中国学者成功构建全球首个针对脑出血患者的多模态脑机接口数据集，为揭示脑神经损伤与修复机制开辟了全新视角，将脑出血患者大脑信号识别精准度提升了8%。11月18日，华中科技大学同济医院唐洲平教授团队联合该校机械学院陶波教授团队在Scientific Data发表了这项突破性成果。

脑出血患者的多模态脑机接口。同济医院供图

脑出血作为致死致残率最高的脑卒中类型，幸存者往往面临严重的上肢功能障碍。基于“运动想象”的脑机接口技术被视为神经功能重建的希望——患者无需实际动作，仅凭“意念”，系统即可解读其大脑信号并驱动外部设备，重塑受损神经通路。然而，这一技术长期一直依据的是正常健康人的大脑信号数据。

“脑出血患者的大脑受损后，信号特征发生显著改变。通用的正常人数据模型在患者身上解码准确率较低，患者治疗康复效果因此大打折扣。”项目负责人唐洲平教授坦言。新数据集正是为解决这一“无米之炊”的困局，为开发真正适用于脑出血患者的临床级脑机接口提供了不可或缺的“数据土壤”。

研究团队采用高密度32通道脑电图（EEG）监测神经电活动，结合90通道功能性近红外光谱（fNIRS）技术追踪脑局部血氧变化，首次实现了对全脑神经活动的多维度、高密度同步监测，如同为大脑布下一张精密的“观测天网”，极大提升了空间覆盖广度和信息丰度。

“这好比从单语种翻译升级为精通双语。”研究团队成员同济医院时坚博士形象阐释，“脑电信号灵敏，但易受干扰，近红外光谱信号稳定且定位准确，两者结合，首次使我们能够清晰、稳定地聆听并解读脑出血患者在进行运动想象时，其受损大脑独特的神经-血管耦合语言。”

通过精准测量脑出血患者与健康对照组，团队首次绘制出脑出血后大脑意图表达的“信息图谱”，为揭示神经损伤与修复机制开辟了全新视角。此前，唐洲平团队于今年8月在advanced science发表的研究证实，使用脑出血患者和普通人信号共同进行预训练，可以将脑出血患者脑信号的分类准确率提升8%。

唐洲平介绍，该研究开创性融合了脑电图（EGG）和近红外光谱（fNIRS）技术，构建了标准化、高精度的脑出血患者运动想象数据集，填补了国际上重症脑机接口核心数据空白。目前，该数据集已通过网络向全球公开。