【简报】 天津大学神经工程与康复实验室 总第7期

2017年   第2期  总第7期              出版日期：2017年7月12日

一、实验室要闻

强强联手“天”作之合 ：

“天津大学天津医院”正式挂牌 助力建设中国特色世界一流大学

7月2日，在天津医院第二届创伤、急救院士论坛上，天津大学和天津医院签署了全面合作协议，天津医院正式挂牌“天津大学天津医院”。仪式上，天津大学党委书记李家俊、校长钟登华，天津医院党委书记熊湘波、院长马信龙，参加院士论坛的19位两院院士以及天津大学和天津医院的相关负责人参加并共同见证了签约和揭牌这一历史时刻。

    2017年初，天津大学成立“天津大学医学工程与转化医学研究院”（简称“医工院”），医工院的成立进一步优化了学科布局、拓展了医学学科。医工院依托生物医学工程一级学科博士点，搭建“医工结合学科交叉平台”，促进学校工科、理科等传统优势学科与医学学科的交叉融合发展。医工院的建设以重大医学需求为牵引，引进高水平人才团队，瞄准医学工程与转化医学的国际前沿领域，高起点发展神经工程与组织工程等相关研究方向，大力推进医工结合示范平台和医学成果转化平台建设，力争成为国际上有特色有影响的医学创新研究基地与高端医学科技人才培养基地。

天津大学与中国电子签署战略合作协议

6月9日，天津大学与中国电子在天津大学卫津路校区签署战略合作协议。中国电子信息产业集团有限公司董事长、党组书记芮晓武，天津大学党委书记李家俊，东丽区区委书记尚斌义，区长孔德昌出席签约仪式，中国电子信息产业集团有限公司总会计师李晓春，天津大学副校长元英进签署协议书。

  仪式上，东丽区副区长杨灏、天津大学医学工程与转化医学研究院院长明东、中电数据服务有限公司董事长李世峰还分别代表东丽区人民政府、天津大学医学工程与转化医学研究院、中电数据服务有限公司签署了共建“国家健康医疗大数据云脑中心项目”合作框架协议。此项合作协议的签署，三方将依托天津市东丽区区位 、环境及资源优势，充分发挥天津大学医工院科研成果与人才优势、中电数据服务有限公司于健康医疗大数据行业的战略布局领先地位优势，协同打造“国家健康医疗大数据云脑中心

 “医工院”、（荷兰）中欧医学创新与合作基金会（SEMICO）签署合作框架协议

2017年6月14日，天津大学医学工程与转化医学研究院（简称“医工院”）、（荷兰）中欧医学创新与合作基金会（SEMICO）在梅江会展中心联合签署《中荷健康科技合作框架协议》。中欧医学创新与合作基金会执行主席屈宁教授，天津大学医工院办公室主任张彪签署协议书。根据协议内容，双方决定建立长期的战略合作伙伴关系，在组织重点人才培训项目、引进医学人才、弓箭联合实验室、筛选人才赴欧培训及寻求合作等诸多方面达成一致意见。

神经工程与康复实验室获得天津大学金牌实验室第一名

2017年5月23日，由天津大学党委学工部主办的第二届研究生“活力实验室/课题组”在天津大学北洋园校区进行了现场评选，精仪学院神经工程与康复实验室获得天津大学金牌实验室第一名的好成绩。活力课题组的评选涵盖实验室制度建设、学术诚信、师资力量、学生培养、学术交流、文化建设、安全保障等多个方面，全方位地对实验室的建设和发展做出了评价，“金牌实验室”是该项评选的最高荣誉。

二、学期精彩回顾

三、学科前沿综述

面向康复与辅助应用的脑-机接口趋势与展望

——2016级 博士生 王仲朋

随着世界各强国纷纷吹响探索大脑奥秘号角，我国亦提出了以解密大脑认知功能、攻克大脑神经疾病为科研导向和以发展类脑人工智能技术为应用目标的“中国脑计划”。其中，脑-机接口（brain-computer interface，BCI；或brain-machine interface，BMI）的研究与开发是“脑计划”的重要内容之一。

“BCI是一个可以改变中枢神经系统与大脑内外环境之间交互作用的系统，它通过检测中枢神经系统（central nervous system，CNS）活动并将其转化为人工输出来替代、修复、增强、补充或改善CNS的正常输出”——Wolpaw等。BCI现已成为脑科学研究、大脑认知机制解密的全新“窗口”。据此，2013年第五届BCI国际会议设主题为“定义未来”（“Defining the Future”），旨在解决如何将BCI研究成果转化到实际应用场景当中，为残疾病患人群的康复治疗及辅助技术研究赢得更广泛的社会和学术界关注，并指明今后BCI技术服务人类健康生活与交互控制的远期目标及发展方向。

  在康复应用方面，BCI可以有效监控用户的主动参与度，提供良好的靶向任务的量化调控手段，突破了传统运动康复训练过程监测受限，用户误用性操作难以矫正之瓶颈。2013年，Ramos等人开展了基于运动想象BCI控制机械矫正设备对于中风康复训练有效性的研究，利用功能核磁结合Fugl-Meyer医学评定量表监测了康复训练效果，结果表明，患者运动功能及运动神经激活特性在一定BCI训练后均得到显著改善。如图1所示。

        2015年，Pichiorri等人利用BCI融合控制虚拟上肢运动的方式开展了该MI-BCI系统的中风康复训练有效性研究，经过一个月的的临床跟踪，高密度脑电的不同节律响应下功能网络连接特性分析及Fugl-Meyer医学评定量表结果表明BCI技术的引入可强化中风康复训练效果。如图2所示。

    在辅助应用方面，BCI通过直接解码大脑意图转为控制指令，实现其作为人类“第三只手”的功能，在危险作业或操作维度受限（军事、航天）的应用场景下具备显著优势。本课题组为2016 年我国“天宫二号”载人飞行任务研制了空间站在轨脑-机交互技术试验系统，成功完成国际首次脑-机交互空间适应性测试，为我国载人航天工程的新一代医学与人因保障系统提供了关键科学依据与技术支撑。Nishimoto等人利用功能核磁体素优选与多元特征融合分类策略，实现了对于大脑视觉信息的机器解读与重建，显著优于随机水平，如图3所示，为开启隐蔽性更高的脑通讯时代提供可能。

 随着虚拟现实、机械外骨骼、经颅电磁刺激等外设技术的产生与发展，以及硬件系统的便携化改进，通用模型的有效性验证，系统可靠性的提高，BCI具备了更多应用可能，凸显其在人-机智能交互领域的优越前景，将为助老、助残、助特（军事、航天等）等方面发挥关键性作用。

四、研二成果展示 

情绪状态对工作记忆刷新功能的影响

——2015级硕士研究生 仝晶晶

工作记忆在人的复杂认知行为中起非常重要作用，而情绪作为人脑高级功能会影响人的学习、记忆与决策等认知行为。近年来，情绪对工作记忆的建设作用正逐步受到关注，尤其是情绪对 工作记忆中央执行系统刷新功能的影响至关重要，但目前相关的神经机制研究还很少。事件相关电位（event related potential, ERP）信号具有高时间分辨精度使其能实时区分复杂认知活动的信息加工过程，尤其适合于工作记忆的刷新功能探索。

本研究组织16名青年受试者（男女各半，年龄18~24岁）参与了动态工作记忆任务实验，以ERP为手段，探讨了积极、中性和消极三类不同情绪状态对工作记忆刷新功能的影响机制。实验首先采用国际情绪图片系统（IAPS）使受试者分别进入三类情绪状态，随后执行4个数字的动态WM任务。统计分析被试三类情绪下工作记忆任务的行为学（反应正确率、反应时间和刷新时间）数据结果发现，积极情绪状态下工作记忆刷新时间显著增长（t=3.21, p=0.0063）；消极情绪状态下工作记忆刷新时间与中性情绪皆无显著影响（t=0.64, p=0.52）；而对ERP各特征成分分析结果表明，积极情绪状态下表征ERP更新的枕区N1成分幅值显著大于中性情绪，在额中央部的N2幅值显著小于中性情绪，说明积极情绪下工作记忆信息获得早期注意较多，但后期的选择性注意较少；消极情绪状态下，ERP更新的枕区N1成分显著小于中性情绪，N2成分在全脑导联无显著性差异，表明消极情绪下工作记忆信息获得的早期注意较少，这可能与受试者对消极情绪的规避有关。

以上结果说明积极情绪对工作记忆刷新存在干扰作用，而消极情绪对工作记忆刷新无显著影响。本研究有关情绪状态影响工作记忆刷新机制的初步研究将为提高工作记忆刷新绩效提供实验依据。

静息态fMRI动态功能连接揭示脑老化进程

——2015级硕士研究生 刘亚男

随着年龄的增长，大脑会经历结构和功能的改变。已有研究表明脑老化与脑网络的稳态功能连接（functional connectivity，FC）息息相关。近几年有人提出并证明了动态FC的存在：静息态下大脑的FC随着时间的变化存在一定的波动性。本文旨在通过基于静息态功能磁共振成像（functional magnetic resonance imaging, fMRI）的脑网络动态FC特性，分析大脑衰老进程，通过K-means聚类的方法分别得到青年组、中年组、老年组被试脑网络的动态FC状态，进而在不同状态下对比分析脑化进程，以期从一个新角度分析正常脑老化进程中的FC改变。

 本研究在网络the Nathan Kline Institute（NKI）的公开数据库选取86名被试的数据，分为青年组、中年组和老年组。采用自动解剖标签（anatomical automatic labeling ,AAL）模板提取时间序列，并采用窗长为50s的滑动窗在全脑时间序列上进行滑动，在每一个时间窗下计算任意两个脑区之间血氧水平依赖（blood oxygen level dependent , BOLD）信号的皮尔逊相关系数，得到一系列随时间变化的全脑动态功能连接矩阵，并将脑区分为5个网络：感觉运动网络（sensorimotor network, SM），枕区（occipital，OCC），额顶网络（fronto-parietal network, FP），默认模式网络（default mode network, DMN）,带状盖网络（cingulo-opercular network, CON）以及小脑部分。应用K-means聚类算法对上述全脑动态功能连接进行聚类，最终得到跨时间、跨个体重现的5个功能连接状态。也就是说，所有被试的全脑动态功能连接矩阵被划分到这5个状态下，并且随着时间在这5个状态之间进行转换(图6)。

  针对聚类结果分析了在每一个状态下三组被试网络内的FC差异，发现在感觉运动网络5个状态下都有显著的组间差异：随着年龄的增长感觉运动网络的网络内FC先增强后减弱；而默认模式网络的网络内功能连接只在其中三个状态下有显著差异：随着年龄的增长，默认模式网络的网络内FC呈现减弱趋势（图7）。

综上，本研究应用K-means聚类方法对静息态fMRI动态FC进行聚类，并分析了在不同聚类状态下脑网络FC的组间差异，揭示了老化过程中网络内功能连接的变化情况，对临床研究具有一定的指导意义。

图6  K-means聚类算法全脑动态功能连接结果

图7  默认模式网络内FC随年龄变化

编辑：孟佳圆     校审：何 川

长按图片，识别二维码，关注“天津大学神经工程与康复实验室”！