脑机接口——面向未来
脑机接口——面向未来
一、引言
通过认知神经科学和脑成像的进步，可以将大脑活动与外围设备进行交流。该技术使大脑的思维过程能够实时监控或控制活动。这项技术对难以沟通的残疾人非常有益。脑机接口可以帮助患有严重运动障碍的人，支持对患有中风、癫痫或注意力缺陷多动障碍的患者进行生物反馈训练。电极（传感器）记录由于基于大脑活动的神经网络的激发和抑制而产生的离子的电势、磁场和代谢供应的变化。
二、 脑机接口简介
脑机接口（BCI），是一种通信和控制系统，允许人脑和外部设备之间进行实时交互。脑机接口系统将脑机接口用户的意图（大脑信号所反映的）转换为所需的输出。基于计算机的通信或对外部设备的控制，脑机接口允许存在严重运动障碍的个人使用脑电图或其他脑信号与外部辅助设备进行通信。大脑由超过1000 亿个神经元组成。人类对于基础科学和临床的研究发展了这些有关神经元信息的信号知识。脑机接口系统应该能够尽可能准确地对大脑活动的不同脑电图信号进行分类，并且脑机接口用户应该学会产生不同的大脑信号来执行不同的任务。现如今脑机接口已成为计算神经科学、生理学、工程学、信号处理、计算机科学和多种跨学科的协同研究。 它有很多领域的应用，包括灯光和电视控制、是/否问题、文本处理、轮椅控制、机器人假肢、自动驾驶汽车、使用大脑活动的自动呼叫、虚拟现实游戏等。
三、 早期历史
Richard Caton 在 1875 年首先记录了动物皮层表面的脑电图信号，后来德国神经科学家Hans Berger在1929年利用脑电图发现了来自人脑的电信号。Berger还首次记录了来自人脑的 Alpha Waves（频率 8-10 Hz）。Adrian和Matthew以及 Adrian 和 Yamagiwa发现脑电图信号在头部的不同位置变化，并建议电极在头皮上的标准化位置。1970 年代后期，美国国防高级研究计划局启动了一项进一步探索脑电图活动的计划。直到这个阶段，脑电图的研究仅限于临床诊断和探索大脑功能。
1995年之前，很少有研究小组致力于脑机接口的探索。然而，随着技术的进步和时间的推移，一些研究团队参与了脑机接口及其应用的这一跨学科领域。脑机接口信息传输速率 (ITR)4 从 5-25 位/分钟增加到 84.7 位/分钟。脑机接口的改善基于四个因素。首先最重要的是随着脑机接口技术的进步，那些由于中风损害部分脑干导致身体无法移动的患者的生活将得到显着改善，尽管现在通信和控制的手段仍然有限。第二个因素是增加对自然和脑电图功能以及相关大脑活动的理解。随着这方面的深入研究，可能会出现记录大脑信号活动的新手段，这为我们理解大脑活动的高级功能操作提供思路。第三个因素是低成本微电子技术的可用性和进步，这将使脑机接口用户能够用上价格低廉的嵌入式电路。最后，最近高级机器学习算法和自我决策方法的激增有助于我们进一步探索大脑控制应用程序的边界。
四、 脑计算机接口：基本神经元是相互连接的微处理站
一般来说，神经元有四种功能：输入、触发、传导和输出。脑机接口使用由这些神经元放电或抑制产生的电信号形式的信息。根据经验，当数据的严重程度高于阈值时，神经元会触发，如果数据的严重程度低于阈值，则神经元会被抑制。大脑被划分为52个离散的局部点，并被命名为细胞结构图。基于视觉、听力、口语、身体运动或其他日常活动，在头皮上以电脉冲或磁场形式激活的特定神经元。信号通过突触从一个神经元传递到另一个神经元。 图 1 描绘了脑机接口从输入到实时驱动的功能。
脑机接口的主要阶段包括：
1、数据采集
2、信号处理与分类
3、计算机接口
4、应用
这里我们先来讨论前两个阶段。
A、 数据采集
在脑机接口中，信号采集通常使用三种方法完成；侵入性、部分侵入性和非侵入性。
侵入性是一种从大脑灰质内部读取大脑信号的方法。大脑信号直接来自大脑皮层；电生理学就是这种方法的一个例子。这种采集方法需要进行脑部手术，将电极或传感器置于颅骨内，以便获得最高质量的信号。WilliamDobell于1978年发明了这种侵入性技术，在杰里的视觉皮层中植入了68个电极。这项技术为瘫痪的人提供了功能，但由于人体具有免疫排斥反应，信号变得较弱甚至丢失。
部分侵入性是另一种通过在灰质外植入脑机接口设备从颅骨读取脑信号的方法。皮层电图是一种部分侵入性脑机接口。与有创脑机接口相比，部分有创脑机接口采集的信号较弱，但优于无创脑机接口。然而与侵入性脑机接口相比，它形成瘢痕组织的风险较少。这种方法是在皮质上方放置一个薄塑料垫。圣路易斯华盛顿大学的Eric Leuthardt和Daniel Moran在2004年首次使用了这一方法，研究人员成功地让一个男孩用他的皮层电图植入物玩起了太空入侵者的游戏。但他们得出的结论是对于具有多个控制维度的运动，脑机接口设备是很难控制的。
非侵入性是最流行的神经元信号成像方法，其中电极安装在人的头皮上，用于采集脑电图。该方法提供合理的信号质量，成本低，易于使用。然而，与使用侵入性方法获得的脑电图信号相比，该方式获得的信号是有噪声的。除了脑电图之外，还有几种非侵入性信号采集技术，如脑磁图、磁共振成像和功能磁共振成像以及基于P-300的脑机接口、正电子发射断层扫描。在脑磁图中，James E.Zimmerman开发的超导量子接口器件阵列，用于记录大脑神经元网络中自然流动的电流产生的磁场。1968年，伊利诺伊大学物理学家DavidCohen首次用铜感应线圈作为探测器测量了磁电图信号。功能磁共振成像是一种磁共振成像扫描，用于测量脊髓编码神经活动产生的血流动力学反应（血流变化）。相对较低的侵入性、无辐射照射和相对广泛的可用性，使得功能磁共振成像非常受欢迎。脑磁图、正电子发射断层扫描和功能磁共振成像仍然是技术要求很高且昂贵的方法。除此之外，正电子发射扫描和功能磁共振成像具有较大的时间常数，因此对快速通信的响应性较差。目前只有脑电图被理想地用于实时应用，因为它具有相对较短的时间常数，并且涉及易于使用的非肌肉通信设备。Adrian和Matthews建议对电极的位置进行标准化，之后，国际脑电图和临床神经生理学学会联合会建议在标准条件下为所有实验室建立一个特定的电极放置系统。美国脑电图协会推荐用于国际10-20系统的标准位置是21个电极。
传统的方法是使用湿银/氯化银电极获取脑电信号。然而这种方法有一个限制，即安装电极需要几分钟的准备时间。这种方法使用的导电凝胶不可避免地会在头皮上留下残留物，由于凝胶泄漏，可能会发生短路，电极放置对受试者来说是耗时且痛苦的。反复使用凝胶也可能引起过敏反应或感染。此外，随着皮肤再生或导电凝胶干燥，信号质量可能会随着时间的推移而降低。为了克服传统湿式脑电图电极的所有这些问题，使用一种名为微机电系统的现代制造系统来设计和制造干式微电子机械电极，以获取脑电图信号。通过在头皮的特定位置安装多个电极（传感器），记录大脑自发电活动的脑电图信号采集过程通常需要每次运行20-40分钟的时间。电极也分为主动和被动两类。无源电极收集信号，信号被放大以进行进一步的特征提取和转换。从感应到放大，信号在µv范围内时会出现电压降，并导致信息丢失。活性电极收集信号，同时进行放大，为进一步处理提供良好的信号强度。
B、 信号处理和分类
在所有的无创脑电采集过程中，输入信号总是记录着一些不需要的数据，例如噪声。电子干扰、肌肉活动诱发的肌电图信号和眼部伪影（眨眼）也会与脑电图一起记录。这些不需要的成分可能会导致错误的结论，因此必须对采集的输入信号进行预处理。信号处理可以在时域（例如神经元放电率或诱发电位）或频域中完成，或者可以利用两者来提高性能。以下是一些常用的过滤噪声的预处理技术。
基本滤波-带阻滤波器通过大多数频率不变，但在50至60 Hz范围内衰减。然而，在肌电图中，信号和眼部伪影会影响较大的频带，其频谱可能会随时间而变化。因此，带阻滤波器不能有效地阻止这种伪影。脑电图中的有用信息位于特定的频带内；4-8 Hz（θ波段）、8-10 Hz（α-1波段）、10-20 Hz（α-2波段）、12-30 Hz（β波段）和30-100 Hz（γ波段）。带通滤波器通常提取允许特定频率范围通过的频率，并拒绝所有其他频率。
自适应滤波-伪影或不需要的信号所在的频带在大多数情况下是未知的，因此应用带通或带阻滤波器并不总是有效的。噪声滤波器应适应输入信号的频谱，并应在主要包含这些伪影的频率范围内衰减输入信号。此外，眼电图或肌电图与测量值有很强的相关性，可用于设计自适应滤波器
独立计算机分析 (ICA) 将噪声分解为统计上独立的分量。假设源的数量等于电极（传感器）的数量，输入信号在统计上是自主的，并且在输入和测量位置之间没有时间延迟。 ICA有两个主要步骤，居中和白化。居中减去信号的平均值，而白化线性变换导致具有单位方差的不相关信号。
匹配追踪算法将输入信号分解为来自 Gabor字典的几个分量。 选择与该字典具有高相关性的脑电图信号并从中减去。重复该过程，直到源信号都能由 Gabor 字典中的组件表示。 Barreto等人将基于自组织映射和多层感知器的神经分类器的性能与标准Bayes最优分类器进行了比较后，认为Welch周期图是一种有效的特征提取预处理方法。此外，基于递归量子神经网络（RQNN）的滤波和类似技术是未来滤波器设计的范围。
五、 脑机接口技术主要应用
脑机接口的应用遍及多个不同的领域，不仅仅局限于医学领域。应用包括但不限于神经工效学、医疗、智能环境、教育和自我调节、游戏和娱乐、神经营销和广告。仅在医疗保健领域，脑机接口就可用于预防、检测和诊断疾病，以及康复和恢复。
1、沟通和控制
脑机接口在人的大脑与外部世界之间建立联系，改变了信息传递的方式。通过这种通信协议，用脑机接口管理来自人脑的信息发送，并解析他们的想法。这就是脑机接口可以帮助听力或眼力障碍人士说出或写下他们观点的原因，例如拼写应用、无声语音通信或语义分类等等。
2. 用户状态监控
早期的脑-机接口应用旨在为行动不便或说话有障碍的残疾用户提供一个替代的通信渠道。但今天，脑机接口也进入了健康人的世界。它现在可以作为一种生理测量工具，检索和使用有关个人认知、情绪或效能状态的信息。
3. 万物互联
脑机接口扩展了物联网和人工智能技术之间的良好合作，创造了智能房屋、交通或工作场所等智能环境。如今人们可以通过意念来控制物品的一些简单行为。
4. 营销测试
营销领域也对脑机接口技术表现出极大的兴趣。脑机接口有助于测量电视或任何其他营销渠道上的广告观看后产生的注意力。另一方面，研究人员也对利用脑机接口评估广告的记忆感兴趣。
5. 高效学习
同样，在教育领域，脑机接口利用大脑电信号来确定所研究信息的清晰度。在用户注意力不集中时通过控制问题难度来提高专注力，在学习效率高时增加学习内容提升学习效果。
六、 总结
脑机接口如今在很多领域已经得到了应用，它的发展取决于信号的选择、数据采集方法、特征提取方法、翻译算法等多种因素，就像它是一门多学科交叉的产物。脑机接口的发展仍存在着许多障碍与挑战。在运动过程中，本体感觉和其他感觉反馈作为皮层和皮层下神经元活动的一部分发生。如果没有实际的运动，用户可以在多大程度上进行这种活动和其他感觉活动仍然不清楚。由于长期的稳定性，神经元活动是否能在不运动的情况下发挥作用尚待确定。不同用户使用脑机接口的能力和最佳选择可能会有所不同。为了长期评估性能，需要评估特定用户组中需要哪些特定的BCI。脑机接口的性能取决于其信噪比，也取决于改善信噪比的各种选项。迄今为止，主要工作仅限于离线分析，研究寻求在线分析与替代方法的比较。转换算法将自变量（用户输入）转换为因变量（控制输出），这些算法的成功取决于信号特征的适当选择。在信号预处理、特征提取、翻译算法、用户界面以至道德伦理等方面仍需深入研究。
