利用协同自适应神经反馈最大化卒中后运动功能恢复

发布时间：2026-01-05作者：mcrespo来源：OpenBCI Community

我们在做什么？

我们首次在临床环境中验证 coAR.BCI（协同自适应康复脑机接口），评估该工具在卒中患者中的表现。这是一项合作项目，旨在解决将技术从实验室转化为临床实践的重大挑战。本项目是维多利亚·彼得森博士此前项目“基于运动想象的低成本BCI系统”的延续，其突出意义在于通过合作研究攻克技术临床化的难题。

coAR.BCI 是一款由应用计算神经工程实验室（NiCaLab, IMAL, UNL-CONICET）设计的低成本、协同自适应脑机接口，专为上肢运动康复而开发。其核心在于优化用户学习控制BCI的过程。参与者通过想象用患侧手进行抓握动作来操作接口，该动作随后用于控制视频游戏中的手部虚拟形象，目标是接住金币。

由NiCaLab的Victoria Peterson博士主导的培训现场。Fleni的物理治疗师、作业治疗师、神经科医生和生物工程师正在学习如何使用基于OpenBCI技术的CoAR.BCI。

NiCaLab设计的系统独特之处在于其专有的SBA算法（支持性后向自适应）。该算法整合了用户与机器的学习过程，允许脑电图数据在多次会话中自适应调整。这显著减少了每次会话重新训练的需求，使用户能更快熟悉BCI操作。

在健康参与者中获得的初步结果表明，随着使用进度，用户的自主性逐渐提升。通过本次合作，我们计划在阿根廷顶尖神经康复中心Fleni开展一项随机临床试验，招募12名亚急性缺血性卒中患者。

Fleni的专业人员在启动卒中患者研究方案前，使用OpenBCI技术进行实操演练。

OpenBCI技术如何应用？

我们使用OpenBCI技术在真实临床环境中记录脑部和肌肉信号：

EEG：采用 Cyton + Daisy Board（16通道）从双侧半球感觉运动区的15个位置记录脑电图。
EMG：采用 Ganglion Board（4通道）从腕伸肌群记录表面肌电图。

在先前实验中，NiCaLab团队开发了定制软件，可同步采集Cyton+Daisy和Ganglion板的数据，实现EEG与EMG信号的实时同步记录。

选择OpenBCI体现了我们对开放科学和可及性的承诺。通过在高要求的临床试验中使用低成本硬件，我们证明了即使资源有限的研究和临床中心也能开展高影响力的BCI研究。

此外，coAR.BCI软件基于开源平台 OpenBeta（https://github.com/NiCALab-IMAL/OpenBeta）开发，进一步回馈开源社区。

本项目为何重要？

本项目兼具临床与技术价值：

卒中康复创新：卒中是致残的主要原因。BCI在运动功能恢复方面潜力巨大，提升患者对接口的控制能力将为康复和自主生活开辟新途径。
算法进步（SBA）：SBA算法在人与机器协同自适应方面迈出重要一步，解决了BCI应用中的关键挑战——跨会话信号变异。健康参与者的初步结果已显示算法辅助需求减少，表明用户自主性随会话推进而增强。
透明神经反馈评估：本研究的核心假设是，透明神经反馈（清晰展示心理活动质量）能增强患者的自主意识，并加速其熟悉BCI操作。

OpenBCI的临床验证：本项目将为OpenBCI硬件在卒中康复临床环境中的有效性提供宝贵证据和出版物，拓展其纯工程应用之外的认知。

项目参与方有哪些？

本项目是阿根廷领先研究与康复机构间的坚实合作：

NiCALab

应用计算神经工程实验室（NiCALab）, IMAL, UNL-CONICET，位于阿根廷圣菲。

Dr. Victoria Peterson：项目负责人、首席研究员
Catalina M. Galván：博士研究生
Denise Nigro：硕士研究生
Solange Gualpa：本科生
Rubén Spies：合作研究员

Fleni (www.fleni.org.ar)

阿根廷及拉丁美洲领先的神经康复中心。

Marcos Crespo：生物工程师，康复工程负责人（Fleni主要联系人）
Christian Gath：物理治疗师，项目临床负责人
Vanina Lado：作业治疗师
Melania Ron：作业治疗师，部门主任
María Elisa Rivas：物理治疗师，部门主任
Micaela Hernández：医学博士，神经科医生

NiCALab资源与既往出版物（使用OpenBCI）：

NiCALab团队此前已验证并使用OpenBCI硬件，并分享了基于该设备生成的数据集：

coAR.BCI软件

Github仓库：https://github.com/NiCALab-IMAL/OpenBeta

可行性研究（2020年）：完整低成本消费级BCI系统的可行性研究（使用OpenBCI）

Reference: Peterson, V., Galván, C., Hernández, H., & Spies, R. (2020). A feasibility study of a complete low-cost consumer-grade brain-computer interface system. Heliyon, 6(3).
https://doi.org/10.1016/j.heliyon.2020.e03425

数据集（2022年）：基于低成本EEG硬件生成的运动意象 vs. 静息数据集

Reference: Peterson, V., Galván, C., Hernández, H., Saavedra, M. P., & Spies, R. (2022). A motor imagery vs. rest dataset with low-cost consumer grade EEG hardware. Data in Brief, 42, 108225.
doi: 10.1016/j.dib.2022.108225

算法进展（SBA）：基于最优传输的运动意象BCI及协同自适应系统研究（2021年 & 2025年）

Reference (2021): Peterson, V., Nieto, N., Wyser, D., Lambercy, O., Gassert, R., Milone, D. H., & Spies, R. D. (2021). Transfer learning based on optimal transport for motor imagery brain-computer interfaces…
DOI: 10.1109/TBME.2021.3105912
Reference (2025): Peterson, V., Spagnolo, V., Galván, M.C., Spies, R. D., & Milone, D. H. (2025). Towards subject-centered co-adaptive brain-computer interfaces based on backward optimal transport.
DOI: 10.1088/1741-2552/addb7a

主要联系人：

Marcos Crespo

Fleni康复工程负责人

邮箱：mcrespo@fleni.org.ar

领英：linkedin.com/in/mkcrespo

返回栏目