该论文发表于《Scientific Data》（中科院二区，影响因子5.8），论文题目为《Lower limb motor imagery EEG dataset based on the multi-paradigm and longitudinal-training of stroke patients》。来自天津大学的刘源副教授担任该文的第一作者及通讯作者。天津大学的明东教授以及天津市环湖医院的巫嘉陵教授亦为通讯作者。

论文链接：https://www.nature.com/articles/s41597-025-04618-4

论文概要

运动功能障碍是脑卒中的显著后遗症之一，其中下肢功能障碍尤为关键。基于脑机接口（BCI）的运动想象（MI）技术通过激活大脑运动相关区域，为脑卒中患者的康复带来了希望。然而，要开发出强大的 BCI-MI 系统，并利用该系统揭示中风恢复过程中神经可塑性的潜在机制，需要大规模的数据集支持。这些数据集对于准确诊断中风患者的下肢 MI 以及反映康复过程的纵向数据具有重要意义。本研究通过收集 27 例脑卒中患者的 EEG 数据，涵盖了两种增强范式和三个不同时间点，填补了这一研究空白。数据集包含原始 EEG 信号、预处理数据以及患者信息。经 CSP-SVM 初步分析，平均分类准确率达 80.50%。预计该数据集将推动对中风患者脑神经可塑性的研究，助力开发针对下肢中风的解码算法，并为构建全面的中风康复系统奠定基础。

研究背景

中风是全球致残率极高的疾病，每年新增病例超 1220 万，其中下肢运动功能障碍是患者最迫切的康复需求之一。基于脑机接口（BCI）的运动想象（MI）技术在神经康复领域展现出巨大潜力，但其康复效果高度依赖解码精度。目前公开的 MI 数据集多基于健康受试者，而中风患者的大脑激活模式更弱且复杂，直接应用难度较大。此外，下肢 MI 的解码更具挑战性，因其对应脑区位于脑沟深处，信号较弱。

本研究旨在建立一个大规模的中风患者下肢 MI 数据集，以推动下肢 MI 解码算法的发展，深化对神经可塑性机制的理解，并支持临床 BCI 系统的优化。该数据集包含 27 例恢复期中风患者的 4260 次试验数据，涵盖传统 MI 和两种电刺激增强范式，是首个包含多增强范式和纵向数据的下肢 MI 数据集。

方法

1. 患者招募

研究招募了天津环湖医院的 27 名脑卒中患者，纳入标准为：经 CT/MRI 确诊的脑卒中患者，病程 1-12 个月，年龄 30-70 岁；生命体征稳定，认知和沟通能力正常。

2. 实验范式

数据集包含五个实验：初始评估的传统范式（Pre）、不变电刺激范式（IES）、步态相位编码的顺序电刺激范式（SES），以及后处理评估和后续评估的传统范式（Post 和 Follow）。每个实验包括步态 MI 和空闲状态任务，每位患者至少参加 3 个范式实验或 3 个纵向实验。

每次试验12秒。0-3s：固定十字（准备阶段），3-4s：任务提示（MI或空闲），4-9s：执行任务（MI阶段或空闲），9-12s：放松期。每个范式含40次MI和40次空闲试验（随机顺序），如图1所示。

图1 实验范式

3. 数据收集和预处理

使用 64 通道 Ag/AgCl 电极帽的 NeuSenW 放大器采集 EEG 数据，采样频率 1000 Hz。预处理步骤包括：信号降采样至 250 Hz，带通滤波（3-35 Hz）；使用共同平均参考值（CAR）；手动剔除运动伪影段；ICA 去噪（去除眼动 / 肌电伪影）；提取目标标签对应数据段。

预处理步骤

（1）信号降采样至250Hz，带通滤波（3-35Hz）。

（2）使用共同平均参考值（CAR）。

（3）手动剔除运动伪影段。

（4）ICA去噪（去除眼动/肌电伪影）。

（5）提取目标标签对应数据段。

结果分析

1、ERD/ERS分析

采用事件相关谱扰动（ERSP）方法对 MI 任务期间的脑电信号进行时频分析，图2和图3结果显示，在所有实验中，MI 任务在任务开始后不久就触发了感觉运动皮层的 α 和 β 带激活，而空闲任务期间未观察到明显激活。

图2 范式实验组和纵向实验组的平均ERD地形图

图3 范式实验组和纵向实验组Cz电极及其周围电极的平均时频图

2、分类准确率

将 5 秒 MI-EEG 数据分为 2.5 秒的窗口，使用共同空间模式（CSP）提取 MI 特征，然后使用 SVM 对特征向量进行分类。Pre、IES、SES、Post 和 Follow 实验的平均解码准确率如图4所示，分别为 78.92%、80.57%、82.41%、80.95% 和 80.52%。与其他研究相比，该数据集的分类准确率与其他数据集相当，验证了数据的有效性。

结论

本研究构建的下肢 MI 数据集，包含多增强范式和纵向数据，初步分析表明数据可基于 MI 任务分类，平均准确率与近期研究相当，能为中风患者神经可塑性研究、下肢解码算法开发和康复系统建立提供支持。

撰稿人：杨耀震

审稿人：潘家辉