DOI: https://doi.org/10.1038/s41598-026-36431-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41582168
تاريخ النشر: 2026-01-25
المؤلف: Malik Muhammad Naeem Mannan وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تناقش هذه الفقرة إمكانية واجهات الدماغ-الكمبيوتر (BCIs) في الوقت الحقيقي التي تقوم بفك تشفير تخطيط الدماغ الكهربائي (EEG) أثناء تخيل الحركة (MI) كأدوات فعالة لإعادة التأهيل بعد إصابة الأعصاب. إن دمج الواقع الافتراضي الغامر (VR) مع BCIs يوفر تغذية راجعة بصرية وسمعية تتماشى مع تخيل الحركة للمستخدم، مما يسهل العلاجات الموجهة نحو المهام. تركز الدراسة على آثار التدريب الطويل الأمد على تعديل الأعصاب الحسية الحركية، حيث يتم فحص الأفراد غير المتأثرين وأولئك الذين يعانون من إصابة كاملة في الحبل الشوكي (SCI) أثناء مهام تخيل الحركة في الأطراف السفلية.
شملت الأبحاث عدة جلسات تدريب حيث أظهر خمسة مشاركين غير متأثرين تحسنًا في السيطرة على تخطيط الدماغ الكهربائي الخاص بهم أثناء مهام المشي الافتراضي، وهو ما يتوافق مع تحسين دقة تصنيف BCIs. وبالمثل، أظهر أربعة أفراد يعانون من SCI مزيدًا من التحسينات أثناء استخدام النظام في سياقات إعادة التأهيل في العالم الحقيقي. تشير هذه النتائج إلى أن كل من الأفراد غير المتأثرين والمتأثرين بـ SCI يمكنهم تعلم تعديل تخطيط الدماغ الكهربائي الحسي الحركي الخاص بهم من خلال تدريب BCI المدعوم بالواقع الافتراضي، مما يشير إلى آثار كبيرة على علاجات إعادة التأهيل المستقبلية التي تستفيد من هذه التكنولوجيا.
مقدمة
تناقش مقدمة ورقة البحث وظائف وتطبيقات واجهات الدماغ-الكمبيوتر (BCIs)، التي تقوم بترجمة الإشارات العصبية، مثل تخطيط الدماغ الكهربائي (EEGs)، إلى أوامر دون الحاجة إلى الحبل الشوكي أو الجهاز العصبي المحيطي. أحد الجوانب الرئيسية لـ BCIs هو تخيل الحركة (MI)، حيث يتخيل الأفراد المهام الحركية، مما يمكنهم من تنفيذ هذه المهام في بيئات حقيقية أو افتراضية. تسلط الورقة الضوء على وعد BCIs في تعزيز إعادة التأهيل الحسي الحركي للأفراد الذين يتعافون من السكتة الدماغية وإصابة الحبل الشوكي (SCI).
ومع ذلك، فإن فعالية BCIs أثناء إعادة التأهيل مقيدة بقدرة المستخدم على توليد أنماط EEG لتخيل الحركة بشكل متكرر. في الأفراد الذين يعانون من SCI، تؤدي عوامل مثل إعادة تنظيم القشرة وقطع الاتصال الحسي الحركي إلى تقليل القدرة على تمثيلات الحركة المتعلمة، على عكس مرضى السكتة الدماغية، الذين قد يحتفظون ببعض التمثيلات الذهنية. بينما تشير الأبحاث السابقة إلى أن الأفراد يمكنهم تحسين دقتهم في المهام التي يتم التحكم فيها بواسطة BCI، فإن هذه الدراسات عادة ما تشمل جلسات تدريب محدودة، مما يثير القلق من أن أي تحسينات تم ملاحظتها قد تكون مؤقتة.
الطرق
في هذه الدراسة، تم تجنيد سبعة مشاركين غير متأثرين من مستخدمي اليد اليمنى (5 ذكور، 2 إناث، تتراوح أعمارهم بين 24-40 عامًا) لتقييم نظام واجهة الدماغ-الكمبيوتر (BCI) باستخدام مهام تخيل الحركة (MI). تم فحص المشاركين بحثًا عن اضطرابات عصبية وعضلية هيكلية، لضمان عدم وجود حالات قد تؤثر على أداء المهام. ارتدى كل مشارك سماعة رأس EEG من Ultracortex Mark IV وسماعة رأس VR من Oculus Rift S خلال التجارب، التي تضمنت مهمتين لتخيل الحركة: الاسترخاء والمشي. تضمنت الجلسات التجريبية مرحلة معايرة غير متصلة تلتها عمليتان عبر الإنترنت – BCI عبر الإنترنت مع إشارات وBCI ذاتية السرعة – كل منها استمرت حوالي ساعة.
تم تنفيذ نظام BCI ضمن نظام التشغيل الروبوتي (ROS) لجمع ومعالجة بيانات EEG في الوقت الحقيقي. تم تسجيل إشارات EEG بمعدل 125 هرتز باستخدام 16 إلكترود جاف تم وضعها وفقًا لنظام 10-20، تغطي المناطق الحركية الرئيسية. تم استخدام طريقة النمط المكاني المشترك (CSP) لاستخراج الميزات، وتم تدريب مصنف تحليل التمييز الخطي (LDA) على بيانات المعايرة الخاصة بالجلسة لفك تشفير نوايا المشاركين. تضمنت مقاييس الأداء دقة التصنيف، وعدد الخطوات المقطوعة أثناء المشي في الواقع الافتراضي الذي يتحكم فيه BCI، والقدرة على إنتاج إشارات EEG مميزة لكل مهمة تخيل حركة. كانت الدراسة تهدف إلى تقييم تقدم تعلم المشاركين عبر 15 جلسة تدريب، مع التركيز على قدرتهم على التحكم في BCI بشكل فعال.
النتائج
يقدم قسم “النتائج” في ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. يوضح النتائج التي توصلت إليها الدراسة، مع تسليط الضوء على نقاط البيانات والاتجاهات المهمة التي لوحظت خلال التحقيق. عادة ما تكون النتائج مصحوبة بتحليلات إحصائية ذات صلة، بما في ذلك قيم p، وفترات الثقة، أو أحجام التأثير، التي تدعم صحة النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم تمثيلات بصرية مثل الرسوم البيانية أو الجداول لتوضيح البيانات بشكل أكثر فعالية. تساعد هذه الوسائل البصرية في تعزيز فهم القارئ للنتائج وتسهيل المقارنات بين ظروف أو مجموعات تجريبية مختلفة. بشكل عام، تساهم النتائج في السياق الأوسع لسؤال البحث، مقدمة رؤى قد تُفيد الدراسات المستقبلية أو التطبيقات العملية في هذا المجال.
المناقشة
تسلط المناقشة الضوء على أهمية التدريب المستمر على تخيل الحركة (MI) لإعادة التأهيل الفعال، خاصة في سياق تطبيقات واجهة الدماغ-الكمبيوتر (BCI). تؤكد على أن فترات التدريب التقليدية لـ BCI قد تكون غير كافية لتطوير التحكم الضروري في تخيل الحركة لتحقيق فوائد علاجية، خاصة في مهام الحركة. تقترح الدراسة نظام تدريب حسي حركي مغلق جديد يستخدم الواقع الافتراضي (VR) لتعزيز تعديل المستخدمين لإشارات EEG، مما يحسن التحكم في BCI أثناء مهام تخيل الحركة في الأطراف السفلية. يدمج هذا النهج مبادئ العلاج بالمرايا مع VR لتوفير تغذية راجعة حسية متعددة الحواس، مما قد يعزز من انخراط المستخدم وتحفيزه.
تشير النتائج إلى أن كل من الأفراد غير المتأثرين وأولئك الذين يعانون من إصابة في الحبل الشوكي (SCI) أظهروا أنماط EEG محسنة ودقة تصنيف BCI أعلى على مدار عدة جلسات تدريب. على وجه التحديد، تفيد الدراسة بزيادات كبيرة في تمييز الفئات وانخفاض في مقاييس الوقت للتكيف (TTA)، مما يشير إلى تحسين الاستقرار والتميز لإشارات EEG المرتبطة بمهام تخيل الحركة. تؤكد النتائج على إمكانية أن تسهم أنظمة BCI المدعومة بالواقع الافتراضي في تسهيل تعديل الأعصاب الحسية الحركية ودعم إعادة التأهيل العصبي الوظيفي، بينما تكشف أيضًا عن الحاجة إلى مزيد من الاستكشاف للآثار طويلة الأمد وإمكانية مثل هذا التدريب في البيئات الواقعية. بشكل عام، تساهم الأبحاث في فهم كيفية تعزيز البيئات الغامرة لتعلم الحركة ونتائج إعادة التأهيل من خلال تقنيات BCI المتقدمة.
DOI: https://doi.org/10.1038/s41598-026-36431-3
PMID: https://pubmed.ncbi.nlm.nih.gov/41582168
Publication Date: 2026-01-25
Author(s): Malik Muhammad Naeem Mannan et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
This section discusses the potential of real-time brain-computer interfaces (BCIs) that decode electroencephalograms (EEG) during motor imagery (MI) as effective tools for rehabilitation following neurotrauma. The integration of immersive virtual reality (VR) with BCIs offers visual and auditory feedback that aligns with the user’s MI, thereby facilitating task-oriented therapies. The study focuses on the effects of longitudinal training on sensorimotor neuromodulation, examining both unimpaired individuals and those with chronic complete spinal cord injury (SCI) during lower-limb MI tasks.
The research involved multiple training sessions where five unimpaired participants demonstrated improved control over their EEG during virtual walking tasks, which correlated with enhanced BCI classification accuracy. Similarly, four individuals with chronic SCI exhibited comparable improvements while using the system in real-world rehabilitation contexts. These results indicate that both unimpaired and SCI-affected individuals can learn to modulate their sensorimotor EEG through VR-mediated BCI training, suggesting significant implications for future rehabilitation therapies that leverage this technology.
Introduction
The introduction of the research paper discusses the functionality and potential applications of brain-computer interfaces (BCIs), which translate neural signals, such as electroencephalograms (EEGs), into commands without involving the spinal cord or peripheral nervous system. A key aspect of BCIs is motor imagery (MI), where individuals visualize motor tasks, enabling them to execute these tasks in real or virtual environments. The paper highlights the promise of BCIs in enhancing sensorimotor rehabilitation for individuals recovering from stroke and spinal cord injury (SCI).
However, the effectiveness of BCIs during rehabilitation is constrained by the user’s ability to consistently generate repeatable MI EEG patterns. In individuals with SCI, factors such as cortical reorganization and disrupted sensorimotor connectivity lead to a diminished capacity for learned motor representations, in contrast to stroke patients, who may retain some mental representations. While previous research indicates that individuals can enhance their accuracy in BCI-commanded tasks, these studies have typically involved limited training sessions, raising concerns that any improvements observed may be temporary.
Methods
In this study, seven right-handed unimpaired participants (5 males, 2 females, aged 24-40 years) were recruited to evaluate a brain-computer interface (BCI) system utilizing motor imagery (MI) tasks. Participants were screened for neurological and musculoskeletal disorders, ensuring they had no conditions that could affect task performance. Each participant wore an Ultracortex Mark IV EEG headset and an Oculus Rift S VR headset during the experiments, which included two MI tasks: relaxing and walking. The experimental sessions comprised an offline calibration phase followed by two online operations—cued-online BCI and self-paced BCI—each lasting approximately one hour.
The BCI system was implemented within the Robotic Operating System (ROS) for real-time EEG data acquisition and processing. EEG signals were recorded at 125 Hz using 16 dry electrodes placed according to the 10-20 system, covering key motor areas. The common spatial pattern (CSP) method was employed for feature extraction, and a linear discriminant analysis (LDA) classifier was trained on session-specific calibration data to decode participants’ intentions. Performance metrics included classification accuracy, the number of steps taken during self-paced BCI-controlled VR walking, and the ability to produce distinct EEG signals for each MI task. The study aimed to assess participants’ learning progress across 15 training sessions, focusing on their ability to control the BCI effectively.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It details the outcomes of the study, highlighting significant data points and trends observed during the investigation. The results are typically accompanied by relevant statistical analyses, including p-values, confidence intervals, or effect sizes, which substantiate the validity of the findings.
Additionally, the section may include visual representations such as graphs or tables to illustrate the data more effectively. These visual aids serve to enhance the reader’s understanding of the results and facilitate comparisons between different experimental conditions or groups. Overall, the findings contribute to the broader context of the research question, offering insights that may inform future studies or practical applications in the field.
Discussion
The discussion highlights the significance of sustained motor imagery (MI) training for effective rehabilitation, particularly in the context of brain-computer interface (BCI) applications. It emphasizes that traditional BCI training durations may be insufficient for developing the necessary MI control for therapeutic benefits, especially in locomotion tasks. The study proposes a novel closed-loop sensorimotor training system utilizing virtual reality (VR) to enhance users’ modulation of EEG signals, thereby improving BCI control during lower-limb MI tasks. This approach integrates principles of mirror therapy with VR to provide immersive, multimodal sensory feedback, which may enhance user engagement and motivation.
The findings indicate that both unimpaired individuals and those with spinal cord injury (SCI) demonstrated improved EEG patterns and BCI classification accuracy over multiple training sessions. Specifically, the study reports significant increases in class discrimination and decreases in time-to-adaptation (TTA) metrics, suggesting enhanced stability and distinctiveness of EEG signals associated with MI tasks. The results underscore the potential of VR-mediated BCI systems to facilitate sensorimotor neuromodulation and support functional neurorehabilitation, while also revealing the need for further exploration of long-term effects and the feasibility of such training in real-world settings. Overall, the research contributes to the understanding of how immersive environments can enhance motor learning and rehabilitation outcomes through advanced BCI technologies.