在慢性中风中,动作观察驱动的机器人手干预引起的脑振荡反映了运动状态和恢复

科学领域:

• 神经科学是一个神经科学.
• 康复医学 康复医学 康复医学
• 生物医学工程 生物医学工程

背景情况:

• 慢性中风中的手部康复具有挑战性,需要可靠的标记物来评估运动功能和治疗评估.
• 电脑电图 (EEG) 振荡被探索为运动状态和恢复的潜在指标.
• 动作观察驱动的大脑-计算机接口 (AO-BCI) 机器人疗法是中风康复的新方法.

研究的目的:

• 调查不同频段的脑电图振荡是否可以表明慢性中风患者在AO-BCI机器人治疗后的运动状态和恢复.
• 确定潜在的神经生理学生物标志物,以评估运动功能和治疗结果.

主要方法:

• 16名慢性中风患者接受了20次AO-BCI手部训练.
• 休息状态和任务阶段的EEG数据分别在观察非生物和生物运动期间记录.
• 用行动研究手臂测试 (ARAT) 和上肢Fugl-Meyer评估 (FMA) 来评估运动性能.

主要成果:

• 干预后观察到ARAT和FMA得分的显著改善 (p < 0.05).
• 康复良好的患者在训练后的德尔塔和β频段EEG功率中表现出显著的变化,与康复不佳的患者不同.
• 运动改善与任务EEG功率 (低β,高β) 和任务/休息EEG功率比率 (delta,低β,高β) 的变化有显著的相关性.

结论:

• 虽然整体EEG频段功率可能无法可靠地表明慢性中风中的运动状态,但ipsilesional delta和beta频段振荡变化显示出作为生物标志物的潜力.
• 这些EEG变化与有效的BCI干预中治疗诱导的运动功能的改善有关.
• 这些发现可能有助于理解大脑的可塑性,并评估慢性中风康复中的治疗和恢复.