pii/S0306452220302219
