非侵入式运动想象脑机接口技术在脑卒中康复临床应用的专家共识

非侵入式运动想象脑机接口技术在脑卒中康复临床应用的专家共识【摘要】

非侵入式运动想象脑机接口（MI-BCI）作为一种前景广阔的新型康复辅助技术，在脑卒中患者运动、感觉、认知等功能康复及预后评估领域展现出重要潜力。然而，目前其临床应用的推广仍面临应用范围界定不清、操作规范不统一、康复干预流程标准化不足、循证医学证据不充分、疗效评价体系不完善等关键挑战。因此，亟需康复医学、神经病学、工程学、人工智能等多学科专家协作，共同制订该技术适用于脑卒中康复临床应用的专家共识。本共识基于循证医学方法学框架，通过系统检索临床研究文献，评价临床证据并判断证据质量；并经过两轮外审专家函询、论证后制订。共识内容主要包含非侵入式MI-BCI的康复临床应用范围、技术操作要点、干预流程及应用推荐，涵盖脑卒中患者上肢与下肢运动、感觉、认知及言语等主要功能障碍。本共识旨在为非侵入式MI-BCI技术在脑卒中康复的临床应用提供系统化指导，推动其规范化发展与普及。【关键词】

非侵入式脑机接口；运动想象；脑卒中；康复；专家共识脑卒中作为全球第二大死亡原因及首要致残性疾病，其疾病负担呈现持续加重趋势[1-4]。据世界卫生组织（WHO）报告，全球每年新发脑卒中约1370万例，其中中国占比超过30%，致残率高达75%[4,5]。尽管脑卒中在临床急性期救治手段飞速发展，但仍有约60%～80%的存活患者遗留持续性功能障碍[1]。脑卒中所致神经损伤具有多维度、跨系统的复杂性：（1）运动系统障碍常表现为偏侧肢体肌力下降、运动协调性丧失及步态异常；（2）感觉系统症状包括触觉灵敏度降低、本体觉反馈异常等；（3）认知功能缺损则涵盖注意力、执行功能与空间定位能力的减退。上述功能障碍相互交织，严重损害患者的进食、转移、穿衣等基础日常生活活动能力，形成“损伤-失能-继发并发症”的恶性循环[1]。传统康复干预虽能部分改善患者功能表现，但在促进神经重塑的靶向性与效率方面仍有明显不足。因此，强化神经功能重塑已成为脑卒中康复的核心任务，亦催生了对新型康复技术的迫切需求[6,7]。脑机接口（BCI）是一种在大脑与外部设备之间建立直接通信通路的技术体系，根据电极获取方式可分为侵入式、半侵入式和非侵入式三类[8]。其中，非侵入式BCI因其良好的安全性与可及性，在神经康复领域受到广泛关注。作为其中的重要分支，运动想象脑机接口（MI-BCI）技术通过将神经活动转化为可用于控制外部设备的信号，构建起“意念驱动-感觉反馈”的闭环神经调控系统，能够为患者提供实时反馈[8]，实现传入（感觉）与传出（运动）信息的协同耦合[9,10]。运动想象（MI）兼具“运动属性”与“认知属性”[11]。一方面，MI作为一种内源性神经活动范式，可在BCI系统内诱导特定的皮质响应，直接激活感觉运动皮层，引发与实际运动执行（ME）相似的神经激活模式，表现为感觉运动节律（SMRs）的特征性变化[12]。这些节律以神经振荡抑制为特征，表现为事件相关去同步化（ERD）[13]。另一方面，MI范式调动中枢资源主动参与训练，主动闭合感觉运动“传出-传入”耦合通路。通过检测信号中的ERD特征，可控制功能性电刺激（FES）[14]、振动刺激器[15]、（元宇宙）虚拟人、外骨骼机器人[15]等外部设备，从而将大脑活动与即时感知觉反馈相结合。传入与传出通路的同步激活与重复刺激有望驱动赫布神经可塑性，进而促进受损神经功能的恢复，为脑卒中后运动、感觉及认知功能的康复提供创新性干预手段。近年来，越来越多的研究为MI-BCI在脑卒中康复中的有效性提供了支持。研究结果表明，MIBCI干预能够显著改善患者的运动功能，尤其是在上肢功能恢复方面效果更为显著[16,17]。同时，该技术可通过调节大脑皮层活动，从而促进功能重组及增强神经可塑性[18,19]。此外，MI-BCI与功能性电刺激或康复机器人等多模态干预手段的联合应用，已被证明可进一步提升康复疗效。然而，MI-BCI技术在脑卒中康复中的广泛临床转化与规模化应用，仍面临多重现实障碍，主要包括：适用范围界定尚不清楚、操作规范缺乏统一、康复干预流程标准化不足、疗效评价体系尚不完善、循证医学证据仍相对有限等。这些缺陷，使得不同机构间的治疗方案难以进行横向比较与协同治疗，严重制约了该技术的推广与应用。因此，亟需基于多学科共识的临床实践规范，确立MI-BCI临床应用的核心框架，从而为其后续规范化、同质化临床应用提供操作依据。本共识由中华人民共和国科学技术部重点研发计划项目（2023YFC3603800、2023YFC3603802）支持，组织脑机接口、康复医学、人工智能等领域从事医工交叉研究的核心专家共同拟定。本共识的适用群体为脑卒中后存在运动、感觉、认知及言语功能障碍的患者。使用群体为各级医疗机构、康复中心从事脑卒中康复工作的康复医师、康复治疗师、神经内科医师及相关工程技术人员等。1共识制订方法学1.1共识工作组的成立及专家组成本共识工作组由核心编写组及外审专家组构成。核心编写组由14位具有医工交叉背景的专家组成，涵盖康复医学、神经病学、脑机接口、生物医学工程等专业领域。根据工作分工，核心编写组分为临床循证组和工程技术组：临床循证组负责临床问题构建、文献检索与证据评价，以及临床适用性把关；工程技术组负责MI-BCI技术参数梳理、操作流程规范及设备质控要求的拟定。共识的选题、范围界定及整体框架由核心编写组中的资深专家共同商议确定。外审专家组由来自全国40余家高校、医院及科研院所的57位专家构成，专业领域覆盖康复医学、神经病学、脑机接口、人工智能、生物医学工程及循证医学等。1.2文献检索系统检索PubMed、Embase、WebofScience英文数据库，以及CNKI、WanFangData、VIP等中文数据库，纳入基于非侵入式MI-BCI技术应用于脑卒中患者感觉、运动、认知功能康复评估和康复治疗的研究文献，检索时间范围为建库至2025年8月，检索关键词包括：stroke、brain-computerinterface、BCI、brain-machineinterface、BMI、electroencephalogram、EEG、motorimagery、MI、motorfunction、motor、upperlimb、upperextremity、hand、lowerlimb、lowerextremity、gait、walking、sensoryfunction、sensoryrehabilitation、cognitiverehabilitation、cognitivefunction、speech、aphasia、clinicalrehabilitation、clinicaltraining、clinicaltherapy、脑卒中、脑机接口、运动想象康复、运动功能、感觉功能、认知功能、失语、评估。1.3文献纳入与排除标准纳入标准：（1）研究对象为脑卒中患者，其诊断需符合WHO或《中国脑卒中防治指导规范》中关于脑卒中的定义及诊断标准，并经头颅CT或MRI证实；（2）干预措施涉及非侵入式MI-BCI技术，特指基于头皮脑电信号采集、以运动想象范式为控制源、无需开颅手术或皮层电极植入的一类脑机接口系统；（3）研究内容涉及运动、感觉或认知功能的康复评估或治疗；（4）研究类型包括RCT、队列研究、病例-对照研究及系统评价/Meta分析等。排除标准：（1）会议摘要、病例报告、评论、社论等非原始研究或非系统评价类文献；（2）数据不完整或无法获取全文的文献；（3）重复发表文献。1.4证据评价本研究参考牛津循证医学中心（OCEBM）证据等级评价系统对证据质量进行评价[20]。采用2011年更新版本，并依据临床证据分级标准和推荐强度系统将证据等级划分为5级（1级证据：高质量RCT或其系统评价；2级证据：低质量RCT或前瞻性队列研究；3级证据：病例-对照研究；4级证据：病例系列研究或质量较差的观察性研究；5级证据：专家意见、机制研究或无对照的经验总结），推荐强度分为A～D（A：基于一致性1级证据；B：基于2级或3级证据，或外推自1级证据；C：基于4级证据，或外推自2/3级证据；D：基于5级证据或专家共识）。证据评价由两位具有循证医学背景及相关专业知识的研究人员独立完成，若评价意见不一致，则通过讨论协商解决；讨论后仍无法达成一致时，提交第三位资深循证医学专家审阅并做出最终裁定。1.5共识形成与定稿核心编写组完成初稿后，提交全体外审专家进行审阅，以电子邮件形式征集书面意见。核心编写组对回收的专家意见进行整理、归纳和分析，逐条修订共识条目，并对未采纳的意见说明理由。修订完成后，将修改稿再次提交全体外审专家进行最终确认。在收集所有专家反馈并经核心编写组审核无误后，形成本共识的最终版本。2MI-BCI临床干预流程及质控要求2.1干预流程MI-BCI临床干预流程包括治疗前评估、治疗、治疗后评估与随访评估四个阶段（如图1所示）。治疗前评估应在患者入组前完成，以判定其是否适合接受该干预；对符合纳入条件者方能进入后续治疗实施阶段。一个疗程的临床干预通常持续2～4周。每次治疗开始前需完成治疗准备工作，包括佩戴脑电帽、注入导电介质（针对需要的电极类型），并向患者说明宣教，确保患者明确了解训练任务等；准备工作完成后，采集患者的初始脑电信号，用于对MI-BCI的解码模型进行校准；校准完成后，进入正式的MI-BCI训练阶段，由患者执行MI任务，并据此控制康复设备，以提供相应的反馈或辅助治疗；训练结束后，由操作人员对设备进行整理收纳，并将本次治疗数据归档，便于后续对患者的功能变化进行分析。治疗后评估一般在全部干预结束后的第二天进行。随访评估则通常安排在干预结束后1个月、3个月或6个月进行。通过对比治疗前、治疗后以及随访时的评估结果，即可对干预的整体疗效做出判断。2.2质控要求2.2.1禁忌证筛查禁忌证：（1）存在明确的康复治疗禁忌证：包括但不限于不稳定心绞痛、急性心肌梗死、未控制的严重高血压、严重的心肝肾功能不全、严重感染、出血倾向、生命体征不稳定、近一个月内有癫痫发作史及其他危重器质性疾病等；（2）存在头面部局部皮肤状况或损伤：如头皮外伤、活动性皮炎、开放性伤口或感染等（患者接触电极或导电介质可能加重其局部状态或引发感染风险）；（3）存在颅骨缺损；（4）对装置材料过敏：包括已知对脑电帽电极、固定材料或导电介质等成分有过敏史者；（5）无法主动配合治疗：包括意识障碍、严重精神障碍、严重听力、严重视功能障碍、理解或认知障碍等，导致患者不能按照要求完成运动想象任务及配合训练。2.2.2治疗前评估由专业康复医师基于纳入与排除标准，筛选具有康复意愿的脑卒中患者并结合临床量表与EEG信号对其运动、认知等多维度功能进行系统评估。此外，应由经过BCI专项技术培训过的康复治疗师或康复医生在患者入组前对其MI能力进行初步筛查，以确保患者具备MI范式下产生稳定ERD响应的能力，并具备正常使用MIBCI设备的基础能力。根据既往MI-BCI的应用经验，相关初步筛查包括：通过采用简易MI任务（患侧肢体运动想象）与静息状态EEG信号的区分度（分类准确率>70%）[21]，以及简易MI任务诱发下的ERD神经激活特征，作为判断其是否符合MIBCI干预准入的部分标准。同时，建议采用标准的运动想象能力评估量表《动觉和视觉运动想象问卷20项》（KVIQ-20）对患者的MI能力进行辅助评测[22]。2.2.3治疗前准备在治疗准备阶段，应对患者开展详细的MI-BCI技术培训和介绍，确保其能充分理解MI-BCI康复治疗的使用方法以及治疗过程中可能出现的不适与处理方法。更关键的是建立个性化神经特征适配的BCI模型。具体而言，可在每次训练前采集10～20分钟的MI及静息态EEG数据，将其作为不同类别样本输入预先设定的机器学习算法中，以获得针对该患者在该次训练中得到的特定解码器。由于EEG信号具有显著的个体间特异性与时变性，建议在每次治疗前均完成BCI模型重新校准，以保障信号解码的准确性与康复训练的有效性。同时，考虑到频繁校准可能增加操作负担并影响临床推广，建议结合跨被试或跨人群的迁移学习方法对解码模型进行优化，以减少对重复校准的依赖，从而在保证性能的前提下提升流程效率与临床可行性。2.2.4训练治疗在训练治疗阶段，应以低认知负荷、强线索引导、即时反馈及客观脑电评估为核心原则，在保障患者耐受度的前提下提升运动想象质量与神经可塑性诱导效果。具体而言，重点关注以下两个关键技术环节：首先是MI-BCI系统触发阈值的动态调整。基于认知负荷理论，训练任务难度的合理匹配对有效学习至关重要：若任务过于简单（即“低触发阈值”），可能无法充分激发患者的认知处理过程，导致其主动参与度下降；反之，若任务过于困难（即“高触发阈值”），则易引发疲劳并降低康复积极性。为此，有研究通过确保患者在每次训练中获得足够的有效触发次数（例如每15次试验触发10～12次）来动态调整触发阈值，从而平衡训练难度与训练剂量[23]。有研究进一步采用基于机器学习的自适应算法动态优化触发阈值，以期获得更优训练效果。其次，鉴于MI范式具有主观性及隐匿性，必须确保MI-BCI干预过程中脑控信号的真实性。一方面，MI-BCI应基于分类器解码结果，实时提供视、触或动觉反馈，让患者实时掌握自身MI任务完成情况（例如将解码结果实时映射至手指的弯曲角度）；同时，应记录过程中的EEG数据，以便进行后期特征分析，从多个维度验证系统触发的真实性。另一方面，建议通过优化试验设计以增强患者的主动脑控体验，例如在运动想象训练后增设静息任务阶段，并在该阶段进行实时解码，观察其是否难以达到或仅偶尔达到系统触发值，从而进一步确认脑控响应的特异性。此外，鉴于脑电信号具有显著的时变性，建议在训练过程中引入解码模型的动态更新或在线自适应机制，以维持解码性能的稳定性，从而保障反馈准确性及干预效果。此外，建议操作人员在训练过程中同步记录患者的主观体验，包括疲劳程度、注意力水平、任务理解情况及参与意愿等指标，并结合客观脑电信号如ERD或事件相关同步化（ERS），进行综合分析，从而实现对训练质量的多维度评估。采用“主、客观结合”的评估模式有助于优化个体化训练方案，并进一步提升康复干预效果。2.2.5治疗后评估有研究表明[24-26]，患者MI过程中所诱发的大脑激活特征可在一定程度上反映其神经功能重塑及运动康复进展。基于非侵入式BCI信号的便捷性，建议定期对患者开展EEG评测，以量化监测康复动态。常规评估频率可设置为每周一次；若条件允许，可进一步结合功能性磁共振成像（fMRI）、弥散张量成像（DTI）、高分辨率结构磁共振成像（sMRI）等对患者脑结构与功能重塑进行多模态评估。此外，建议进一步联合运动功能相关评估手段，例如临床量表、表面肌电检测、关节角度运动学检测等，形成大脑-肢体-运动多维度评估手段，从而更全面、客观地评估康复效果。2.3关键环节控制2.3.1治疗频次与强度既往研究表明，脑机接口干预的作用机制在于通过高重复性训练诱发神经可塑性，因此通常需要较长时间的系统训练才能获得稳定疗效。结合团队长期临床经验及文献调研，建议每个疗程持续2～4周，累计开展8～15次治疗，治疗频次以每周3～5次为宜。单次整体治疗时长建议控制在30～60分钟，其中运动想象训练次数以100～150次为佳。在条件允许的情况下，可适当延长疗程持续周期或增加训练总次数，但不建议增加单次训练时长，以避免患者疲劳积累导致训练效果下降。此外，建议结合定期EEG评测结果，灵活调整训练时长与频次，实现个性化训练方案的动态优化，以提升整体康复效果。2.3.2EEG信号特征的筛选及优化根据不同的使用需求，可对电极通道进行选择性配置，推荐依据国际10～20系统规范布置电极位置，建议脑电数据采样频率不低于250Hz，并保证在脑电数据正式采集前，电极与头皮间的阻抗值低于10kΩ。在EEG评测阶段，推荐采用64导联及以上电极通道配置，以保证采集高密度的全脑信号，便于康复效果分析；在训练治疗阶段，可采用遗传算法等优化手段对电极配置位置与数量进行筛选优化，在保证意图识别性能的前提下，减少电极数量，从而缩短准备时间并降低计算负荷。同时，也可借助优化算法对EEG信号特征（如频段、时长等）进行个性化配置，以进一步提升MI-BCI识别性能。2.3.3监测不良反应不良反应主要包括两方面：其一，源于操作系统相关不适，由于需要长时间执行运动想象任务，或对佩戴的传感装置（如脑电帽）不适应，部分患者可能出现眩晕、头痛、视觉疲劳等主观不适症状。其二，源于联合设备相关不适，MI-BCI系统常与外部康复设备（如康复训练外骨骼机器人、功能性电刺激装置、虚拟现实系统及矫形器等）协同使用，其临床应用的安全性需综合评估所配合设备各自的禁忌证与潜在不良反应。为规范不良反应的管理，本共识建议对治疗过程中出现的不良反应进行分级评估与标准化处理，具体分级标准及处置流程详见表1。一旦出现任何不良反应，应立即暂停训练，评估症状严重程度及可能诱因，并根据分级标准采取相应处置措施。同时，应根据患者个体耐受情况优化训练参数及设备配置，加强训练过程中的实时监测与随访，以预防不良反应的再次发生。3临床应用非侵入式MI-BCI技术基于头皮脑电信号采集，通过脑电帽等外接设备实现信号获取，并结合运动意图识别算法与外部执行设备，实现康复训练过程的调控与反馈。该技术具备广泛的应用潜力，可用于脑卒中后多种功能障碍的康复评估与干预，主要包括但不限于：（1）上肢功能运动障碍[18,19,27,28]；（2）下肢功能运动障碍[29-31]；（3）感觉功能障碍[32,33]；（4）认知功能障碍[34,35]；以及（5）言语功能障碍[36,37]。3.1运动功能康复MI-BCI技术在脑卒中后运动功能康复领域的应用主要涉及上肢运动功能、手部抓握能力、步态、平衡及下肢肌力等方面。目前，多数MI-BCI系统与视觉反馈、功能性电刺激、外骨骼机器人等设备相结合，构成闭环反馈训练模式。镜像神经元理论[38]提示，运动想象与运动执行在大脑激活模式上存在相似性，多项研究报道MI可影响运动技能再学习及神经重塑过程[16,39,40]。MI-BCI的运作不依赖患者实际的外周运动执行，可通过整合视觉、触觉等多模态反馈在急性期对其实施干预[41]。该训练要求患者主动想象肢体运动，其参与度和注意力水平可能在激活运动学习相关神经环路中发挥作用。当与康复机器人系统联合使用时，MI-BCI系统根据解码的患者运动意图，驱动外部设备执行相应动作，形成“意念-解码-执行-反馈”的闭合回路[16]。在这一闭环中，通过信号采集、特征提取及模式识别算法，解码运动意图，并结合外部设备反馈调节神经活动，是系统运行的核心环节[32]。3.1.1上肢运动功能康复3.1.1.1应用形式与参考参数目前应用于上肢运动功能康复的MI-BCI系统通常包括信号采集、解码和反馈执行三个部分。患者佩戴覆盖感觉运动皮层区域的EEG电极帽，在执行特定运动想象任务（如想象患侧手抓握、伸展、旋前、旋后等）时，系统实时采集并解码C3、C4、Cz等通道的α/μ节律（8～13Hz）和β节律（14～30Hz）特征，识别患者的运动意图。根据解码结果，系统驱动反馈执行设备，为患者提供与意图动作相匹配的感觉反馈。反馈执行形式应根据患者的障碍类型和康复目标个体化选择，主要包括：（1）功能性电刺激，在识别到患者运动意图时对目标肌肉（如手指伸肌、腕伸肌）施加电刺激（脉冲宽度约200～300μs，频率约20～40Hz，电流强度以引起肌肉收缩且患者舒适为宜），诱发实际肌肉收缩完成动作；（2）康复机器人或外骨骼手套，根据解码的运动意图驱动机器人手部外骨骼执行屈伸手指、握拳、对指等动作，提供明确的本体感觉反馈；以及（3）多模态反馈训练，将MI-BCI与虚拟现实（VR）环境融合，让患者在VR场景中通过运动想象控制虚拟上肢完成日常动作，通过虚拟视觉反馈增加训练趣味性和任务导向性，并可通过场景参数化设计实现难度的阶梯式调整。训练参数建议：EEG通道数为4～32通道（至少覆盖C3、C4、Cz及其邻近区域），采样率≥250Hz，正式训练前需进行个体化系统校准和基线评估，通常以分类准确率达到或超过70%作为系统对患者适用的参考指标；训练安排为单次20～30min，每周3～5次，持续时长为2～4周。训练过程中应结合患者的疲劳程度和参与度，动态调整任务难度。若出现疲劳或耐受性问题，可缩短单次训练时长或增加休息间隔。3.1.1.2疗效评估MI-BCI康复干预上肢运动功能障碍的疗效评估应从运动功能、日常生活活动能力、神经电生理等多维度进行系统评价。运动功能评估方面，Fugl-Meyer上肢运动功能评定量表（FMA-UE）是目前应用最广泛的核心工具，用于评估患者肩肘、腕手及协调能力等维度的综合改善；此外还可采用动作研究臂试验（ARAT）评估手部抓握、握捏等精细运动功能，以及改良Ashworth量表（MAS）评估痉挛及肌张力变化。日常生活活动能力评估推荐采用改良Barthel指数（MBI）或功能独立性评定量表（FIM），以上肢功能恢复对患者进食、穿衣、洗漱等日常独立活动能力的实际影响作为观察指标。神经电生理指标方面，建议记录训练过程中及前后的MI-BCI分类准确率的变化，以反映患者运动想象解码效果的改善；同时分析SMRs的ERD幅值和空间分布，客观评估感觉运动皮层的激活水平和偏侧性变化[24,42,43]。脑卒中患者在执行MI任务时的脑电ERD响应模式（激活强度、偏侧化特征等）与健康人群存在特征性差异，这些特征可作为量化运动功能损伤程度及预测康复潜力的客观生物标志物[44-47]。研究表明，MI范式诱发的ERD特征与运动功能恢复之间存在较强相关性[33,48]。患者健侧大脑半球的ERD特征与欧洲卒中量表评分存在显著的相关和回归关系，而大脑ERS偏侧性与MAS评分显著相关，提示受损脑区的神经代偿程度与运动功能损伤程度具有一致性[25]。纵向研究进一步证实，患者运动功能的改善情况与其大脑ERD特征的变化趋势高度一致[49,50]；患者康复前后大脑ERD空间特征的变化值与FMA-UE改善值呈显著相关性[14]，手部运动关键电极C3/C4处的ERD特征变化与ARAT评分的提升亦呈高度正相关[51]。3.1.1.3证据整合与推荐强度多项Meta分析及系统评价结果显示，相较于传统康复疗法，MIBCI干预可改善患者的上肢运动功能[52-62]，尤其在手指伸展与抓握能力、运动速度、上肢协调性、日常生活活动能力及肌力等方面观察到积极变化，但在痉挛及肌张力改善方面未显示出明显优势[27]。部分研究指出，将MI-BCI与传统康复手段联合应用可获得更好的康复效果[58]。该技术适用于脑卒中亚急性期、恢复期及慢性期。两项系统评价提示，其对亚急性期（2周～3个月）与恢复期（3～6个月）患者的康复效果更为显著[63,64]（推荐强度B/2a），对慢性期（>6个月）患者亦有改善作用。Meta分析[65]和RCT[59,66-71]结果表明，结合BCI的康复系统在改善上肢功能方面优于单纯的功能性电刺激或机器人训练（推荐强度A/1a）。患者执行运动想象任务时所诱发的神经响应水平，可影响神经可塑性及BCI控制准确率，进而与临床康复效果相关。多项RCT证实，MI-BCI与经颅磁刺激、虚拟现实等技术联合应用，可增强运动想象期间的大脑激活程度，并促进上肢运动功能康复[18,19,23,72-80]（推荐强度A/1b）。近年来，新型外肢体机器人被视为提升MI-BCI疗效的潜在手段。研究表明，基于外肢体的运动想象范式可诱发较传统本体肢体运动想象更强、更广泛的感觉运动节律活动；一项为期2周共8次训练的纵向研究显示，结合外肢体康复设备的新范式可改善上肢运动功能[16,81-83]。经皮脊髓电刺激联合BCI虽可增强感觉运动节律、辅助患者运动想象能力，但其临床康复效果仍需进一步验证[84]。多项RCT的干预剂量总体保持在8～15次，持续时长为2～5周[18,19,23,30,32,80,85-87]（推荐强度A/1b）。推荐意见汇总：对于脑卒中后上肢运动功能障碍患者，建议在常规康复治疗基础上联合MI-BCI训练。该推荐适用于亚急性期、恢复期及慢性期患者，尤其推荐结合功能性电刺激或康复机器人等反馈执行设备，构建闭环训练系统（强推荐，证据等级A/1a）。3.1.2下肢运动功能康复3.1.2.1应用形式与参考参数目前应用于下肢运动功能康复的MI-BCI系统，其核心原理与上肢康复相似，即患者佩戴EEG电极帽，在执行下肢运动想象任务（如单侧下肢屈伸、双侧交替步行、上下肢协同动作等）时，系统实时采集并解码Cz、C3、C4等中央区通道的α/μ节律和β节律特征，识别患者的运动意图，进而驱动反馈执行设备，为患者提供与意图动作相匹配的感觉反馈。由于下肢运动在大脑皮层的神经表征区域位于中央沟深处且面积较小，其运动想象诱发的神经响应信号往往较上肢更弱、更难以精准解码。因此，如何有效提升下肢运动想象期间的大脑激活效果，是推动下肢BCI临床康复应用的关键难点之一。基于步态相位编码的感觉电刺激增强型下肢MI范式，通过在运动想象过程中引入与步态周期匹配的时序化感觉反馈实现，并可与下肢外骨骼或功能性电刺激系统进行同步控制与协同应用。此外，还发展出多种增强形式，包括上下肢协同运动想象，以及融合功能性电刺激与虚拟现实等多模态MI范式，上述方法通过整合感觉、视觉及运动相关信息实现对步态意图的表达与调制。3.1.2.2疗效评估MI-BCI康复干预下肢运动功能障碍的疗效评估需综合运动功能、步行与平衡能力、日常生活活动能力和神经电生理等多维指标。运动功能评估方面，Fugl-Meyer下肢运动功能评定量表（FMA-LE）是目前最广泛应用的核心工具，用于评估髋、膝、踝等关节的协同运动能力。步行与平衡功能评估方面，常用工具包括“计时起走测试”（TUG），评估患者的移动能力和跌倒风险；功能性步行能力分级量表（FAC），评价患者的独立步行能力；6分钟步行测试（6MWT）和步速、步频、步长等时空步态参数，以及Berg平衡量表（BBS）评估静态和动态平衡能力。日常生活活动能力评估方面，推荐采用MBI评估下肢功能恢复对患者日常独立活动能力的实际影响。神经电生理指标方面，可记录训练过程中MI-BCI分类准确率的变化，以评估解码效果的改善。3.1.2.3证据整合与推荐强度有RCT结果显示，神经反馈辅助的运动想象训练可显著改善TUG表现，并促进脑区激活及脑网络连接[88]；小样本随机对照试验则表明，BCI-FES较单纯FES可进一步改善步态参数（推荐强度B/2a）[89]。机制研究提示，MI-BCI通过构建“运动意图-外周反馈”闭环，可增强感觉-运动耦合及神经可塑性[89,90]。部分其他研究显示，神经调控及感觉诱导可进一步增强其作用，如经颅直流电刺激（tDCS）联合MI-BCI可促进脑电节律调制[91]；步态相位编码电刺激可增强ERD及提高解码性能[92]。此外，复合肢体运动范式可提升步态意图解码准确率（推荐强度C/5）[93]，结合VR与FES的多模态反馈可增强运动想象执行及BCI性能（推荐强度C/5）[94]。推荐意见汇总：对于脑卒中后下肢功能障碍患者，可考虑在常规康复基础上联合MI-BCI闭环训练，尤其是BCI-FES及神经反馈模式，在改善步态及平衡方面具有一定临床证据支持（推荐强度B/2a）。同时，结合神经调控或多模态反馈的增强策略可作为辅助干预，以进一步促进神经可塑性，但相关证据仍以机制研究为主，临床疗效尚待进一步验证。3.2感觉功能康复MI-BCI技术在感觉功能障碍康复中的应用具有理论可行性，如改善患者触觉、前庭觉和本体感觉等[95,96]。该技术通过引导患者在运动想象时主动模拟身体感受，可激活感觉运动皮层活动，可能有助于感觉功能的编码与重塑[32,33]。此外，MI-BCI可与tDCS、重复性经颅磁刺激（rTMS）、振动刺激（VS）等技术联合应用，理论上可通过调控感觉皮层兴奋性来提升训练效果[33,95,97,98]。由于感觉功能与运动功能相互影响，感觉缺损可能影响运动再学习[99]，因此在感觉康复中需同步关注运动功能的恢复。然而，目前专门针对非侵入式MI-BCI改善脑卒中后感觉功能障碍的临床研究仍非常有限，现有证据多为探索性分析或次要结局指标。两项探索性研究提示，MI-BCI与tDCS或rTMS联合应用时，可能对触觉及本体感觉产生协同改善效应：一项交替治疗方案设计的研究[91]在慢性期患者中观察到联合干预后感觉功能的提升趋势，另一项随机交叉试验[95]发现双侧rTMS联合MI-BCI神经反馈训练可改善上肢运动功能，并在诺丁汉感觉评估量表（NSA）上展现更佳效果。但上述感觉功能的改善均为次要发现，且依赖其他技术的联合应用，目前证据尚不支持将MI-BCI作为独立的感觉功能康复手段。此外，部分研究[96]报道MI-BCI训练后患者平衡能力有所提高，但平衡控制涉及多系统整合，现有证据无法区分MI-BCI对前庭觉本身的独立作用。未来需设计专门针对感觉结局指标的高质量RCT，以明确其疗效与机制。3.3认知功能康复MI具有明显的认知属性。根据运动认知模型，大脑在运动想象期间会有意识地进行动作的具象化演绎与监控，这使得MI本身成为一种受认知状态调制的认知行为。MI-BCI通过神经反馈原理，可实时引导患者调节与注意、工作记忆及执行控制相关的脑网络节律活动。有研究提示，MIBCI训练可能在大脑与外部设备之间建立直接连接，促进受损神经元之间的重新连接或启动其他脑区的代偿重组，进而观察到注意力、执行功能、信息处理速度及记忆力等维度的改善[100-102]。在MI-BCI认知功能康复训练中，有必要关注不同认知域之间的交互影响。例如，卒中后失语症患者常伴有非语言性认知功能损害，且非流利型失语症患者的定向障碍和空间感知能力缺损较流利型更为显著[103]。此外，MI-BCI应用于认知功能康复时，可能有助于患者更主动地参与训练任务，从而对运动和感觉功能的恢复产生间接促进作用[104-106]。3.3.1应用形式与参考参数目前应用于认知功能康复的BCI主要采用基于EEG的神经反馈范式，核心是通过实时反馈，引导患者调节特定脑电节律（如α、θ、SMR节律）以改善认知表现。常见的训练任务包括n-back任务（分析前额叶θ或γ节律反映注意维持水平）、Stroop色-词干扰任务（基于前额叶EEG节律变化评估执行控制水平）及VRBCI空间导航任务（检测α、β节律的变化）等。参考参数：EEG通道数4～16个，电极需覆盖额叶和顶叶区域（如F3、F4、Fz、Pz等），采样率≥250Hz，滤波范围涵盖目标频段（θ波4～8Hz、SMR节律12～15Hz、α波8～12Hz），需去除眼动和肌电干扰。训练频率为每周3～5次，单次15～30min。实际训练中应根据患者疲劳程度分段进行、阶梯式调整难度。3.3.2疗效评估BCI认知康复的疗效评估需整合行为学、神经电生理及生活质量等多维指标。功能评估推荐采用蒙特利尔认知评估量表（MoCA）、简易智力状态检查（MMSE）及Luria神经心理学成套测验标准化认知量表，重点评估患者的注意力、记忆力、执行功能及信息处理速度等核心认知域。日常生活认知能力评估可采用功能性活动评估问卷等工具，关注认知功能对日常生活能力的影响。神经电生理指标包括特定频段（θ、α、β、SMR节律）的功率谱密度、功能连接强度、EEG复杂度及BCI分类准确率等。3.3.3证据整合与推荐强度一项RCT[100]纳入30例早期亚急性缺血性脑卒中偏瘫伴认知障碍患者，将其分为BCI踏板训练组与传统训练组，24次训练后，BCI踏板训练组注意指数及下肢运动功能均优于对照组，提示该系统通过提高患者参与度可改善下肢功能，并对注意力具有积极影响（推荐强度A/1b）。一项前瞻性单组试验[101]纳入12例脑卒中参与者，接受为期4周的BCI-VR踏板训练，结果显示患者下肢力量、平衡能力、步行稳定性、注意力及总体认知功能均显著改善，且平衡能力的变化与符号数字模式测试变化呈正相关（推荐强度C/4）。此外，一项RCT[107]纳入17例脑卒中患者，经3～4周EEG神经反馈训练后发现，多数患者和健康对照取得了明确的神经反馈训练表现增益，表现为言语短时和长时记忆改善（与所用方案无关）（推荐强度B/2b）。在此基础上，一篇综述[104]指出，神经反馈等神经技术在卒中后认知康复领域中的应用是一个快速发展且前景广阔的研究方向，BCI是其中的关键工具之一；另一篇综述[105]系统地探讨了BCI在卒中后康复中的应用，指出BCI在认知训练方面已表现出令人鼓舞的结果，通过脑波的自我调节可影响卒中患者的情绪动力，充分说明BCI作为一种整合性康复手段具有广阔的探索空间（推荐强度D/5）。推荐意见汇总：对于脑卒中后认知功能障碍，建议在常规认知康复基础上酌情加入基于BCI的神经反馈训练，尤其在注意力和记忆力康复方面已有初步证据支持（证据等级B/2b）。3.4言语功能康复根据外审专家建议，本共识进一步拓展了多范式类型的非侵入式BCI在言语语言障碍康复中的应用，主要包括两类：一是作为辅助与替代沟通工具，主要基于P300事件相关电位范式，通过字符选择或文字输出实现替代性沟通功能，稳态视觉诱发电位（SSVEP）等范式亦有探索性应用；二是作为辅助神经反馈训练手段，利用P300等事件相关电位（ERP）的实时反馈，结合语言任务训练，引导患者调节相关脑网络活动，从而在一定程度上促进语言功能的恢复。3.4.1应用形式与参考参数目前应用于脑卒中后失语症康复的BCI主要采用P300事件相关电位范式，包括听觉P300和视觉P300两种形式。听觉P300范式中，患者从一系列音频词语中辨别目标词，系统通过目标刺激诱发的P300电位提供实时反馈。参考参数：EEG通道数8～16个，覆盖区域包括Fz、Cz、Pz及颞部等，采样率≥250Hz，滤波带通0.1～30Hz，目标与非目标刺激概率比约1∶4，每轮持续3～5s，每周3～5次，单次20～30min，总疗程≥6周。一项技术验证研究[108]将听觉P300实验方案从德文翻译为荷兰语，在17名健康受试者中对比了六通道空间递送与耳机音高调制递送两种刺激方式，结果显示六通道条件和六通道+音高调制条件下的二元分类AUC分别为0.75和0.76，而耳机递送+音高调制的分类表现与六通道条件处于同一水平，表明经音高调制的词语听觉刺激可通过耳机呈现来替代复杂的多扬声器空间设置，为听觉BCI系统的便携化和居家应用提供了技术基础。视觉P300范式中，患者注视字符矩阵（如6×6）选择目标字符，解码P300电位实现文字输出。参考参数：EEG通道数8～16个，覆盖区域包括Fz、Cz、Pz、T3、T4等，刺激闪烁频率5～10Hz，刺激间隔300～500ms，训练频率与疗程参照听觉范式。此外，基于语义不匹配诱发N400电位的神经反馈范式尚处于探索阶段，建议在具备电生理监测条件的研究机构中谨慎开展。3.4.2疗效评估BCI言语康复的疗效评估需整合行为学、神经电生理及生活质量等多维指标。功能评估主要采用西方失语症成套测验（WAB）、亚琛失语症测试（AAT）和波士顿命名测验等标准化失语症量表（BNT），系统评估患者在语言表达、理解、复述、命名等核心维度的改善程度。日常生活沟通能力评估推荐使用沟通活动日志（CAL）和脑卒中失语症生活质量量表（SAQOL-39），关注患者主观沟通体验与日常交流能力。神经电生理指标包括P300波幅和潜伏期（反映早期注意和语义加工效率）、N400波幅（反映语义整合能力）以及BCI分类准确率等控制性能指标。3.4.3证据整合与推荐强度一项系统评价[36]通过系统检索纳入了7项BCI康复研究，涉及神经反馈、视觉P300和听觉P300三种方法，指出三种技术均可作为传统言语训练之外的可选治疗手段，其中听觉P300在促进失语症患者语言恢复方面在统计学上显著优于视觉P300（推荐强度B/2a）。一项概念验证研究[109]纳入10例慢性卒中后失语症患者，接受基于听觉P300的BCI语言训练（每周4天，总训练时长约30小时），评估结果显示患者语言能力有改善，其中5例患者在后评估中被归类为“非失语”；神经影像学证据表明训练诱发了更快的皮层单词处理速度、语言网络的功能强化以及语言网络与默认模式网络之间的再平衡（推荐强度B/2b）。一项视觉P300临床研究[37]入组12例慢性失语症患者（5例中途退出），完成训练的患者自发言语生成均有改善，其中3例失语症严重程度减轻，主观生活质量和日常功能评分有所提高；但因样本量小及数据缺失，无法排除非特异性效应，尚不能对视觉P300在失语症康复中的潜力做出决定性判断（推荐强度C/4）。推荐意见汇总：对于脑卒中后存在严重表达性障碍且常规沟通手段受限的患者，可考虑在常规言语语言治疗基础上联合基于听觉P300的脑机接口（BCI）作为辅助康复手段（证据等级B/2b）。当前相关研究多为小样本探索性研究，其对语言功能改善的证据仍有限，尤其缺乏关于语言网络重塑的直接证据支持。4总结与展望综上，非侵入式MI-BCI作为一种新兴神经康复技术，在脑卒中后的运动功能重建中具有乐观应用前景，已积累一定循证医学证据。现有系统评价、Meta分析及RCT总体提示，MI-BCI结合功能性电刺激或康复机器人等闭环训练模式，在上肢及部分下肢运动功能恢复中能带来附加获益，尤其在亚急性期及恢复期患者中表现一致。然而，相关研究在干预方案、训练剂量、入组人群及时程等方面存在显著异质性。在非运动功能领域，当前证据基础仍相对有限，其临床效果需积极开展严谨对照研究：（1）感觉功能康复方面，多数结论来源于探索性研究或联合干预的次要结局指标，尚缺乏支持MI-BCI独立作用的直接证据；（2）认知功能方面，仅有小样本研究提示其在注意力、记忆等维度可能存在改善趋势，但整体证据等级较低，研究设计亦存在局限；（3）言语功能康复虽显示一定应用潜力，但样本量小、方法学差异大，尚不足以形成稳定结论。未来研究应重点关注以下方向：（1）应开展大样本、多中心、高质量RCT，以提高证据强度与外部适用性；（2）建立一致性的技术规范与报告标准，统一脑机技术参数与操作规范，降低研究间异质性；（3）完善多维度疗效评价体系，整合行为学、神经电生理及影像学指标；（4）明确不同患者亚群（如病程阶段、功能缺损类型）中的适用人群及最佳干预策略、剂量等；（5）加强对训练过程动态数据的利用，以揭示神经重塑机制并优化个体化干预；（6）系统评估安全性与不良事件，形成规范化风险管理策略。本共识基于现有证据与专家经验提出建议，相关结论应被视为阶段性认识，未来需随着高质量证据的不断积累持续更新与修订。参考文献[1]StinearCM,LangCE,ZeilerS,etal.Advancesandchallengesinstrokerehabilitation[J].LancetNeurol,2020,19(4):348-360.[2]VatinnoAA,SimpsonA,RamakrishnanV,etal.Theprognosticutilityofelectroencephalographyinstrokerecovery:asystematicreviewandmeta-analysis[J].NeurorehabilNeuralRepair,2022,36(4-5):255-268.[3]FeiginVL,BraininM,NorrvingB,etal.WorldStrokeOrganization(WSO):globalstrokefactsheet2022[J].IntJStroke,2022,17(1):18-29.[4]FeiginVL,BraininM,NorrvingB,etal.WorldStrokeOrganization:globalstrokefactsheet2025[J].IntJStroke,2025,20(2):132-144.[5]中国脑卒中防治报告编写组.中国脑卒中防治报告2020概要[J].中国脑血管病杂志,2022,19(2):136-144.[6]GeorgePM,SteinbergGK.Novelstroketherapeutics:unravelingstrokepathophysiologyanditsimpactonclinicaltreatments[J].Neuron,2015,87(2):297-309.[7]RossiniPM,DalFornoG.Neuronalpost-strokeplasticityintheadult[J].RestorNeurolNeurosci,2004,22(3-5):193-206.[8]SitaramR,RosT,StoeckelL,etal.Closed-loopbraintraining:thescienceofneurofeedback[J].NatRevNeurosci,2017,18(2):86-100.[9]SoekadarSR,BirbaumerN,SlutzkyMW,etal.Brain-machineinterfacesinneurorehabilitationofstroke[J].NeurobiolDis,2015,83:172-179.[10]BirbaumerN,CohenLG.Brain-computerinterfaces:communicationandrestorationofmovementinparalysis[J].JPhysiol,2007,579(3):621-636.[11]GloverS,BaranM.Themotor-cognitivemodelofmotorimagery:evidencefromtimingerrorsinsimulatedreachingandgrasping[J].JExpPsycholHumPerceptPerform,2017,43(7):1359-1375.[12]XuL,ZhangH,HuiM,etal.Motorexecutionandmotorimagery:acomparisonoffunctionalconnectivitypatternsbasedongraphtheory[J].Neuroscience,2014,261:184-194.[13]PfurtschellerG,BrunnerC,SchloeglA,etal.Murhythm(de)synchronizationandEEGsingle-trialclassificationofdifferentmotorimagerytasks[J].Neuroimage,2006,31(1):153-159.[14]ChenL,GuB,WangZ,etal.EEG-controlledfunctionalelectricalstimulationrehabilitationforchronicstroke:systemdesignandclinicalapplication[J].FrontMed,2021,15(5):740-749.[15]ZhangW,SongA,ZengH,etal.Theeffectsofbilateralphase-dependentclosed-loopvibrationstimulationwithmotorimageryparadigm[J].IEEETransNeuralSystRehabilEng,2022,30:2732-2742.[16]WangZ,LiuY,HuangS,etal.EnhancingERDactivationandfunctionalconnectivityviathesixth-fingermotorimageryinstrokepatients[J].IEEETransNeuralSystRehabilEng,2024,32:3902-3912.[17]KrucoffMO,MillerJP,SaxenaT,etal.Towardfunctionalrestorationofthecentralnervoussystem:areviewoftranslationalneuroscienceprinciples[J].Neurosurgery,2019,84(1):30-40.[18]BrunnerI,LundquistCB,PedersenAR,etal.Braincomputerinterfacetrainingwithmotorimageryandfunctionalelectricalstimulationforpatientswithsevereupperlimbparesisafterstroke:arandomizedcontrolledpilottrial[J].JNeuroengRehabil,2024,21(1):58.[19]MaZZ,WuJJ,CaoZ,etal.Motorimagery-basedbrain–computerinterfacerehabilitationprogramsenhanceupperextremityperformanceandcorticalactivationinstrokepatients[J].JNeuroengRehabil,2024,21(1):65.[20]HowickJ,ChalmersI,GlasziouP,etal.The2011OxfordCEBMlevelsofevidence[M].Oxford:OxfordCentreforEvidence-BasedMedicine,2011.[21]VidaurreC,BlankertzB.TowardsacureforBCIilliteracy[J].BrainTopogr,2010,23(2):194-198.[22]刘华,周军,杨少峰,等.中文版运动觉-视觉想象问卷在脑卒中患者中的信度[J].中华物理医学与康复杂志,2017,39(4):259-263.[23]BiasiucciA,LeebR,IturrateI,etal.Brain-actuatedfunctionalelectricalstimulationelicitslastingarmmotorrecoveryafterstroke[J].NatCommun,2018,9(1):2421.[24]ManeR,ChewE,PhuaKS,etal.PrognosticandmonitoryEEG-biomarkersforBCIupper-limbstrokerehabilitation[J].IEEETransNeuralSystRehabilEng,2019,27(8):1654-1664.[25]KaiserV,DalyI,PichiorriF,etal.Relationshipbetweenelectricalbrainresponsestomotorimageryandmotorimpairmentinstroke[J].Stroke,2012,43(10):2735-2740.[26]DelcampC,SrinivasanR,CramerSC.EEGprovidesinsightsintomotorcontrolandneuroplasticityduringstrokerecovery[J].Stroke,2024,55(10):2579-2583.[27]BaniquedPDE,StanyerEC,AwaisM,etal.Brain-computerinterfaceroboticsforhandrehabilitationafterstroke:asystematicreview[J].JNeuroengRehabil,2021,18(1):85.[28]FoongR,AngKK,QuekC,etal.AssessmentoftheefficacyofEEG-basedMI-BCIwithvisualfeedbackandEEGcorrelatesofmentalfatigueforupper-limbstrokerehabilitation[J].IEEETransBiomedEng,2020,67(3):786-795.[29]ZhaoLJ,JiangLH,ZhangH,etal.Effectsofmotorimagerytrainingforlowerlimbdysfunctioninpatientswithstrokeasystematicreviewandmeta-analysisofrandomizedcontrolledtrials[J].AmJPhysMedRehabil,2022,101(11):879-887.[30]LuoX.Effectsofmotorimagery-basedbrain-computerinterface-controlledelectricalstimulationonlowerlimbfunctioninhemiplegicpatientsintheacutephaseofstroke:arandomizedcontrolledstudy[J].FrontNeurol,2024,15:1329876.[31]DorschS,NicholsonV,RomanE,etal.Motorimageryprimingimprovesactivityandimpairmentoutcomesinpeopleafterstrokebuttheeffectsofothertypesofprimingareunclear:asystematicreview[J].JPhysiother,2024,70(4):275-287.[32]WuQ,YueZ,GeY,etal.BrainfunctionalnetworksstudyofsubacutestrokepatientswithupperlimbdysfunctionaftercomprehensiverehabilitationincludingBCItraining[J].FrontNeurol,2020,10:592.[33]TsuchimotoS,ShindoK,HottaF,etal.Sensorimotorconnectivityaftermotorexercisewithneurofeedbackinpost-strokepatientswithhemiplegia[J].Neuroscience,2019,416:109-125.[34]Gomez-PilarJ,CorralejoR,Nicolas-AlonsoLF,etal.Neurofeedbacktrainingwithamotorimagery-basedBCI:neurocognitiveimprovementsandEEGchangesintheelderly[J].MedBiolEngComput,2016,54(11):1655-1666.[35]SunX,LiM,LiQ,etal.Poststrokecognitiveimpairmentresearchprogressonapplicationofbrain-computerinterface[J].BiomedResInt,2022,2022:1-12.[36]RizzaroMD,RemoreLG,FasoVL,etal.Rehabilitationbasedonbrain-computerinterfaceforaphasicpatients:asystematicreview[J].DeepBrainStimul,2025,11:18-24.[37]KleihSC,BotrelL.Post-strokeaphasiarehabilitationusinganadaptedvisualP300brain-computerinterfacetraining:improvementovertime,butspecificityremainsundetermined[J].FrontHumNeurosci,2024,18:1400336.[38]KandelE,SchwartzJ,JessellT,etal.Principlesofneuralscience,FifthEdition[M].NewYork:McGraw-Hill,2013.[39]LiuY,HuangSF,XuWG,etal.AnfMRIstudyonthegeneralizationofmotorlearningafterbrainactuatedsupernumeraryrobottraining[J].NPJSciLearn,2024,9(1):18.[40]HuangSF,LiuY,WangZ,etal.EnhancedbrainfunctionalinteractionfollowingBCI-guidedsupernumeraryroboticfingertrainingbasedonsixth-fingermotorimagery[J].IEEETransNeuralSystRehabilEng,2025,33:1519-1528.[41]LiF,ZhangT,LiBJ,etal.Motorimagerytraininginduceschangesinbrainneuralnetworksinstrokepatients[J].NeuralRegenRes,2018,13(10):1771-1781.[42]PhilipsGR,DalyJJ,PrincipeJC.Topographicalmeasuresoffunctionalconnectivityasbiomarkersforpost-strokemotorrecovery[J].JNeuroengRehabil,2017,14(1):67.[43]BonstrupM,KrawinkelL,SchulzR,etal.Low‐frequencybrainoscillationstrackmotorrecoveryinhumanstroke[J].AnnNeurol,2019,86(6):853-865.[44]BraunN,KranciochC,LiepertJ,etal.Motorimageryimpairmentinpostacutestrokepatients[J].NeuralPlast,2017,2017:1-9.[45]SzameitatAJ,ShenS,ConfortoA,etal.Corticalactivationduringexecuted,imagined,observed,andpassivewristmovementsinhealthyvolunteersandstrokepatients[J].Neuroimage,2012,62(1):266-280.[46]BuchER,ShanechiAM,FourkasAD,etal.Parietofrontalintegritydeterminesneuralmodulationassociatedwithgraspingimageryafterstroke[J].Brain,2012,135(2):596-614.[47]MoriokaS,OsumiM,NishiY,etal.Motor‐imageryabilityandfunctionofhemiplegicupperlimbinstrokepatients[J].AnnClinTranslNeurol,2019,6(3):596-604.[48]ManeR,ChewE,PhuaKS,etal.QuantitativeEEGasbiomarkersforthemonitoringofpost-strokemotorrecoveryinbciandtdcsrehabilitation[C]//201840thAnnualInternationalConferenceoftheIEEEEngineeringinMedicineandBiologySociety,2018:5864-5867.[49]AntonioniA,GalluccioM,BaroniA,etal.Event-relateddesynchronizationduringactionobservationisanearlypredictorofrecoveryinsubcorticalstroke:anEEGstudy[J].AnnPhysRehabilMed,2024,67(3):101789.[50]DeVicoFallaniF,PichiorriF,MoroneG,etal.Multiscaletopologicalpropertiesoffunctionalbrainnetworksduringmotorimageryafterstroke[J].Neuroimage,2013,83:438-449.[51]BundyDT,SoudersL,BaranyaiK,etal.Contralesionalbrain-computerinterfacecontrolofapoweredexoskeletonformotorrecoveryinchronicstrokesurvivors[J].Stroke,2017,48(7):1908-1916.[52]LoYT,LimMJR,KokCY,etal.Neuralinterface-basedmotorneuroprosthesisinpoststrokeupperlimbneurorehabilitation:anindividualpatientdatameta-analysis[J].ArchPhysMedRehabil,2024,105(12):2336-2349.[53]KruseA,SuicaZ,TaeymansJ,etal.Effectofbrain-computerinterfacetrainingbasedonnon-invasiveelectroencephalographyusingmotorimageryonfunctionalrecoveryafterstroke-asystematicreviewandmeta-analysis[J].BMCNeurol,2020,20(1):245.[54]ZhangX,CaoD,LiuJ,etal.Effectivenessandsafetyofbrain-computerinterfacetechnologyinthetreatmentofpoststrokemotordisorders:aprotocolforsystematicreviewandmeta-analysis[J].BMJOpen,2021,11(1):e041236.[55]FuJ,ChenS,JiaJ.Sensorimotorrhythm-basedbrain-computerinterfacesformotortasksusedinhandupperextremityrehabilitationafterstroke:asystematicreview[J].BrainSci,2022,13(1):128.[56]NakashimaA,OkamuraR,MoriuchiT,etal.Exploringmethodologicalissuesinmentalpracticeforupper-extremityfunctionfollowingstroke-relatedparalysis:ascopingreview[J].BrainSci,2024,14(3):289.[57]