从神经内记录解码幽灵残肢运动

缺失的腿带来新运动方式

对于膝上截肢的人来说，佩戴假肢行走常常感觉更像是在操纵一台僵硬的机器，而非移动自己身体的一部分。本研究探索了另一条路径：直接监听截肢者在尝试移动“幽灵”腿时残存腿部神经的活动，并利用这些信号去控制未来的仿生肢体。通过接入大脑曾用来控制膝、踝和脚趾的相同神经线路，研究人员表明对人工腿实现自然直觉式控制可能并非遥不可及。

在大腿内侧听取神经信号

研究团队招募了两名膝上截肢但仍能清晰感知并“移动”他们幽灵肢体的志愿者。外科医生在大腿后侧坐骨神经的一个分支内植入了四条如发丝般细的电极条。每条电极带有多个微小记录点，总共提供了56个通道。当受试者坐着并按指令尝试屈伸他们的幽灵膝、踝或脚趾时，电极记录到了来自那些曾经控制现在缺失肌肉的神经纤维的电活动爆发。

幽灵运动留下真实的电学痕迹

尽管下肢已不在，尝试移动它仍在神经中产生清晰且有结构的信号。大多数记录点对至少一种运动有反应，许多还能区分屈曲与伸展。有些电极更偏好膝部运动，另一些则对踝或脚趾更敏感，这反映了不同肌肉群如何接入神经。神经放电模式的强度和时序在不同关节间有所差异，表明身体原有的腿部运动“地图”在残存的神经断端中仍然保存。研究者还发现，这些运动相关模式与已知解剖结构吻合：对某一动作激活的神经通道往往对应正常情况下会产生该动作的肌肉。

训练一种类脑解码器

捕捉神经活动只是第一步；未来的假肢必须迅速将这些复杂信号转换为指令。科学家转向脉冲神经网络（一种以短电脉冲通信的人工网络，类似真实神经元）。他们首先将原始神经记录转换为强调信号功率随时间变化的密集脉冲序列。然后将这些脉冲序列输入到一个紧凑的解码器中，解码器学会将它们分类为诸如踝屈或膝伸等运动“类别”。与常规机器学习工具相比，脉冲解码器在准确性和效率上都更胜一筹，能够从短时段的神经活动中可靠识别多种意图运动。

结合神经与肌电信号

由于电极位于大腿肌肉之间，它们也在较低频段拾取到微弱的肌电信号。通过滤波，团队可以将肌肉样活动与更快的神经脉冲分离。当仅用肌电信号训练解码器时，其表现较仅使用高频神经数据有所提升。更好的是，结合两种来源——神经与残余肌肉——进一步提高了识别准确率，尤其是在膝和踝动作上更为明显。这表明单一植入技术即可同时利用神经流量和残留肌电，为机器人腿提供更丰富、更稳定的控制信号。

运动时感知地面

同样的神经内电极不仅可以监听传出的运动命令，也可反向发送小幅电脉冲到神经以唤起感觉。在对这些志愿者的早期研究中，通过这些植入物的刺激能在脚底和脚趾产生类似触觉的感觉。在本研究中，研究者绘制了与运动相关的记录和与触觉相关的感受的重叠位置。他们发现，在大腿水平上，负责运动和感觉的神经纤维大体是分开的，这可能有助于设计者将部分电极接点主要用于运动解码，另一些主要用于感觉反馈，从而减少两者间的干扰。

这对未来仿生腿意味着什么

对普通读者而言，核心信息是：即使截肢多年，控制缺失腿的“线路”仍然活跃且可读取。通过在残存神经内放置精细电极并使用类脑算法解读信号，可以逐时刻判断截肢者是否在尝试弯曲膝盖、指向踝部或卷曲脚趾。当配合能恢复缺失脚部触觉的电刺激时，这一方法有望使假肢在感觉和运动上更接近天然肢体。尽管该工作仍处于早期实验室阶段，仅在两名受试者身上离线测试，但它为未来直接连接神经系统的假肢奠定了重要基础，可能带来更直观的控制、更好的平衡以及更强的具身感。

引用: Rossi, C., Bumbasirevic, M., Čvančara, P. et al. Decoding phantom limb movements from intraneural recordings. Nat Commun 17, 2511 (2026). https://doi.org/10.1038/s41467-026-69297-0

关键词: 幽灵残肢, 神经假肢学, 周围神经接口, 脉冲神经网络, 下肢截肢