神经反馈康复训练的反馈策略和控制方法研究

Post-stroke neural impairments may cause sensory deficit in survivors, and the sensory deficit could potentially block motor learning during rehabilitation. It is suggested that motor functions can be improved by compensating sensory deficit using neurofeedback, a technology of sensory augmentation. The motor learning under neurofeedback, however, has not been continuously monitored, therefore it is difficult to adjust therapeutic plans commensurate to learning processes. In previous work, we developed the technique of real-time neurofeedback using electromyography to improve the impaired motor functions after short-term training. The next key question is how to create an adaptive control policy compatible with the rate of motor learning in stroke survivors, which will provide individualized and intelligent rehabilitation. In this project, we will: 1) study whether the awareness of muscle activation can be augmented in stroke survivors, which requires converting surface electromyography using stochastic differential equation to mechanical vibration on human body; 2) characterize the difference in noise level between normal and abnormal muscles, so as to locate target muscles for neurofeedback; 3) study the adaptive control policy and physiological mechanism of neurofeedback by monitoring the motor learning process. Motor learning under neurofeedback will be evaluated using kinesiology benchmarks including “speed-accuracy tradeoff”. This study will provide new approaches for stroke rehabilitation, technologies that are easy to translate into clinical practice, and new data for theories of post-stroke motor learning.

卒中造成的神经损伤会引起患者感觉障碍，进而阻断康复阶段的运动再学习。以人工神经反馈的手段弥补感觉障碍已证明可改善患者的运动功能。但由于尚未建立神经反馈下对运动学习的持续观测，使康复方案无法根据学习进程灵活调整。我们前期建立了一套基于肌电的实时神经反馈技术能较好改善患者即期运动功能。其下一步关键科学问题是根据卒中患者运动学习的速率建立自适应动态反馈方案，实现卒中个性化智能康复。本课题将：1）研究能否增强卒中患者运动学习中的肌肉感知，开发以随机微分方程模型将肌电实时转为体表震动的技术；2）确定神经反馈的肌肉靶点，捕捉受损肌肉与正常肌肉的噪声水平差异；3）研究神经反馈下卒中患者的运动学习，基于运动学习速率调整神经反馈增益。神经反馈下的运动学习将以人体运动学中“速度—精确度置换率”等指标进行客观评定。本课题的结果将为卒中康复训练提供新途径，可迅速转化至康复临床，并对卒中后运动学习理论提供新证据。

卒中造成的神经损伤会引起患者感觉障碍，进而阻断康复阶段的运动再学习。以人工神经反馈的手段弥补感觉障碍已证明可改善患者的运动功能。本课题发展了利用表面肌电信号形成的“神经反馈康复技术”，实时将患者的肌肉活动转化为易于理解的反馈信号。并着重研究了卒中患者在接收到神经反馈信号时，其风险感知、运动轨迹、肌群协同、速度—精确度置换率等指标受到何种影响。..在本项研究中，发现将“任务导向型”训练中不易被患者察觉的任务表现转换成声、光、电、体表震动等物理形式，可以改变患者的任务表现。特别地，在参数选取合适的情况下，神经反馈可以提高患者的即期运动功能，因而具备了在长期训练后提供持久治疗功效的可能性。关键技术细节已申报国家发明专利。本课题发现了脑卒中后上肢运动功能障碍的若干规律，具体体现为卒中患者的“速度—精确度”置换回归线的斜率显著大于对照组，其风险感知模式更加偏重保守策略。基于这些发现，未来可以算法化的方式，优化任务导向型康复训练的方案设计。..通过项目执行期间建立的合作，发现在结合了功能性电刺激（Functional Electrical Stimulation, FES）后，更能对卒中患者的肌肉异常活动的调制管控效用，因而也更有利于纠正其错误运动模式。因此本课题执行期间，还基于表面肌电信号的神经反馈技术与FES技术相结合，探索了“感觉增强—运动调控”相结合的康复范式。在神经反馈与 FES的结合中，一再发现脑卒中康复设备智能控制的共性问题是“高速仿生控制”，因此本课题执行期间还对上肢肌肉骨骼的仿生神经拟态模型进行了拓展。由此形成的神经拟态芯片技术作为核心技术参加了康复工程方向多项国家级重点课题。..总体而言，本项目按照申报书和任务书要求，发展了基于表面肌电的脑卒中神经反馈技术，研究了与其相关的脑卒中后上肢运动异常模式的康复规律，获得IEEE EMBC 2018等国际会议邀请口头报告，获得了一定的学术影响。本研究为下一步康复设备的智能控制建立了技术基础，并为其大规模多中心随机双盲对照临床验证做好了准备。