肌骨模型已经广泛用于生物力学分析，因为它们能够估计难以通过活体直接测量的运动变量（如肌肉力量和关节力矩）。传统的物理驱动计算肌骨模型可以解释神经驱动到肌肉、肌肉动力学、以及身体和关节运动学和动力学之间的动态交互。然而，这些模型由于其复杂性，运行速度较慢，难以实现实时应用。近年来，数据驱动方法以其实现速度快和操作简单的优点成为一种有前途的替代方案，但它们不能反映基础的神经机械过程。 本文提出了一种融合物理知识的深度学习框架，用以实现肌骨建模。在该框架中，将物理领域的知识引入数据驱动模型，作为软约束对其进行罚则/正则化处理。本文采用表面肌电图（SEMG）同步预测肌肉力量和关节运动学作为示例，使用卷积神经网络（CNN）实现该框架，并在两个数据集上进行了实验验证，展示了该框架的有效性和鲁棒性。 论文...

通过EMG驱动的机器人手训练揭示慢性中风患者跨半球平衡恢复的神经机制：来自动态因果建模的见解 中风是一种常见的致残原因，其中大部分中风幸存者会患上上肢瘫痪。上肢功能受损的后果可持续六个月以上，只有少数中风幸存者 (少于12%) 能完全康复。为了恢复这些患者的日常生活能力，提高他们的生活质量，研究人员一直致力于开发中风后运动康复方案。 近年来，使用机器人辅助装置进行上肢康复的研究引起了广泛关注。机器人康复提供了一种一致、密集且互动的训练体验，能够吸引患者积极参与。综合分析显示，接受机器人辅助训练的个体在上肢的Fugl-Meyer 评估 (FMA-UE) 分数以及上肢的功能活动方面都有显著改善。然而，针对腕部和手部功能的机器人在运动控制和日常生活活动的改善方面效果有限。随着意图驱动机器人的引入，...

脑机接口（Brain-Computer Interface, BCI）技术近年来发展迅速，被认为是一种无需通过外周神经和肌肉，仅通过大脑直接控制外部设备的前沿技术。特别是在运动想象（Motor Imagery, MI）脑电图（Electroencephalography, EEG）应用中，BCI 技术展现了巨大的潜力。通过分析MI-EEG信号，可以帮助患有物理障碍或神经肌肉退化的病人提高生活质量。然而，由于个体之间的差异以及大脑活动的稳定性、低信噪比（Signal-to-Noise Ratio, SNR）等因素，如何从复杂的EEG信号中提取有效特征以提高MI-EEG分类系统的准确性，仍然是一个巨大的挑战。 在MI-EEG分类中，特征提取与表示是决定分类性能的关键。当前广泛使用的特征提取方法，...

应用磁脑电图（MEG）分析全脑振荡微状态模式在寿命跨度中的变化：剑桥衰老与神经科学中心队列研究 研究背景 随着人口老龄化问题的日益严重，了解老化过程中的神经生理变化变得愈加关键。衰老的大脑是许多神经退行性疾病的主要风险因素，然而，整个大脑的振荡活动如何影响健康衰老尚不完全清楚。在细胞水平上，神经元的生物电化学特性使得它们能够产生电磁场，检测这些场的变化可以作为潜在的组织病理学生物标志物。五种典型的振荡脑信号（delta、theta、alpha、beta和gamma波）已被广泛研究，但它们在衰老中的具体作用仍有待深入探讨。研究者们提出，监测这些振荡信号的规律性和可预测性可以帮助识别认知衰退的潜在进程。特别地，alpha波的变化在衰老过程中表现出显著特征，如alpha波的减慢、alpha功率减少...

ALS的皮层神经生理特征解析及其生物标志物潜力研究 背景 Amyotrophic Lateral Sclerosis (ALS) 亦称肌萎缩侧索硬化症，是一种成人发病的神经退行性疾病，其特征是逐渐失去大脑、脊髓和周围运动系统的完整性。尽管临床和基因研究已揭示与额颞叶痴呆存在重叠，且识别出多种上游生物路径，但目前尚无高效的药物疗法来减缓疾病进程，现行试验依赖的生存期延长等结果并不敏感。亟需能够更贴合个体疾病活动的生物标志物，以便更快速地测试药物效果。 来源 该研究由Michael Trubshaw、Chetan Gohil、Katie Yoganathan等人撰写，他们均来自英国牛津大学。论文发表于2024年5月13日，刊登在Brain Communications期刊上。 研究方法及工作流程...