近日，南方科技大学生物医学工程系张明明副教授团队在非侵入式脑机接口领域取得研究进展，相关成果以“Aligning Temporal EEG Components: A Framework for Enhanced Motor Decoding”为题，发表于中国工程院旗舰主刊 Engineering。

脑机接口通过解析脑神经活动实现人脑与外部设备的信息交互，在运动功能辅助与神经康复等领域具备重要应用前景，基于脑电信号（EGG）的运动意图解码是非侵入式脑机接口的核心技术。但脑电信号中不同神经活动成分存在时间错位，容易造成神经响应特征模糊，长期限制运动意图解码性能。为解决这一难题，研究团队提出多成分时间对齐与重构框架，对各类神经活动成分独立进行时间校正与信号重构，显著增强神经成分的跨试次时间一致性，提升了运动意图解码精度。

图1 多成分神经活动时间对齐与重构框架

运动相关神经活动的时间变异性，是影响脑电信号分析与解码的重要因素。脑电信号（EEG）因其非侵入性和便捷性等优势，已成为脑机接口实现运动意图识别与外部设备控制的重要技术手段。然而，人体运动是一个涉及感觉信息处理、运动准备和运动执行等多个阶段的复杂神经过程，不同阶段的神经活动具有各自的时间特征，且其响应时刻在不同试次间存在波动。传统解码方法通常基于固定时间窗口提取和分析信号，难以充分适应不同神经活动成分的时间变化，可能导致关键神经特征被模糊或遗漏，制约运动意图解码性能的进一步提升。

从神经成分时间对齐到运动意图解码，探索脑电多成分信息融合新方法。研究团队借助残差迭代分解（Residue Iteration Decomposition, RIDE）方法，对运动相关脑电信号进行成分分解和时间校正，并在此基础上设计了完整时间序列重构和事件引导重构两种信息融合策略，形成用于深度学习模型运动意图解码的输入信号。与侧重神经响应成分分析的传统应用不同，该研究进一步关注时间校正后的多成分信息如何有效服务于运动意图解码，构建了从脑电成分分析到运动解码的完整处理流程。

实验证实，成分时间对齐能够有效增强运动相关神经响应特征。研究涵盖日常生活中常见的左手、右手单侧及双手协同等不同运动形式。结果表明，经过成分时间校正后，脑电信号的正、负事件相关电位峰值幅度分别提升约6倍和3倍，跨试次相位一致性提高约107%。这显示出成分时间对齐能够有效减轻神经响应时间变异性造成的特征模糊，提高不同试次间神经活动的时间一致性，为高精度运动意图识别提供更加清晰的神经信号表征。

进一步实验表明，多成分信息重构与融合能够有效提升运动意图解码性能。团队采用多种深度学习模型，对所构建框架的有效性进行了系统验证。结果显示，经过成分时间对齐与信息融合处理后，左手、右手及双手三种运动任务的解码准确率均显著优于直接使用原始脑电信号的结果。在单手任务中，该框架的解码性能与优化滑动时间窗口方法相当；在更具挑战性的双手运动任务中，其解码性能达到优化滑动时间窗口方法的约97.6%，同时降低了对穷举式时间窗口搜索的依赖，体现了该框架在运动意图解码中的应用潜力。

该研究阐明了运动不同阶段神经信息的互补作用，验证了成分时间对齐和重构策略在运动脑电解码中的有效性，也为后续拓展该框架在其他脑机接口任务上的应用奠定基础。

南方科技大学生物医学工程系副研究员陈义峰，硕士研究生张梦姣，北京工业大学副教授董明杰，英国曼彻斯特大学 Zhenhong Li 为论文共同第一作者；张明明为论文通讯作者。南方科技大学为论文第一单位。南方科技大学戴建生院士、香港浸会大学讲席教授周昌松等为本研究给予了关键指导和支持。本研究得到国家自然科学基金、国家重点研发计划以及广东省基础研究重大项目等资助。

论文链接：https://doi.org/10.1016/j.eng.2026.10.015

供稿：生物医学工程系

通讯员：肖然

编辑：曾昱雯