针对机器学习方法在对脑电特征进行分类时无法同时兼顾脑电信号的时-空域特征的问题,利用添加注意力机制的卷积神经网络提取空间特征和双向门控循环单元提取时间特征,提出一种基于特征融合的运动想象(Motor Imagery,MI)脑电分类算法(Attention-EEGNet-BiGRU,AEBGNet),AEBGNet可将时、空域两类特征相融合,得到更具表征性的时-空域特征,最终构建的AEBGNet分类模型在BCI competition IV 2b数据集上取得80.37%的平均正确率,比标准的EEGNet方法提高6.09%.结果表明,本文方法可以有效提高MI脑电信号的分类正确率,为MI脑电信号的分类提供新的思路.

脑机接口（BCI）构建了人脑与外部设备之间的直接通信，已应用于神经系统疾病诊疗相关的临床研究中，在功能检测评估、交流控制、康复训练及神经调控等方面具有重要价值。本文总结了不同形式的脑机接口技术，神经系统疾病BCI临床研究进展，以及制定恰当的临床试验标准和伦理规范的重要性。进一步重点解读了在《神经系统疾病脑机接口临床研究实施与管理的中国专家共识》中总结的神经系统疾病BCI临床研究范畴，神经系统疾病BCI临床研究的伦理原则，BCI临床研究实施和管理要点相关方面的内容。最后还提出了临床神经科学在BCI临床试验中的担当和责任，强调跨学科领域合作开展临床研究，以更好推进BCI技术临床转化。

认知功能损害是脑卒中严重的后遗症之一。脑机接口（BCI）作为一种促进神经功能恢复的康复治疗技术，已逐步应用于脑卒中后认知功能损害的评估及康复治疗。BCI技术通过建立起人脑与机器间的连接通路，进行闭环的反馈训练，帮助患者改善脑功能活动，最终达到脑卒中后认知功能康复的目的。本文围绕BCI技术在脑卒中后认知功能康复治疗中的临床应用及其可能的神经生理学机制的研究进展进行综述，旨在为脑卒中患者的康复治疗提供一种新思路。

随着神经科学和工程学的发展，基于脑电图(EEG)的双向闭环互适应智能脑机接口(BCI)已经成为一种重要的神经康复技术。BCI系统除了可发挥神经假体的功能替代作用外，还可作为增强神经可塑性的工具。本文就基于EEG的双向闭环互适应智能BCI的神经机制、分类方法作一综述，归纳其在神经康复中的应用现状与最新进展，以及在开发中面临的挑战。

目的:观察基于运动想象的脑机接口(BCI)训练对缺血性脑卒中患者上肢运动功能恢复的影响，并分析患者运动诱发电位(MEP)潜伏期、中枢运动传导时间(CMCT)与上肢运动功能间的相关性。方法:采用随机数字表法将46例缺血性脑卒中伴上肢运动功能障碍患者分为脑机组及对照组，每组23例。2组患者均给予常规康复干预，脑机组在此基础上给予基于运动想象训练的脑机接口治疗，对照组则辅以腕指被动屈伸训练。于治疗前、治疗4周后分别采用上肢Fugl-Meyer运动功能量表(FMA-UE)、功能独立性量表(FIM)及上肢动作研究量表(ARAT)对2组患者肢体功能进行评定；同时检测2组患者MEP潜伏期及CMCT，并对患者上肢功能评分与MEP、CMCT进行相关性分析。结果:治疗前脑机组、对照组患者FMA-UE、FIM、ARAT评分、MEP潜伏期及CMCT组间差异均无统计学意义( P>0.05)；治疗后2组患者FMA-UE评分[分别为(41.22±13.09)分和(32.23±15.49)分]、FIM评分[分别为(82.96±13.58)分和(73.32±18.56)分]、ARAT评分[分别为32.00(20.00，41.00)分和21.00(3.00，38.25)分]、MEP潜伏期[分别为(22.84±0.88)ms和(23.61±1.32)ms]及CMCT[分别为(10.26±1.09)ms和(11.26±1.49)ms]均较治疗前明显改善，并且脑机组上述指标改善情况亦显著优于对照组水平( P<0.05)；另外本研究还发现患者FMA-UE、FIM及ARAT评分与CMCT及MEP潜伏期具有负相关性。 结论:基于运动想象的BCI训练可显著改善缺血性脑卒中患者MEP潜伏期、CMCT值及上肢运动功能，并且FMA-UE、FIM及ARAT评分与MEP潜伏期、CMCT值具有负相关性。

随着当代科技的突飞猛进，以人工智能(AI)、扩展现实、数字孪生、脑机接口等为代表的一系列高新技术与传统医学交叉融合。其中，AI作为20世纪以来的尖端热门技术，经过了曲折漫长的4个阶段的发展：第一阶段(1950年～1956年)——萌芽期；第二阶段(1956年～1982年)——形成期；第三阶段(1982年～1990年)——发展期；第四阶段(1990年～至今)——繁荣期。现今AI已逐步延伸至骨科领域中，打开了骨科人工智能的新时代。目前，在我国骨科领域内，AI技术已被广泛应用在骨科疾病临床诊断、手术治疗方案决策、预后预测、术中智能导航辅助、康复护理以及医药研发等方面，在提高医疗工作效率的同时减轻了临床医生的负担，促进了骨科领域的革新。本文将对AI的发展历程及我国骨科人工智能的发展现状进行介绍，旨在为广大骨科医生阐明这一新兴领域，以启发骨科人工智能的新发展。

随着医疗技术的迅速发展，临床诊疗模式越来越侧重于个性化、精准化、微创化。精准康复基于精准医学理念，将先进的诊断技术、精密的治疗仪器与传统经验相结合，通过个性化的功能诊断、康复评定、康复治疗的诊疗模式，显著提高临床实践的精确性，实现医疗效益最大化。经颅磁刺激、经颅直流电刺激、经颅超声和无创性脑机接口都是近年来颇受瞩目的脑损伤后康复治疗技术，通过不同的作用机制，安全、无痛、无创地改善脑损伤患者的神经功能。本文重点探讨上述4种治疗技术的作用机制、在康复医学中的应用现状和疗效分析，展望精准康复的发展方向。

脑-机接口(BCI)是一种利用大脑信号与外部环境进行交互的新技术，在运动辅助及康复治疗中具有重要的研究价值。本文主要介绍BCI技术在脑卒中、脊髓损伤和肌萎缩侧索硬化症康复中的应用进展，并就BCI技术目前的局限性及研究发展方向进行综述。

脑-机接口(BCIs)技术是指利用大脑活动信号来控制外部设备，使重度残疾患者能够与环境交流或互动的技术。目前已开发和应用了有创和无创的BCIs技术。按照其功能的不同，BCIs可分为辅助性BCIs和康复性BCIs两种。辅助性BCIs是为使卒中后功能障碍患者能够与外部机械设备之间进行交流或实施控制而设计的；而康复性BCIs旨在促进神经功能的恢复。本文介绍BCIs应用于卒中后功能障碍的发展现状，并描述其可能的神经生理学机制。

目的:针对一流大学建设高校，从专利视角开展科技成果转化研究，了解一流大学建设高校医药类专利转让现况和主要模式。方法:选择42所一流大学建设高校，采集医药类专利转让登记数据，分析专利转让整体状况、转让周期及转让流向；利用聚类分析法，展示转让专利技术涉及的主要领域和主题；通过分析一流大学建设高校医药类专利转让的受让人，发现高校医药类专利的突出转让模式。结果:42所高校10年医药类专利转让占授权专利比例平均约6%，平均转让周期28个月，受让人以企业为主。转让专利较多的聚类主题包括乙内酰脲衍生物、岩藻聚糖硫酸酯、人乳头瘤病毒、脑机接口和微创手术等。其中88%以传统的直接专利技术转让模式，另外还包括通过资产运营公司、衍生企业、第三方中介机构、成立的研究院及技术转移中心转移等模式。结论:一流大学建设高校整体建设任务更重，示范效果更明显。而现状是一流大学建设高校医药类转让专利占比还较低、转让周期长，科技成果转移转化模式相对单一缺乏创新，应在提高自身医药类科技成果质量的基础上，完善成果转化机制，根据实际情况探寻适合自身的成果转化模式。