脑卒中引发的偏瘫是致残率最高的后遗症之一，上肢运动功能的恢复直接决定了患者生活自理能力与社会参与度。传统上肢康复机器人多依赖手柄、语音或触屏控制，不仅患者主动参与度低，难以充分激活神经可塑性促进功能重塑，且控制模式固定，难以适配病房动态非结构化的日常场景。脑机接口技术虽能直接解码大脑运动意图，让患者通过意念控制康复设备，但现有脑控抓取系统普遍指令维度有限、控制模式单一，在复杂环境下自主性不足，难以满足日常康复与生活辅助的实际需求。

2025年4月15日，西安理工大学公开的发明专利“一种脑控上肢康复机器人脑机融合抓取系统及方法”（授权公告号：CN119828895B），构建了“脑控意图解码-知识推理决策-机器人自主执行”的三层融合架构，将基于手部精细运动的脑机接口技术与物品可供性知识图谱、环境专家系统深度结合，在精准解码患者运动意图的基础上，通过智能推理适配动态环境，大幅提升了脑控康复机器人的环境适应性与任务自主性，为偏瘫患者的上肢功能康复与日常生活辅助提供了更具实用性的脑机融合方案。

这套系统的脑控端围绕手部精细运动构建了完整的意图解码链路。首先设计了涵盖左右手五指闭合、食指单指伸展、拇指单指伸展共6种手部精细动作的脑控范式，对应日常抓取动作的核心运动模式；采集端采用国际10-20标准下的64导联脑电采集系统，选取Fz、FC3、FC1、FCz、FC2、FC4、C5、C3、C1、Cz、C2、C4、C6、CP3、CPz、CP4共16个运动皮层相关关键电极点位，捕捉精细运动对应的神经电活动。针对手部精细运动脑电信号特征弱、难解码的问题，系统对采集信号进行4~40Hz巴特沃斯带通滤波与去趋势预处理后，同时提取时域、频域、空域与时频域多维度特征，结合迁移学习与强化学习算法对特征进行优化，再通过特征中间融合卷积神经网络（FIF-CNN）完成多域特征的深度融合与意图解码，有效提升了精细运动脑电信号的识别精度，为后续机器人控制提供可靠的意图输入。

六种手部精细运动的动作示意图

脑电信号处理子模块的电极布置示意图

区别于传统脑控系统“指令-动作”的直接映射模式，这套系统创新性地加入了意图推理层，通过知识驱动的智能推理弥补脑控指令维度有限的不足，适配动态非结构化的病房环境。该层由物品可供性知识图谱与专家系统两条推理路径构成：一方面，预先构建包含60个病房常用物品、67个节点的物品可供性离线知识图谱，将手部精细运动、物品可供性与待抓取物品三者关系映射为三元组结构；康复机器人端的视觉感知单元通过YOLOv5算法对病房环境中的物品进行检测、标注与输出，并将识别结果传输至知识图谱推理单元完成在线知识图谱构建，再与解码出的脑控意图匹配，推理出符合意图的待抓取物品列表；另一方面，基于病房场景构建专家系统知识库，纳入时间、温度、特殊时间节点、特殊事件四类环境因素，通过遍历案例搜索策略，推理出符合当前环境特征的待抓取物品列表。最终，意图决策模块以脑控意图为核心权重（权重值0.4，为各属性中最高），结合特殊事件（0.25）、特殊时间（0.15）、普通时间（0.1）与温度（0.1）构建多属性加权评分模型，综合两条路径的推理结果，计算得出最终待抓取目标，既保证控制符合患者主观意愿，又让机器人具备环境感知与自主决策能力，解决了传统脑控模式指令单一、无法应对复杂动态场景的问题。

最终，康复机器人本体根据决策结果自主规划运动轨迹，通过七自由度机械臂完成物品的自主抓取（该机械臂配置见于专利实施例）。整套系统将生物智能的脑控意图与人工智能的知识推理深度融合，既通过主动脑控模式提升了患者的康复参与度，更符合神经功能重塑的康复规律，又通过智能推理扩展了脑控的任务边界，让康复机器人能够在日常病房场景中提供更贴近真实生活需求的抓取辅助，帮助患者逐步恢复日常生活自理能力。

整体而言，这项专利突破了传统脑控康复机器人“直接指令控制”的局限，构建了意图感知-认知推理-动作执行的完整脑机融合链路，为上肢康复机器人赋予了更强的环境适应性与任务智能性，不仅对提升脑卒中偏瘫患者的康复效果与生活质量具有重要的临床价值，也为脑机接口技术在康复医疗场景的深度落地提供了新的技术思路。

*特别声明：本页面所包含的文字、图片、音视频等内容仅供医学专业人士学习、交流和参考，不构成诊断、治疗建议或医疗服务推荐。文中专家观点仅代表相关专家个人观点，具体诊疗请遵循专业医务人员的指导。