研究案例
CASES
自上次更新已过去三个月，期间取得了许多进展。我参加了伦敦国际青年科学论坛，从200名参与者中脱颖而出，成为13名代表之一，向500名与会者展示了我的项目。此外，我还参加了欧盟青年科学家竞赛（EUCYS），获得了大量反馈和新思路！我还成功演示了项目的早期原型，仅通过检测阿尔法活动就能控制我搭建的机械臂的启停——这展示了“思维到运动”的初步实现。目前，我已开始在自己身上进行试验，正处于从测量的脑电图数据中检测准备电位的阶段。我通过在手臂上放置3个IMU和在肱二头肌上放置EMG电极来识别运动起始点。借助MATLAB中的独立成分分析、FIR滤波器、陷波带通滤波和Z-score归一化等方法，我即将取得重大突破：识别准备电位，并利用我的Transformer模型进行区分。达成这一里程碑后，我将启动下一阶段：使用聚焦超声刺激和电肌肉刺激在一个统一的系统中（此举属全球首次）重新激活肌肉，该系统称为“脑生理接口”（BPI）。项目理念如下图所示：
因此，仍有大量工作待完成，但我正逐步接近每个里程碑！我还向拉丁美洲最大的预科阶段科学竞赛Mostratec提交了研究论文，并正在为此做准备。报告可在此链接查看：此外，除了学术工作，我还多次出现在丹麦媒体上，包括：丹麦最大报纸的头版、国家电视台最大节目的直播（两次）、潜在投资者的联系、国家广播电台的采访（三次）、项目在丹麦媒体广泛传播，以及丹麦最大科学新闻媒体的主要报道。我还向100名帕金森病患者展示了我的项目，事后我的讲解能力获得了高度赞扬（他们真正理解了我项目的所有内容！！）。
总之，我一直在忙很多事情——但我仍然非常渴望让这个项目成功，我相信离实现目标仅两步之遥！下次更新前，祝一切顺利！
自最初发布以来，项目取得了重大飞跃，并达成一个重要里程碑：我为2025年欧盟青年科学家竞赛提交了书面报告、附录和讲解视频。您可以在下方找到所有三个文件及一个2分钟易于理解的视频演示：
Tobias Bendix Nielsen Appendix EUCYS2025
Summary Tobias Bendix Nielsen EUCYS
From Thought to Movement Written Text Tobias Bendix Nielsen EUCYS25
讲解视频（Youtube）：Tobias EUCYS2025 video
大家好！我是Tobias，一名来自丹麦的学生研究员，目前正处于高中和大学之间的间隔年。我创建了一个名为“从思维到运动”的项目，这是一个个性化的辅助神经技术，旨在帮助我在36岁时被诊断出患有帕金森病的父亲以及其他受类似运动障碍影响的人。
项目背后的理念很简单：当我们意图运动时，大脑会发出独特的模式，如Bereitschaftspotential (BP)和Event-Related Desynchronization (ERD)，这些信号在实际运动执行前即可在脑电图中检测到。这些信号代表了运动意图。关键点在于：在帕金森病中，运动意图本身依然完整，但大脑内部的中继系统（尤其是基底节）无法将信息传递到肌肉。
我的系统通过脑电图捕获这些完整的意图信号，并将其输入一个基于多模态Transformer架构的人工智能模型（该模型使用脑电图、肌电图和惯性测量单元数据训练，同时捕捉脑信号、肌肉活动和运动学数据）。该模型学习识别特定运动背后的模式，并实时预测意图。
为验证概念，我搭建了一个由Arduino驱动的6轴机械臂。当我思考一个运动时，系统从我的脑电图中检测到意图，通过训练好的AI模型处理，并向Arduino输出一个4位二进制代码。每个代码对应一个特定的机械臂动作。例如：思考抬起手臂可能会产生如0001的预测，触发机械臂抬起前臂。目标？让思维转化为行动。
下一步是彻底取代机械执行器。不再是移动机器人，而是基于脑信号直接刺激真实肌肉，绕过受损的神经系统。目前我正在探索一种结合电肌肉刺激(Electrical Muscle Stimulation)与聚焦超声刺激(Focused Ultrasound Stimulation)的混合执行器解决方案。聚焦超声刺激通过Piezo1和TRPV4通道增加肌肉膜的通透性，有效“预备”肌肉，而电肌肉刺激则引发收缩。AI模型将由此控制真实肌肉而非伺服电机，实现从意图到激活的运动功能恢复。
我使用OpenBCI硬件(Cyton board, EEG脑电帽)和自建的脑电图系统完成了本项目。期待分享更多信息，并欢迎交流技术、临床或概念上的想法、反馈或合作意向！
在项目早期阶段，我受Ronan Byrne的硕士论文(见: Byrne’s Github)启发，搭建了自己的脑电图电路。我修改了设计，以支持在运动皮层上方的C3、C4和Cz区域放置三个主动电极，这些区域最易检测到运动意图的脑电图信号。
虽然这个自建系统作为概念验证可行，但存在局限：信号质量噪声大，电极定位不一致。我最初使用普通的泳帽固定电极，这常导致信号伪影和电极漂移。
这些问题通过OpenBCI的Cyton生物传感板(8通道)和预组装的Ultracortex “Mark IV” 电极帽得以解决。高质量硬件与精确电极定位的结合，显著提升了信号的清晰度、稳定性和可重复性。
作为首次真实测试，我成功开发了一个基于Python的流程，使用Cyton板实时检测阿尔法活动(>10 μV2/Hz)。当阿尔法功率超过阈值（例如当我闭上眼睛时），信号通过串口发送到Teensy 4.1微控制器，从而点亮一个红色LED。该系统整合了BrainFlow(Python)、实时频带功率分析和Arduino控制。
未来，所有用于训练和测试我的Transformer模型的实时脑电图数据，都将使用Cyton和Ultracortex系统采集。OpenBCI不仅提升了我测量的技术质量，也使项目更具可扩展性、模块化和临床相关性。
本项目通过引入一种全新的辅助神经技术方法——利用AI解码大脑信号中保留的运动意图，绕过受损的神经通路，有望重新定义运动控制。
“From Thought to Movement”不将运动障碍视为不可逆转的终点，而是将其重新定义为信号路由的挑战，这一挑战可以通过识别和解读大脑原始意图的先进机器学习来克服。
我还探索了几个未来方向：
“From Movement to Thought”：一种反向解码架构，旨在基于物理行动和生物信号重建内部认知状态或意图。
“Field-Guided Neuronal Alignment”：一种通过磁场引导神经信号方向以增强非侵入性脑电图的新理论框架，可能提高可穿戴系统的信噪比。
“FUS/EMS Integration”：结合聚焦超声刺激与电肌肉刺激，基于解码的神经意图直接激活肌肉，为运动障碍患者完全绕过神经系统。
这些创新共同目标不仅是恢复丧失的功能，更是构建大脑与身体之间全新的、适应性强的接口。
Tobias Bendix Nielsen（我自己！）：我是“从思维到运动”项目的唯一开发者。我独立设计并实现了系统的所有核心组件：从搭建脑电图硬件、编写AI模型代码，到集成Arduino/Teensy控制的机械臂和实时生物信号流程。
虽然项目独立开发，但我获得了多位贡献者的宝贵支持和反馈：
我以前的物理老师在早期原型阶段发挥了关键作用，协助构建6轴机械臂并提供硬件设计的持续反馈。
电气工程、生物医学工程和神经调控领域的专家和教授提供了学术交流，就脑电图信号采集、实时AI部署和临床相关性等主题提出了建设性意见。
OpenBCI的Cyton 8通道生物传感板和Ultracortex EEG电极帽，使信号质量和实验可重复性实现了质的飞跃。
欢迎通过以下平台联系我或关注项目进展：
GitHub（完整源代码）：From Thought to Movement
邮箱：tobiasbn05@gmail.com
丹麦媒体报道：
TV2 Go' Morgen Danmark
TV2 Østjylland – Tobias hopes his invention can help his sick father
TV2 Østjylland – “I think my pulse hit 130”
TV2 News（两次）、TV2 Echo、TV2、Ude og Hjemme（简报）和Politiken（简报）
Videnskab.dk：His dad is slowly degenerated by horrible disease – Tobias has now developed a special invention to help
Ude og Hjemme（面向“非科学”人群，通常是老年人的报纸）：Tobias is a huge researcher talent “I just want to help my father”
Ekstrabladet（最大的小报媒体，借用了Videnskab.dk的文章）：20-year old inventor build an exoskeleton to his father with Parkinson’s disease
竞赛与认可：
扫码获取报价