近日，我院人机交互实验室王党校教授研究团队联合北医三院葛庆岗主任研究团队在IEEE知名期刊《神经系统与康复工程》上发表了题为“Voluntary Respiration Control: Signature Analysis by EEG”的研究性论文，论文第一作者为北京航空航天大学硕士生王越。该项工作对人在不同呼吸状况下的脑电特征进行了分析，揭示了人类主动呼吸控制与脑电之间的内在关联。这一成果的发表，标志着我院在脑电研究的道路上迈向了新的台阶。

      作为维持生命最基本、最重要的生理活动，呼吸一直都是医学领域关注的重点。尽管目前人们对此已有大量研究，一些痛点问题仍未得到很好的解决。例如在重症监护领域，呼吸机的机械通气节律与病人的呼吸节律难以一致，这会导致人机对抗，严重时可致肺损伤；在呼吸康复领域，枯燥的锻炼过程易使得患者分神而不易被察觉，以致长时间的锻炼也不能取得预期的康复效果。倘若能够理解呼吸背后的神经控制机制，通过神经信号监测人的呼吸节律或意图，上述问题便有望得到很好的解决。

      前人对生理学的研究表明，自发呼吸节律起源于脑干中的延髓，而呼吸的主动控制中枢则位于大脑皮层，因此脑电信号中可能包含着呼吸节律的关键信息。相比于气流、压力等传感器获得的呼吸信号，脑电是一种前驱的控制源信号，具有更低的时延，也更能真实反映人的呼吸意图。准确来讲，高质量的脑电信号需要通过颅内电极进行采集，但这种侵入式的方法具有较大危险性，取而代之的一种方式是在头皮附近放置电极。然而，头皮脑电面临着来自外部环境和人体活动的干扰，且头皮和颅骨会阻碍大脑皮层与电极间的信号传输，因而其空间分辨率和信噪比较低，从中提取有效信息十分困难。

      尽管如此，研究人员通过非侵入式的脑电设备采集多个实验参与者在不同呼吸状态下的脑电和呼吸信号，并对多方面的特征进行分析后，发现主动呼吸与头皮脑电存在较强的关联性。锁相值（PLV）在以往主要用于大脑区域之间的连通性分析，研究人员首次将这一指标应用于脑电与呼吸的相关性分析。研究结果表明，当实验参与者主动控制呼吸时，其额叶和右侧顶叶区域的0-2Hz脑电功率显著增强，额叶区域的PLV值增加，且在0-2Hz频段频谱中，两种信号的主峰间距减小。此外研究人员还发现，通过样本熵这一指标反映的脑电非线性复杂度在主动呼吸过程中呈现出下降的趋势。

      上述的结果有力支持了通过非侵入式BCI监测人的呼吸主动参与度和主动呼吸意图的可行性，在临床医学和康复学科领域具有重大应用价值，例如用脑电来实现呼吸机等呼吸辅助设备的闭环调控，对呼吸康复患者的主动参与度进行评估，以及对重症病人的咳痰意图进行全天候自动监测等。