2020年2月4日-与运动有关的大脑活动，尤其是其准确的检测，定量和分类功能，引起了研究人员的极大兴趣。他们正在寻找一种更好的方法来帮助患有认知或运动障碍的患者或改善神经系统损伤患者的神经康复。

人脑的运动和认知活动之间有着密切的关系，而抑制大脑感觉运动皮层内的神经元的特定节律活动(称为mu节奏(8至14赫兹))是生物学的运动相关脑活动的标志。研究表明，与运动相关的脑部活动的这一特征在使用传统方法进行探索时，会受到受试者内部和受试者间变异的影响，例如时频分析，空间过滤和机器学习。

在来自AIP Publishing的Chaos杂志中，俄罗斯Innopolis大学的Nikita Frolov及其同事正在从不同的角度研究这个问题，以寻求与完成运动任务相关的大脑活动的更强大特征。

Frolov说：“我们提出这样的假设，即抑制mu振荡会导致测得的大脑活动信号减少，从而反映了潜在的神经元动力学的简化。”“为解决这个问题，我们应用了循环量化分析(该功能强大的工具箱)，通过对其时间序列进行分析来探索系统的复杂性。”

该小组的工作首次确认了可以简化人脑运动功能基础的感觉运动脑区域内的神经元动力学。

Frolov说：“我们使用RQA工具箱进行了演示，该工具箱与用于量化运动相关的大脑活动的传统方法有着根本的区别。”“我们还证明了RQA复杂性度量非常适合检测和分类运动任务。”

这些结果显示出开发用于分类脑状态的有效方法的潜力。

“通过准确地引入状态空间，您可以将任何自然系统视为动力系统。对于人脑，您可以通过将其活动的测量信号作为状态变量来创建状态空间，” Frolov说。

“在我们的研究中，我们考虑了由运动皮层中记录的一组脑电图(大脑皮层区域内的电活动信号)形成的状态空间。这使我们能够介绍感兴趣的皮层区域的'状态'，并考虑它是一个动力系统。”

小组工作的应用之一是“实现基于RQA的脑电图分析，将其作为用于在线检测，量化和训练脑运动功能的脑机接口的计算核心，” Frolov说。

“这不仅与神经康复过程中运动技能训练的闭环接口的开发有关，而且与认知和运动障碍以及与年龄有关的变化的诊断有关。”