脑机接口技术在脑卒中康复领域应用的文献可视化分析

doi:10.12307/2026.722

中国组织工程研究 ›› 2026, Vol. 30 ›› Issue (18): 4802-4813.doi: 10.12307/2026.722

• 组织工程相关大数据分析 Big data analysis in tissue engineering • 上一篇

脑机接口技术在脑卒中康复领域应用的文献可视化分析

孟卓1，赵仍昊1，章安琪1，化昊天1，王子成1，徐应天2，童培建3

浙江中医药大学，1第一临床医学院，2医学技术与信息工程学院，浙江省杭州市 310053；3浙江中医药大学第一附属医院(浙江省中医院)，浙江省杭州市 310006

收稿日期:2025-06-06 接受日期:2025-08-27 出版日期:2026-06-28 发布日期:2025-12-12
通讯作者: 童培建，男，主任医师，博士生导师，浙江中医药大学第一附属医院(浙江省中医院)，浙江省杭州市 310006
作者简介:孟卓，男，2004年生，山东省威海市人，汉族，浙江中医药大学本科在读。
基金资助:
国家自然科学基金项目(82274547)，项目负责人：童培建；浙江省教育厅一般科研项目(Y202351273)，项目负责人：化昊天

Literature visualization analysis of brain-computer interface applications in stroke rehabilitation

Meng Zhuo1, Zhao Renghao1, Zhang Anqi1, Hua Haotian1, Wang Zicheng1, Xu Yingtian2, Tong Peijian3

1The First School of Clinical Medicine, 2School of Medical Technology and Information Engineering, Zhejiang Chinese Medical University, Hangzhou 310053, Zhejiang Province, China; 3the First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Traditional Chinese Medicine), Hangzhou 310006, Zhejiang Province, China

Received:2025-06-06 Accepted:2025-08-27 Online:2026-06-28 Published:2025-12-12
Contact: Tong Peijian, Chief physician, Doctoral supervisor, the First Affiliated Hospital of Zhejiang Chinese Medical University (Zhejiang Provincial Hospital of Traditional Chinese Medicine), Hangzhou 310006, Zhejiang Province, China
About author:Meng Zhuo, the First School of Clinical Medicine, Zhejiang Chinese Medical University, Hangzhou 310053, Zhejiang Province, China
Supported by:
the National Natural Science Foundation of China, No. 82274547 (to TPJ); General Scientific Research Project of Zhejiang Provincial Department of Education, No. Y202351273 (to HHT)

摘要/Abstract

摘要：

文题释义：
脑机接口技术：是一种通过解码中枢神经系统电生理信号，并将其转化为可操控外部设备指令的神经工程系统。
可视化分析：是一种基于图形化表达的数据研究方法，核心在于将抽象数据转化为可感知的图表模型。该方法能够有效呈现多维变量间的关系、时序演变规律以及分布模式特征，使数据理解更加快速、准确。

背景：近年来随着脑机接口技术的发展，它在脑卒中康复过程中的疗效已得到证实，并取得了丰富成果，亟需进行可视化分析以了解研究前沿与热点。
目的：应用文献计量学可视化软件分析脑机接口在脑卒中康复领域应用的前沿热点及研究趋势。
方法：以Web of Science核心合集与中国知网数据库作为研究基础，利用Citespace 6.4.1、VOSviewer 1.6.20和Excel 2021工具对检索所得的与脑机接口技术在脑卒中功能恢复中应用相关的中英文相关文献进行可视化数据分析，通过科学计量手段深入剖析脑机接口技术在脑卒中康复领域的研究现状、热点议题及未来趋势。
结果与结论：①共纳入2003-2025年中英文文献985篇(英文879篇，中文106篇)，该领域国内外年发文量均持续增长；②中国、美国与德国是该领域年发文量最多的国家；该领域最具影响力的机构为德国图宾根大学，中文发文量最高的机构为复旦大学附属华山医院；瑞士的《FRONTIERS IN NEUROSCIENCE》是英文发文量最高的期刊，《中国康复医学杂志》为中文发文量最高的期刊；英文发文量最高的作者为德国的Birbaumer Niels，中文发文量最高的作者为贾杰；③文献分析可见，国际研究侧重理论与临床效果的验证，且关注上肢功能与神经的恢复；国内研究更关注技术与系统的优化与开发，侧重康复领域应用的广泛探索；④运动想象为中英文文献共同的高频关键词，研究热点聚焦在基于脑电图、运动想象的脑机接口系统开发；⑤多模态结合、人工智能融合、康复手段拓展及国际合作深化可能是该领域未来发展的主要趋势。

https://orcid.org/0009-0008-5992-8918(孟卓)

中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

关键词: 脑机接口技术, 脑卒中, 康复, 文献计量学, VOSviewer软件, Citespace软件, 脑电图, 运动想象, 虚拟现实技术, 上肢功能康复, 人工智能

Abstract: BACKGROUND: Recent advancements in brain-computer interface technology have demonstrated its clinical efficacy in stroke rehabilitation, yielding substantial therapeutic outcomes. A comprehensive visual analysis is imperative to elucidate current research frontiers and identify emerging hotspots in this rapidly evolving field.
OBJECTIVE: To systematically examine research frontiers and developmental trends in brain-computer interface applications for stroke rehabilitation using bibliometric visualization tools.
METHODS: Based on the Web of Science Core Collection and China National Knowledge Infrastructure (CNKI) databases, Citespace 6.4.1, VOSviewer 1.6.20, and Excel 2021 were employed for visualized data analysis of retrieved Chinese and English literature focusing on the application of brain-computer interface technology in post-stroke functional recovery. Using scientometric methods, we conducted an in-depth analysis of the current research status, hot topics, and future trends regarding brain-computer interface technology in stroke rehabilitation.
RESULTS AND CONCLUSION: (1) A total of 985 Chinese and English articles (879 in English and 106 in Chinese) published between 2003 and 2025 were included. Annual publication output in this field has shown a consistent growth trend both domestically and globally. (2) China, the United States, and Germany were the most productive countries. The University of Tübingen (Germany) ranked as the most influential institution, while Huashan Hospital, Fudan University, topped Chinese institutions in publication output. Frontiers in Neuroscience (Switzerland) was the leading English journal, and the Chinese Journal of Rehabilitation Medicine was the foremost Chinese journal. Birbaumer Niels (Germany) had the highest publication output in English, whereas Jia Jie was the most prolific author in Chinese literature. (3) International research focused on theoretical validation and clinical efficacy, with a particular emphasis on upper limb and neural recovery. Domestic studies prioritized technological and systemic optimization, with a focus on exploring broader applications in rehabilitation. (4) “Motor imagery” emerged as a common high-frequency keyword in both Chinese and English literature, with research hotspots focusing on electroencephalography-based and motor imagery-driven brain-computer interface systems. (5) Future trends are likely to include multimodal integration, artificial intelligence fusion, expanded rehabilitation approaches, and strengthened international collaboration.

Key words: brain-computer interface technology, stroke, rehabilitation, bibliometrics, VOSviewer, Citespace, electroencephalogram, motor imagery, virtual reality technology, upper limb functional rehabilitation, artificial intelligence

中图分类号:

孟卓, 赵仍昊, 章安琪, 化昊天, 王子成, 徐应天, 童培建. 脑机接口技术在脑卒中康复领域应用的文献可视化分析[J]. 中国组织工程研究, 2026, 30(18): 4802-4813.

Meng Zhuo, Zhao Renghao, Zhang Anqi, Hua Haotian, Wang Zicheng, Xu Yingtian, Tong Peijian. Literature visualization analysis of brain-computer interface applications in stroke rehabilitation[J]. Chinese Journal of Tissue Engineering Research, 2026, 30(18): 4802-4813.

参考文献

[1] ROGER VL, GO AS, LLOYD-JONES DM, et al. Heart disease and stroke statistics--2011 update: a report from the American Heart Association. Circulation. 2011;123(4):e18-e209.
[2] GS C. Global, regional, and national burden of neurological disorders, 1990-2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet Neurol. 2019;18(5):459-480.
[3] De LUCA R, SCIARRONE F, MANULI A, et al. Can emerging technologies be effective in improving alexithymia due to brain lesion? Medicine (Baltimore). 2020;99(38):e22313.
[4] BENJAMIN EJ, MUNTNER P, ALONSO A, et al. Heart Disease and Stroke Statistics-2019 Update: A Report From the American Heart Association. Circulation. 2019;139(10):e56-e528.
[5] 蒋勤, 张毅, 谢志荣. 脑机接口在康复医疗领域的应用研究综述[J]. 重庆邮电大学学报(自然科学版),2021,33(4):562-570.
[6] FU J, CHEN S, JIA J. Sensorimotor Rhythm-Based Brain-Computer Interfaces for Motor Tasks Used in Hand Upper Extremity Rehabilitation after Stroke: A Systematic Review. Brain Sci. 2022;13(1):56.
[7] KAWAKAMI M, FUJIWARA T, USHIBA J, et al. A new therapeutic application of brain-machine interface (BMI) training followed by hybrid assistive neuromuscular dynamic stimulation (HANDS) therapy for patients with severe hemiparetic stroke: A proof of concept study. Restor Neurol Neurosci. 2016;34(5):789-797.
[8] 金伟. 《编辑学报》1995—2004年载文作者群统计分析[J]. 编辑学报,2006(1): 78-80.
[9] 丁学东. 文献计量学基础[M]. 北京:北京大学出版社,1993.
[10] 宫会玲. 基于文献计量方法的期刊核心作者群分析：以《华南地震》为例[J]. 地震地磁观测与研究,2024,45(2):177-182.
[11] 赵丽红. 基于高被引论文的情报学研究现状分析[J]. 现代情报,2008,28(12):157-160.
[12] MILLAN JD, RUPP R, MULLER-PUTZ GR, et al. Combining Brain-Computer Interfaces and Assistive Technologies: State-of-the-Art and Challenges. Front Neurosci. 2010;4:161.
[13] CHAUDHARY U, BIRBAUMER N, RAMOS-MURGUIALDAY A. Brain-computer interfaces for communication and rehabilitation. Nat Rev Neurol. 2016;12(9):513-525.
[14] 王仲朋, 陈龙, 何峰, 等. 面向康复与辅助应用的脑-机接口趋势与展望[J]. 仪器仪表学报,2017,38(6):1307-1318.
[15] 张桃, 杨帮华, 段凯文, 等. 基于运动想象脑机接口的手功能康复系统设计[J]. 中国康复理论与实践,2017,23(1):4-9.
[16] RAMOS-MURGUIALDAY A, BROETZ D, REA M, et al. Brain-machine interface in chronic stroke rehabilitation: a controlled study. Ann Neurol. 2013;74(1):100-108.
[17] DALY JJ, WOLPAW JR. Brain-computer interfaces in neurological rehabilitation. Lancet Neurol. 2008;7(11):1032-1043.
[18] 陈树耿, 束小康, 贾杰. 基于闭环脑机接口的脑卒中患者的手功能康复研究[J]. 中国康复医学杂志,2016,31(11):1189-1194.
[19] 刘小燮, 毕胜, 高小榕, 等. 基于运动想象的脑机交互康复训练新技术对脑卒中大脑可塑性影响[J]. 中国康复医学杂志, 2013,28(2):97-102.
[20] BUCH E, WEBER C, COHEN LG, et al. Think to move: a neuromagnetic brain-computer interface (BCI) system for chronic stroke. Stroke. 2008;39(3):910-917.
[21] 陈树耿, 贾杰. 脑机接口在脑卒中手功能康复中的应用进展[J]. 中国康复理论与实践,2017,23(1):23-26.
[22] 陈超美, 李杰. Cite Space科技文本挖掘及可视化[M]. 北京:首都经贸大学出版社,2016.
[23] PICHIORRI F, MORONE G, PETTI M, et al. Brain-computer interface boosts motor imagery practice during stroke recovery. Ann Neurol. 2015;77(5):851-865.
[24] ANG KK, GUAN C, PHUA KS, et al. Brain-computer interface-based robotic end effector system for wrist and hand rehabilitation: results of a three-armed randomized controlled trial for chronic stroke. Front Neuroeng. 2014;7:30.
[25] ANG KK, CHUA KS, PHUA KS, et al. A Randomized Controlled Trial of EEG-Based Motor Imagery Brain-Computer Interface Robotic Rehabilitation for Stroke. Clin EEG Neurosci. 2015;46(4):310-320.
[26] BIASIUCCI A, LEEB R, ITURRATE I, et al. Brain-actuated functional electrical stimulation elicits lasting arm motor recovery after stroke. Nat Commun. 2018;9(1):2421.
[27] CERVERA MA, SOEKADAR SR, USHIBA J, et al. Brain-computer interfaces for post-stroke motor rehabilitation: a meta-analysis. Ann Clin Transl Neurol. 2018;5(5):651-663.
[28] VOURVOPOULOS A, JORGE C, ABREU R, et al. Efficacy and Brain Imaging Correlates of an Immersive Motor Imagery BCI-Driven VR System for Upper Limb Motor Rehabilitation: A Clinical Case Report. Front Hum Neurosci. 2019;13:244.
[29] 杨亮宇. 面向上肢康复的VR-BCI训练系统关键技术研究[D]. 常州:常州大学,2023.
[30] 胡景钊, 刘阳, 贾巧妹, 等. 基于镜像神经元理论的便携式MI-VR BCI康复系统设计[J]. 西北大学学报(自然科学版), 2021,51(4):567-576.
[31] 徐硕, 贾杰. “中枢-外周-中枢”闭环康复：脑卒中后手功能康复新理念的临床应用进展[J]. 中国康复医学杂志, 2024,39(10):1537-1541.
[32] 初建松, 曹曼, 赵林林, 等. 基于CiteSpace的EwE模型文献计量学与可视化分析[J]. 应用生态学报,2021,32(2): 763-770.
[33] 阎亦舒, 王莉莉, 张海湃, 等. 针刺干预自主神经的CiteSpace可视化分析[J]. 针灸临床杂志,2025,41(2):58-69.
[34] AGHAEI AS, MAHANTA MS, PLATANIOTIS KN. Separable Common Spatio-Spectral Patterns for Motor Imagery BCI Systems. IEEE Trans Biomed Eng. 2016;63(1):15-29.
[35] WOLPAW JR, BIRBAUMER N, HEETDERKS WJ, et al. Brain-computer interface technology: a review of the first international meeting. IEEE Trans Rehabil Eng. 2000;8(2):164-173.
[36] PFURTSCHELLER G, NEUPER C. Motor imagery and direct brain-computer communication. Proc IEEE Inst Electr Electron Eng. 2001;82(7):1123-1134.
[37] VAN DOKKUM LEH, WARD T, LAFFONT I. Brain computer interfaces for neurorehabilitation - its current status as a rehabilitation strategy post-stroke. Ann Phys Rehabil Med. 2015;58(1):3-8.
[38] PICHIORRI F, MORONE G, PETTI M, et al. Brain-Computer Interface Boosts Motor Imagery Practice during Stroke Recovery. Ann Neurol. 2015;77(5):851-865.
[39] ANG KK, GUAN C. Brain-Computer Interface in Stroke Rehabilitation. J Comp Sci Eng. 2013;7(2):139-146.
[40] ANG KK, GUAN C, CHUA KSG, et al. A Large Clinical Study on the Ability of Stroke Patients to Use an EEG-Based Motor Imagery Brain-Computer Interface. Clin EEG Neurosci. 2011;42(4):253-258.
[41] CHO W, HEILINGER A, ORTNER R, et al. Motor rehabilitation for hemiparetic stroke patients using a brain-computer interface method. 2018 IEEE International Conference on Systems, Man, and Cybernetics. 2018: 2577-1655.
[42] 罗浩月, 李秋芳. 基于CiteSpace的疼痛灾难化相关研究热点的可视化分析[J]. 军事护理,2023,40(7):77-81.
[43] 陈悦, 陈超美, 刘则渊, 等. CiteSpace知识图谱的方法论功能[J]. 科学学研究, 2015,33(2):242-253.
[44] BIASIUCCI A, LEEB R, ITURRATE I, et al. Brain-actuated functional electrical stimulation elicits lasting arm motor recovery after stroke. Nat Commun. 2018;9(1):2421.
[45] SCHWEMMER MA, SKOMROCK ND, SEDERBERG PB, et al. Meeting brain-computer interface user performance expectations using a deep neural network decoding framework. Nat Med. 2018; 24(11):1669-1676.
[46] PANDARINATH C, NUYUJUKIAN P, BLABE CH, et al. High performance communication by people with paralysis using an intracortical brain-computer interface. Elife. 2017;6: e18554.
[47] XIE X, YU ZL, LU H, et al. Motor Imagery Classification Based on Bilinear Sub-Manifold Learning of Symmetric Positive-Definite Matrices. IEEE Trans Neural Syst Rehabil Eng. 2017;25(6):504-516.
[48] MULLER-PUTZ GR, SCHERER R, PFURTSCHELLER G, et al. Temporal coding of brain patterns for direct limb control in humans. Front Neurosci. 2010;4:34.
[49] VARBU K, MUHAMMAD N, MUHAMMAD Y. Past, Present, and Future of EEG-Based BCI Applications. Sensors (Basel). 2022; 22(9):3331.
[50] ALAWIEH A, ZHAO J, FENG W. Factors affecting post-stroke motor recovery: Implications on neurotherapy after brain injury. Behav Brain Res. 2018;340:94-101.
[51] ANG KK, GUAN C, CHUA KSG, et al. A Large Clinical Study on the Ability of Stroke Patients to Use an EEG-Based Motor Imagery Brain-Computer Interface. Clin EEG Neurosci. 2011;42(4):253-258.
[52] VIDAL JJ. Toward direct brain-computer communication. Annu Rev Biophys Bioeng. 1973;2:157-180.
[53] van ERP JBF, LOTTE F, TANGERMANN M. Brain-Computer Interfaces: Beyond Medical Applications. Computer (Long Beach Calif). 2012;45(4):26-34.
[54] PFURTSCHELLER G, MUELLER-PUTZ GR, SCHERER R, et al. Rehabilitation with Brain-Computer Interface Systems. Computer (Long Beach Calif). 2008;41(10):58-65.
[55] KWAK N, MUELLER K, LEE S. A lower limb exoskeleton control system based on steady state visual evoked potentials. J Neural Eng. 2015;12(5):056009.
[56] 陈翰, 刘翔宇, 程佳君, 等. 植入式脑机接口电极的频率优化(英文)[J]. 东南大学学报(英文版),2025,41(3):366-374.
[57] CHUNG E, KIM J, PARK D, et al. Effects of brain-computer interface-based functional electrical stimulation on brain activation in stroke patients: a pilot randomized controlled trial. J Phys Ther Sci. 2015;27(3):559-562.
[58] ZHANG X, MA Z, ZHENG H, et al. The combination of brain-computer interfaces and artificial intelligence: applications and challenges. Ann Transl Med. 2020;8(11):712.
[59] CRAIK A, HE Y, CONTRERAS-VIDAL JL. Deep learning for electroencephalogram (EEG) classification tasks: a review. J Neural Eng. 2019;16(3):031001.
[60] ZHANG X, YAO L, WANG X, et al. A survey on deep learning-based non-invasive brain signals: recent advances and new frontiers. J Neural Eng. 2021;18(3). doi: 10.1088/1741-2552/abc902.
[61] CHAI X, CAO T, HE Q, et al. Brain-computer interface digital prescription for neurological disorders. CNS Neurosci Ther. 2024;30(2): e14615.

引言

材料方法

1 资料和方法 Data and methods
1.1 文献检索
1.1.1 检索者由2位作者在2025-01-24进行检索。
1.1.2 检索策略在中国知网和Web of Science核心合集(WoSCC)中分别进行主题词检索。检索时限：建库起至2025年1月。
中文检索式：主题=( 脑机接口+
BCI ) AND 主题=( 认知功能障碍+运动功能障碍 + 脑卒中 + 中风 )。
英文检索式：TS=(brain computer interface OR brian computer interface OR brain-machine interface OR brain-computer interfaces) AND TS=(stroke OR cerebral apoplexy OR hemiplegia)。
1.2 纳入标准 ①文献主题与脑机接口技术在脑卒中功能恢复中的应用相关；②研究设计为临床试验、综述、系统评价和Meta分析；③在Web of Science核心合集中语言限定为英语，文献类型为“article”和“review article”两种。
1.3 排除标准 ①文献主题并非脑机接口技术在脑卒中功能恢复领域的应用；②文献资料不完整或重复；③中英文以外的文献；④文献类型为会议论文、科技成果、专利、年鉴、报纸、信函等。
1.4 筛选流程见图1。
1.5 研究方法首先，对筛选的文献进行数据处理，将其全记录及所引用的参考文献以纯文本形式导出。其中来源于中国知网的文献，分别导出为Refworks格式与EndNote格式，并利用Citespace 6.4.1软件提供的格式转换功能，将Refworks格式的文献数据转换为Web of Science(WoS)格式，以便统一处理与分析。此外，鉴于中国知网数据库在文献共被引分析方面存在的局限性，采取手动补充引文信息(包括引文作者、年限、期刊名称等)，以弥补这一不足。

其次，使用VOSviewer 1.6.20、CiteSpace 6.3.1和Excel 2021对纳入文献进行深入的数据挖掘与可视化分析。主要聚焦于纳入文献的发文量分析、施引文献被引分析、参考文献共被引分析、关键词分析，并对文献一般信息学内容(包括期刊、作者、机构、国家)进行简单分析。

讨论

3.1 脑机接口技术在脑卒中康复领域应用的现状
3.1.1 脑机接口技术的原理与临床应用脑机接口技术是通过采集并解析大脑信号实现与外部设备的直接交互，其核心流程包括信号采集、信号处理(包括预处理、特征提取及分类算法)、控制设备，最终将脑信号转化为控制指令驱动外设[5]。脑机接口系统通过侵入式或非侵入式手段获取脑电信号。侵入式通过置入电极记录皮质神经元活动，信号精度高但存在手术风险；非侵入式通过头皮或体表采集信号，安全性高但易受噪声干扰。
在临床应用中，脑机接口显著推动了神经康复领域的发展：针对脑卒中或脊髓损伤患者，脑机接口结合功能性电刺激或外骨骼设备可解码运动意图，促进神经可塑性[44-45]；对于闭锁综合征或语言、认知功能障碍患者，基于P300或稳态视觉诱发电位的脑机接口系统，可实现字符输入辅助完成语言交流[46]。对于运动障碍患者，通过脑机接口控制外部设备，可实现上、下肢的运动替代，起到辅助运动的作用[47-48]。然而，当下脑机接口仍面临信号传输速率低、系统稳定性不足及侵入式手术风险等挑战[5]。未来需深化神经机制研究，推动硬件标准化与多学科融合，以提升技术普适性，为神经康复与功能替代提供更安全精准的解决方案。
3.1.2 脑机接口技术在脑卒中领康复领域应用的现状脑机接口技术在脑卒中康复领域的应用近年来受到了广泛的关注与研究[49-50]。截至2025年1月，脑机接口技术在脑卒中康复领域的文献数量呈现显著增长趋势。
从国家分布来看，中国、美国、德国、英国和西班牙是脑机接口技术在脑卒中康复领域研究的主要输出国。结合合作网络图可见，目前已经形成了以美国、德国和英国为核心的复杂合作网络。中国的文献虽产出量高，但中心性低，与欧美国家的研究合作有待加强。
在期刊分布方面，脑机接口技术在脑卒中康复领域应用的发文量前8的英文期刊中，有2家美国期刊和4家瑞士期刊，涵盖了神经科学、生物医学工程、康复医学等多个领域。其中，发文量最多的期刊是《FRONTIERS IN NEUROSCIENCE》；篇平均被引次数最多的期刊是《SENSORS》；中文发文量前8的期刊主要来源于中国的康复医学杂志和高校学报等，虽然发文量相对较少，但也在逐渐形成自己的研究体系。上述均表明脑机接口技术在脑卒中康复领域的研究中，具体应用的探索性研究非常活跃，呈现出理论与实践共同促进、相互发展的态势。
从研究机构的分布来看，英文文献发文量前5的机构中，德国图宾根大学在该领域的研究成果最为显著，其发文量、被引次数和篇平均被引次数均位居前列。中国、丹麦、日本等国家的研究机构也在该领域占据了重要地位。然而，从中文发文量前5的机构及其网络关系中可以看出，中国的研究机构以高校为主体。
从作者发文数量及合作关系来看，核心作者之间形成了稳定的研究团队，团队内部合作密切。国际上，以德国作者Birbaumer Niels的团队为核心的研究分布较为显著；而在国内，复旦大学的贾杰影响力最高，各作者研究团队之间尚缺乏广泛的合作，国际合作尤为不足。
综上分析，当前国内脑机接口技术在脑卒中康复领域呈现 “数量高，质量低”的特点，中国虽以244篇文献成为最大产出国，但国际合作薄弱，中心性仅为0.07，且研究多集中于高校，临床转化能力不足；而德国图宾根大学则以高被引成果主导国际前沿，凸显产学研深度协同的优势。期刊分布上，瑞士《Frontiers in Neuroscience》与美国《SENSORS》分别以 “高产” 与 “高影响力” 引领英文研究，而中文期刊仍处于体系构建阶段。未来需打破国内外合作壁垒，推动基础研究与技术标准化协同发展。
3.2 脑机接口技术在脑卒中康复领域应用的研究热点分析通过对相关文献的关键词共现分析和聚类分析，可以将脑机接口技术在脑卒中康复领域应用的研究热点总结概括为4点，分别是基于脑电图的脑机接口系统、基于运动想象的脑机接口系统、脑机接口系统与其他技术结合在脑卒中康复领域的应用，以及脑机接口系统在脑卒中后上肢康复的应用。
3.2.1 基于脑电图的脑机接口系统在脑卒中康复领域的应用脑电图作为一种非侵入式的脑信号采集手段，操作简便、安全性高，成为脑机接口技术在脑卒中康复领域应用的首选。英文文献被引次数最高的文献中，DALY等[17]综述了基于脑电图的非侵入性脑机接口技术用于康复的核心机制包括：通过神经反馈帮助患者调节异常脑活动，以及利用大脑信号补充受损的肌肉控制，从而提高康复效果。ANG等[24-25]证明了基于脑电图的脑机接口技术结合康复机器人，对严重脑卒中后偏瘫患者的上肢康复有效安全，且可减少康复过程中手臂运动重复次数，在促进慢性脑卒中患者的运动功能恢复方面具有潜力。在英文文献关键词中，“脑电图”是除检索词外出现频次第2的关键词，在英文关键词聚类图谱中，#0 脑电图是该领域研究的最大、最受关注的聚类。
3.2.2 基于运动想象的脑机接口系统在脑卒中康复领域的应用陈树耿等[18]验证，基于运动想象的闭环式脑机接口康复训练可促进脑卒中患者大脑的脑区激活，从而有利于其皮质重塑。PICHIORRI等[23]证明脑机接口支持的运动想象训练，可显著改善亚急性中风患者上肢功能，优于传统运动想象训练。关键词“运动想象”是除检索词外出现频次最高(达到283次)，且中心性最高的关键词。中文关键词聚类图谱中，#3运动想象同样受到很高关注。
3.2.3 脑机接口技术结合各技术在脑卒中康复领域的应用传统的神经系统疾病的康复治疗过程单调乏味[51]，将虚拟现实技术与脑机接口技术相结合，可提高康复训练的效果和趣味性。ATHANASIOS等[28]证明基于脑电图的脑机接口-虚拟现实系统能使脑激活增加，使大脑运动网络发生了神经可塑性变化。中文最高被引文献中刘小燮等[19]证明脑机接口-功能性电刺激应用于存在脑损伤的脑卒中患者的康复训练是可行的。
3.2.4 脑机接口技术在脑卒中后上肢功能康复的应用此次研究发现，该领域多数研究者热衷于研究脑机接口技术在脑卒中后上肢运动功能康复中的安全性和有效性，如RAMOS-MURGUIALDAY等[16]、刘小燮等[19]、王仲朋等[14]、陈树耿等[18，21]；中、英文共被引频次前10的共计20篇文献中有10篇涉及脑卒中后上肢康复。且关键词“上肢” “上肢运动”等在中、英文文献中的出现频次和中心性均较高，在关键词聚类图谱中同样能够体现。脑卒中后上肢康复在脑机接口技术应用中备受关注的原因，可以总结如下：①对于脑卒中后重度上肢瘫痪，尤其是手部运动功能严重受损的患者目前尚无行之有效的康复手段；②双侧手臂训练等技术，是改善慢性脑卒中患者运动功能的有用策略；③上肢的运动更加精细多样，可更好地展示脑机接口技术的精确性与多样性。
以上提出的4个研究热点中，国际研究更侧重于热点：①基于脑电图的脑机接口系统在脑卒中康复领域的应用；②基于运动想象的脑机接口系统在脑卒中康复领域的应用，而国内的研究则侧重于热点；③脑机接口技术结合各技术在脑卒中康复领域的应用；④脑机接口技术在脑卒中后上肢功能康复的应用。
3.3 脑机接口技术在脑卒中康复领域应用的研究趋势分析通过对相关文献共被引突现分析，可以预测脑机接口技术在脑卒中康复领域应用的研究趋势。1973年VIDAL[52]首次创造脑机接口这一名词，探索使用人类直接神经记录来控制外部设备的可行性。如今脑机接口技术不断优化，在神经康复领域发挥了出色的疗效，在神经系统疾病的治疗中扮演愈加重要的角色[53-56]。
英文文献的共被引突现分析显示，国际脑机接口技术在脑卒中康复领域的研究经历了从初步理论验证到多模态结合的演进过程。2008-2012年，研究主要集中在脑机接口技术的初步理论验证和应用；2013-2015年，研究重点转向了脑机接口技术的优化和多模态结合；2016-2018年，研究进一步深入到脑机接口技术的临床验证和机制研究；2019年至今，研究逐渐扩展到脑机接口技术在脑卒中后认知和情感康复中的应用，探索其在整体康复中的潜力。总体经历了从理论验证到多模态结合的演进。中文文献的共被引突现分析显示，国内研究在2012-2018年主要集中在脑机接口技术的初步应用和机制探索[57]；2021年至今，国内研究范围显著扩大[26]，总体经历了从起步到创新的演变。
综上所述，国内外脑机接口技术在脑卒中康复领域的未来发展趋势主要体现在以下方面：①脑机接口技术多模态结合与个性化康复的创新型发展；②人工智能与脑机接口技术的融合应用：人工智能在处理脑机接口系统中的大量多模态神经信号及环境信息时显示了其无与伦比的优越性[58-60]；③认知与情感康复的拓展：脑机接口技术可以通过直接与环境交互来补偿脑部受损的功能[61]，进而为患者认知与情感的康复提供助力；④加强国际合作与创新，尤其是国内研究，应在创新的基础上重视合作。
此外也可依此预测国内外脑机接口技术的热门研究方向可能为：①多模态脑机接口系统融合与技术创新；②神经可塑性机制研究与其成果的临床转化；③脑机接口与AI的结合应用；④更加便携化的脑机接口设备开发。
3.4 文献计量与可视化分析局限性及此文特点尽管文献计量与可视化分析在揭示研究领域现状、热点和趋势方面具有显著优势，但仍存在一定的局限性：首先，文献计量分析主要依赖于已发表的文献数据，因此可能受到发表偏倚的影响，一些未发表的研究或正在进行的研究可能无法被纳入分析范围，从而导致分析结果的不全面性；其次，可视化分析虽然能够直观展示研究领域的结构和关系，在作用机制及面向患者的临床意义的深入阐述方面存在欠缺；再次，由于各国对于该领域的诸多用词尚未明确统一，故尽管已有细致的修改，但在对现有研究热点的总结与概览方面仍可能存在难以避免的重复；最后，由于此文研究主题，即“脑机接口技术在脑卒中康复领域的应用”，涉及到诸多学科，而不同学科领域对文献引用数量和频率的偏好各不相同，这种学科间的差异也将影响文献计量的结果分析。
此外，此文也采取了一些方法来丰富文献计量结果、规避文献计量学局限性。在数据库来源方面，此文不仅收集纳入Web of Science核心集数据，同样尝试纳入了中国知网中文文献数据进行分析；针对当下中国知网文献无法进行文献共被引分析问题，此次研究采用手动添加中国知网文献引文信息的方法，虽此方法在普适性上有所欠缺，但弥补了此次研究中的部分重要信息，支持将国际与国内文献计量结果对比分析。
3.5 结论与展望此次研究基于Web of Science核心集、中国知网和VOSviewer、Citespace软件，从中、英文文献的发文量、国家、期刊、机构以及核心作者的角度分析，发现在国际上，特别是美国、德国和英国，脑机接口技术的研究和应用已形成紧密的合作网络，显著推动了该领域的发展。中国近年来在该领域的研究也逐渐加速，虽起步较晚，但已展现出强劲的发展势头。从高被引文献、共被引文献、关键词的角度分析发现，当前脑机接口技术在脑卒中康复领域的应用研究热点聚焦在基于脑电图、运动想象的脑机接口系统以及将脑机接口与各类技术结合方面；而未来人工智能与脑机接口技术的融合应用将为脑卒中康复领域带来革新与突破，认知与情感康复的拓展以及国际合作与创新的加强也将是该领域的重要发展方向。
中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程

脑机接口技术在脑卒中康复领域应用的文献可视化分析

Literature visualization analysis of brain-computer interface applications in stroke rehabilitation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	徐灿丽, 何文星, 王玉萍, 巴寅颖, 迟莉, 王文娟, 王佳佳. 核因子κB激活激酶在自身免疫、信号通路、基因表达、肿瘤防治等领域的研究脉络与趋势[J]. 中国组织工程研究, 2026, 30(在线): 1-11.
[2]	朱小龙, 张玮, 杨阳. 椎间盘再生与修复领域研究热点与前沿信息的可视化分析[J]. 中国组织工程研究, 2026, 30(9): 2391-2402.
[3]	温发延, 李岩, 强天明, 杨琛, 申林明, 李亚东, 柳永明. 单侧双通道内镜技术治疗腰椎疾病：全球研究现状及变化趋势[J]. 中国组织工程研究, 2026, 30(9): 2380-2390.
[4]	王峥, 程吉, 于金龙, 刘文红, 王召红, 周鲁星. 水凝胶材料在脑卒中治疗中的应用进展与未来展望[J]. 中国组织工程研究, 2026, 30(8): 2081-2090.
[5]	高峰, 张俊, 余文君, 单于玉婧, 赵乐, 胡雨婷, 王俊华, 刘永富. 佩戴腕手矫形器对脑卒中患者手功能障碍作用的Meta分析[J]. 中国组织工程研究, 2026, 30(8): 2124-2131.
[6]	陶代菊, 苏海玉, 王宇琪, 沈志强, 何波. 高/低表达miR-122-5p稳转PC12细胞株的构建和鉴定[J]. 中国组织工程研究, 2026, 30(7): 1790-1799.
[7]	曹新燕, 于子夫, 冷晓轩, 高世爱, 陈金慧, 刘西花. 重复经颅磁刺激和经颅直流电刺激对脑瘫患儿运动功能及步态影响的网状Meta分析[J]. 中国组织工程研究, 2026, 30(6): 1539-1548.
[8]	黄杰, 曾浩, 王文驰, 吕柱成, 崔伟. 脂代谢影响骨质疏松症的文献可视化分析[J]. 中国组织工程研究, 2026, 30(6): 1558-1568.
[9]	陈强, 伍文娟, 江舒华, 黄达. 体育锻炼改善烧伤患者身体功能的系统评价与Meta分析[J]. 中国组织工程研究, 2026, 30(5): 1269-1281.
[10]	周坚, 张涛, 周威力, 赵星丞, 王军, 沈杰, 钱丽, 陆明. 抗阻训练对骨质疏松并肌少症患者股四头肌质量及膝关节功能的影响[J]. 中国组织工程研究, 2026, 30(5): 1081-1088.
[11]	杨媛媛, 周珊珊, 成小菲, 冯露叶, 汤继芹. 非侵入性脑刺激治疗脑卒中后下肢运动功能障碍的网状Meta分析[J]. 中国组织工程研究, 2026, 30(4): 1008-1018.
[12]	廖广滔, 冯梓誉, 傅小勇, 赵清兰, 陈超, 洪劲松. 距下关节制动治疗儿童柔性扁平足：影像学指标与临床疗效的关系[J]. 中国组织工程研究, 2026, 30(3): 661-670.
[13]	姜侃, 阿力木江·阿不都肉苏力, 沙拉依丁·艾尔西丁, 艾克拜尔江·艾赛提, 库提鲁克·守克尔, 艾克热木江·木合热木. 生物材料与骨再生：研究热点及有影响力的500篇文献分析[J]. 中国组织工程研究, 2026, 30(2): 528-536.
[14]	冷晓轩, 于子夫, 曹新燕, 高世爱, 陈金慧, 刘西花. 脑卒中偏瘫患者平衡功能现状及影响因素分析[J]. 中国组织工程研究, 2026, 30(18): 4611-4617.
[15]	路安然, 王晨宇, 张艳, 黄华生. 高强度间歇训练改善自发性高血压模型大鼠内皮祖细胞外泌体功能[J]. 中国组织工程研究, 2026, 30(18): 4627-4637.