近日，我校醫(yī)學(xué)工程學(xué)院于毅教授、高智賢副教授團(tuán)隊(duì)在國(guó)際神經(jīng)工程和康復(fù)醫(yī)學(xué)領(lǐng)域著名期刊Journal of NeuroEngineering and Rehabilitation在線發(fā)表了題為“Classification of left and right-hand motor imagery in acute stroke patients using EEG microstate”的研究成果。我校碩士研究生呂世揚(yáng)和冉湘瑩為該論文的共同第一作者，高智賢副教授和于毅教授為共同通訊作者，我校為第一作者單位和通訊作者單位。該研究受到河南省高?？萍紕?chuàng)新團(tuán)隊(duì)、河南省重大科技專項(xiàng)等項(xiàng)目資助。

本研究深入探究了急性中風(fēng)患者左右手運(yùn)動(dòng)想象（MI）的腦電（EEG）微狀態(tài)特征差異，助力優(yōu)化腦機(jī)接口（BCI）系統(tǒng)以提升中風(fēng)康復(fù)效果。研究對(duì)急性中風(fēng)患者在左右手MI任務(wù)中記錄的EEG數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)微狀態(tài)A和C的時(shí)間特征存在顯著差異，且微狀態(tài)B→A、D→A和D→C之間的轉(zhuǎn)換概率也存在顯著不同。基于這些特征構(gòu)建的分類模型中，KNN算法準(zhǔn)確率最高，達(dá)75.00%，F(xiàn)isher分析表明微狀態(tài)C的出現(xiàn)頻率是關(guān)鍵區(qū)分特征。這些發(fā)現(xiàn)不僅反映了大腦網(wǎng)絡(luò)重組的側(cè)化機(jī)制，更為中風(fēng)后大腦功能評(píng)估和BCI系統(tǒng)優(yōu)化提供了重要依據(jù)，有望推動(dòng)急性中風(fēng)康復(fù)的適應(yīng)性BCI策略開發(fā)。

據(jù)悉，Journal of NeuroEngineering and Rehabilitation是一本由Springer Nature出版商出版的神經(jīng)工程和康復(fù)醫(yī)學(xué)領(lǐng)域刊物，中國(guó)科學(xué)院分區(qū)為一區(qū)TOP期刊，最新影響因子為5.2，五年平均影響因子為6。