脑-机接口技术在康复医学中的潜在应用研究进展

王　正，李柄佑，杨从敏，董　超，杜　亮，金荣疆

(1.成都中医药大学，四川 成都　610075；2. 成都军区总医院康复医学科，四川 成都　610083)

脑-机接口技术在康复医学中的潜在应用研究进展

王正1，李柄佑1，杨从敏1，董超2，杜亮1，金荣疆1

(1.成都中医药大学，四川 成都610075；2. 成都军区总医院康复医学科，四川 成都610083)

[摘要]本文主要通过介绍脑-机接口技术的基本概念、基本工作原理、国内外研究现状，以期对其在康复医学中的应用进行综述。

[关键词]脑-机接口;BCI技术;康复医学;应用

优先数字出版地址：http://www.cnki.net/kcms/detail/51.1688.R.20160311.2143.028.html

2006年，第二次全国残疾人抽样调查数据公布[1]，我国各类残疾人总数为8 296万人，占总人口的6.34%。随着国家对残疾者的关怀以及残疾者对生活质量需求的提高，对我国康复医学事业提出了新的要求。如何为数量庞大的残疾者提供有效的帮助，使其功能障碍得到最大程度恢复，达到最终回归家庭和社会的目的，是摆在康复医学者面前的一个新难题。而脑-机接口技术可通过采集人脑的电信号，直接完成对输出设备的操控，以实现残疾者与外界社会的交流，从而为改善残疾者的生存质量提供了可能。本文通过查阅有关资料，对脑-机接口技术的基本概念、基本结构、工作原理、发展现状以及在康复医学中的潜在应用进行综述。

1基本概念

BCI (brain-computer interface)也称脑-机接口技术。1929年，Hans对人脑的电活动进行了相关描述，为脑-机接口技术的发展奠定了初步基础。1973年，脑-机接口技术开始形成[2]，主要包括神经科学和计算机科学。进入21世纪以来，随神经科学和计算机技术的认识和发展的进一步深入，其研究得到快速发展。

1999年召开的第一次BCI国际会议，为BCI做出了定义[3]：“脑-计算机接口是一种无需依赖于正常的由外围神经和肌肉组成的输出通路的通讯系统”。即脑-机接口系统不经过正常的周围神经和肌肉组织而重建传出路径，以达到人机之间或人同外界的通信交流[4]。

借由新的通信路径，可从人脑提取电信号以直接操控输出设备。也可把外部信息直接传入人脑以刺激其特定部位完成调控行为活动。脑-机接口系统可作为一种新兴的康复治疗的辅助系统，并可对多种疾病进行康复治疗[5-7]。其康复途径主要有2种：(1)与外环境的互相交流达到重症瘫痪患者某些功能的替代；(2)使大脑功能重塑以代偿已丧失的功能。

2基本结构和工作原理

2.1脑-机接口系统的运行条件脑-机接口系统的正常运作需符合以下条件：(1)采自人脑的思维电信号必须是可靠的；(2)此信号能够实时快速准确地收集；(3)此信号分类明确。目前较为常用的可收集的人脑信号脑电图(electroencephalogram，EEG)、脑磁图(magnetoencephalography，EMG)和功能性核磁共振图像(functional magnetic resonance imaging，fMRI)等。

2.2脑-机接口系统的基本结构脑-机接口系统一般由输入装置、信号的处理转换、输出装置和操作协议4部分构成。输入设备会选择一定适合的方式采集包含某种特征性的人脑信号，进行初步描述。信号处理是通过对已获取的脑电信号进行分析，从中提取能反映大脑皮质神经电生理活动的具有特征性的信号参数，再通过特定的计算机运算方式将其转化为可以控制外部设备的命令。信号转换是使经处理后的特征性信号完成驱动或者执行操作命令，以达到对输出设备的控制或输出可以表达患者意图的信号(如字母或者数字)，完成与外环境的交流。输出装置是按一定的方式把加工后得到的操作命令通过信号形式输出并执行。通过例如活动指针、选择字母或数字等方式输出表达其意图。操作协议会规定脑-机接口系统的开关方式、运行方式、运行时间、是否需要向使用者提供反馈及方式等内容。神经科学研究表明，在受试者受到外部刺激后或者在大脑产生神经冲动时，神经系统的电生理活动会产生相应的变化，表现出某种节律性和空间分布。由此我们可以通过一定的手段(如脑电图)将人脑的这种特征信号检测出来，通过对其进行分类和分析，明确该信号的意图，利用计算机将其转为可识别的命令信号，最后通过该命令信号直接控制外部装置。简言之，脑-机接口技术工作的基本原理[8,3]是在没有肌肉主动收缩和外周神经的参与，人脑直接对外环境进行操控，达到与外界交流。基于以上原理，在康复医学中应用脑-机接口技术有一定优势。

3发展及研究现状

3.1国外研究现状奥地利Graz大学[9-10]的Graze-BCI技术在脑-机接口技术的发展中占据十分重要的地位。德国Tuebingen大学[2]的研究人员研制成功了“思想翻译器”。美国Wadsworth 中心[9-12]的科研人员研制了BCI的通用系统，为多个研究中心使用。美国佐治亚州立大学(Georgia State University，GSU)脑实验室[13]着重如何使脑-机接口技术在现实环境付诸实施。尼尔乡绅基金会(Neil Squire Foundation，NSF)[14]是加拿大的非盈利性组织，长期致力于服务残疾人的BCI系统研究。

3.2国内研究现状清华大学[15]研发了基于稳态视觉诱发电位的具有高传输速率的脑-机接口系统。上海交通大学[16]研究组实现了用思维操控汽车。浙江大学[17]通过颅内植入电极的方式实现意念控制机械手。另有国防科技大学[18]、西安交通大学[19]、天津大学[20]、华东理工大学[21]、同济大学[22]等科研单位开展了BCI多项研究。

4在康复医学中的潜在应用

脑-机接口技术在康复医学中的应用系针对中枢神经系统疾病，如脑卒中、脊髓损伤、脑瘫等。某些神经肌肉严重障碍的进展性疾病，如肌萎缩性脊髓侧索硬化病(amyotrophic lateral sclerosis，ALS)、肌营养失调等造成的肢体运动功能严重障碍而有意识的患者[23]，不需要语言交流和身体运动而用人的思维活动直接控制输出装置表达想法[24]。

现阶段，康复医学中脑-机接口技术的相关研究如下：(1)言语功能的康复。此研究可让患者与外界交流的能力得到提高。有科研人员[25]研制了一种新型的通信设备——“思想转换装置”。借助相关设备可使受训人员完成对字母或单词的选择达到外界的交流；若受训人员不能进行相关选择，可让其完成选择“是”或“否”以完成交流。研究人员报道[26]基于语音想象的脑-机接口系统可以完成人脑与外界的交流。另有研究基于ERP模式构建了一个虚拟键盘以“模拟阅读”，以达到人机直接通信[27]。(2)虚拟现实技术的应用[28]。现阶段，研究主要是基于虚拟现实技术中脑-机接口系统的应用。如网络聊天、视讯对话等同外环境交流。已有科研人员发现在虚拟现实环境中可通过想象足的运动来控制向前移动，且使用手持物件可使被试者增加移动时的沉重感[29]。或由脑电信号的命令完成在虚拟环境驾驶汽车[30]；研究人员还报道了1例使用脑-机接口系统的C5完全性损伤患者完成在虚拟环境中行走或控制神经假体[31]。另有科研人员发现单侧忽略患者使用虚拟现实技术可以起到治疗作用[32]。虚拟现实技术可提高受试者参与的积极性，以及提升BCI的使用性能[33]。(3)运动功能的康复。由脑-机接口系统完成信号的采集，经处理和转换后把操作命令直接传给输出设备执行。即将人脑思维的命令信号直接输出到其接受系统，如神经假体、轮椅，完成运动功能，以代替外围神经已丧失的功能。可以用智能化假肢和基于虚拟现实环境的脑-机接口康复系统以完成运动功能的康复。有研究证实[34]脑机接口系统通过操控辅助设备可促进患侧肢体完成运动，且可以进行主动康复训练。有研究表明[35]，基于BCI系统的理论上验证运动想象操控轮椅在4个方向的运动。有研究基于运动想象脑电信号的脑-机接口系统，5名脊髓小脑共济失调患者经训练可以使用脑-机接口系统实现外部控制[36]。此外，科研人员对8名脑卒中患者通过训练，其中6人可控制安装在瘫痪侧的上肢假肢，完成抓、握动作[37]。(4)作业能力的康复。有研究人员对脑-机接口技术在智能交通中的应用做了相关描述[38]。其可在特殊的环境中进行作业活动，如不需要人操控的汽车、飞机，在航天领域的相关应用[39]。伤残者操控辅助器具完成基本的日常生活活动、简单使用家电以提升生活质量等。随着脑-机接口技术的不断发展，相关康复治疗对残疾人和老年人有着明显优势，且在智能化、娱乐化等方面可以广泛应用[23]。既能丰富娱乐康复的方式，又促进了日常生活能力康复的前景。(5)脑-机接口的综合使用。科研人员证实[40]，可用 BCI-FES对存在脑损伤的脑卒中患者进行实用康复训练。有研究人员发现[41]脑-机接口技术控制的功能性电刺激康复系统，未来对于瘫痪的患者有一定的应用前景。另有研究发现[42]，为帮助患者更好地控制脑-机接口系统，较为理想的训练方式是运动想象。基于运动想象的BCI康复训练对于卒中患者其上肢运动功能有主要帮助[43]。还有研究表明，基于BCI技术的康复机器人技术可辅助患者完成肢体的运动[44]。

5结语

脑-机接口技术为丰富康复医学的治疗手段提供了新的技术支持和新的思路，正成为康复医学的一个新亮点。其初衷旨在为严重残疾者提供一种能与外界有效交流的新的媒介，为其提供一种新型的医疗辅助系统，为其康复治疗提供一种新的选择，为人类用思维活动控制外部设备提供了新的尝试。综上，在康复医学中应用脑-机接口技术有着积极的现实意义。

参考文献：

[1]第二次全国残疾人抽样调查主要数据公报及其问答. 1[Z], 2006.

[2]WOLPAW J R, BIRBAUMER N, MCFARLAND D J, et al. Brain-computer interfaces for communication and control[J]. Clinical Neurophysiology, 2002, 113(6): 767-791.

[3]WOLPAW J R, BIRBAUMER N, HEETDERKS W J, et al. Brain-computer interface technology: a review of the first international meeting[J]. IEEE Trans Rehabil Eng, 2000, 8(2): 164-173.

[4]KENNEDY P R, ADAMS K D. A decision tree for brain-computerinter-face devices[Z], 2003.

[5]PFURTSCHELLER G, LEEB R, KEINRATH C, et al. Walking from thought[J]. Brain Res, 2006, 1071(1): 145-152.

[6]VAUGHAN T M, MCFARLAND D J, SCHALK G, et al. The wadsworth BCI research and development program: at home with BCI[J]. IEEE Trans Neural Syst Rehabil Eng, 2006, 14(2): 229-233.

[7]ORTIZ J . Brain-computer interfaces: where human and machine meet[J]. Computer (Long Beach Calif), 2007, 40(1): 17-21.

[8]CINEOTTI F, MATTIA D, ALOISE F, et al. High-resolution EEG tech niques for brain-computer interface applications[Z], 2008: 167.

[9]PFURTSCHELLER G. Brain-computer interface:state of the art and future prospects[Z], 2004.

[10]PFURTSCHELLER G, ALLISON B Z, BRUNNER C, et al. The hybrid BCI[J]. Front Neurosci, 2010, 4(42): 30.

[11]HOCHBERG L R, SERRUYA M D, FRIEHS G M, et al. Neuronal ensemble control of prosthetic devices by a human with tetraplegia[J]. Nature, 2006, 442(799): 164-171.

[12]NEUROBIOLOGY B N. Rain man’s revelations[J]. Nature, 1999, 399(6733): 211-212.

[13]MOORE M M. Real-world applications for brain-computer interface technology[J]. IEEE Trans Neural Syst Rehabil Eng, 2003, 11(2): 162-165.

[14]BIRCH G E, MASON S G, BORISOFF J F. Current trends in brain-computer interface research at the Neil Squire Foundation[J]. IEEE Trans Neural Syst Rehabil Eng, 2003, 11(2): 123-126.

[15]高上凯.浅谈脑-机接口的发展现状与挑战[J].中国生物医学工程学报，2007，26(6)：801-803, 809.

[16]ZHAO Q-b, ZHANG L-q, ANDRZEJ C. EEG-based asynchronous BCI control of a car in 3D virtual reality environments[Z], 2009: 87.

[17]佚名.我国首次成功在脑中植入电极用意念控制机械手臂[J].创新科技，2014(19)：62.

[18]YIN Erwei, ZHOU Zongtan, JIANG Jun, et al. A novel hybrid BCI speller based on the incorporation of SSVEP into the P300 paradigm[J]. J Neural Eng, 2013, 10(2): 026012.

[19]XIE Jun, XU Guanghua, WANG Jing, et al. Addition of visual noise boosts evoked potential-based brain-computer interface[J]. Sci Rep, 2014, 4(4): 4953.

[20]XU Minpeng, CHEN Long, ZHANG Lixin, et al. A visual parallel-BCI speller based on the time-frequency coding strategy[J]. J Neural Eng, 2014, 11(2): 026014.

[21]王行愚，金晶，张宇，等.脑控:基于脑-机接口的人机融合控制[J].自动化学报，2013，39(3)：208-221.

[22]CAO Lei, LI Jie, JI Hongfei, et al. A hybrid brain computer interface system based on the neurophysiological protocol and brain-actuated switch for wheelchair control[J]. J Neurosci Methods, 2014, 229: 33-43.

[23]高上凯，张志广，高小榕，等.基于脑-机接口技术的新型医疗器械[J].中国医疗器械杂志，2006，30(2)：79-82.

[24]高诺，鲁守银，张运楚，等.脑机接口技术的研究现状及发展趋势[J].机器人技术与应用，2008(4)：16-19.

[25]BIRBAUMER N, HINTERBERGER T, KüBLER A, et al. The thought-translation device (TTD): neurobehavioral mechanisms and clinical outcome[J]. IEEE Trans Neural Syst Rehabil Eng, 2003, 11(2): 120-123.

[26]杨晓芳，江铭虎.基于汉语音位发音想象的脑机接口研究[J].中文信息学报，2014，28(5)：13-23.

[27]贾贝，周到，曹巧玲，等.“模拟阅读”脑-机接口刺激物样式对正确率的影响[J].计算机与数字工程，2015，43(2)：286-290.

[28]BAYLISS J D. Use of the evoked potential P3 component for control in a virtual apartment[J]. IEEE Trans Neural Syst Rehabil Eng, 2003, 11(2): 113-116.

[29]GRYCHTOL B, LAKANY H, VALSAN G, et al. Human behavior integration improves classification rates in real-time BCI[J]. IEEE Trans Neural Syst Rehabil Eng, 2010, 18(4): 362-368.

[30]SPAETH D M, MAHAJAN H, KARMARKAR A, et al. Development of a wheelchair virtual driving environment: trials with subjects with traumatic brain injury[J]. Arch Phys Med Rehabil, 2008, 89(5): 996-1003.

[31]ENZINGER C, ROPELE S, FAZEKAS F, et al. Brain motor system function in a patient with complete spinal cord injury following extensive brain-computer interface training[J]. Exp Brain Res, 2008, 190(2): 215-223.

[32]BAHEUX K, YOSHIZAWA M, YOSHIDA Y. Simulating hemispatial neglect with virtual reality[Z], 2007: 27.

[33]RON-ANGEVIN R, DíAZ-ESTRELLA A. Brain-computer interface: changes in performance using virtual reality techniques[J]. Neurosci Lett, 2009, 449(2): 123-127.

[34]曹玉珍，张庆学.基于运动相关脑电特征的手运动方向识别[J].天津大学学报，2014，47(9)：836-841.

[35]郝卫东，邓阳光，梁卫鸽，等.基于脑机接口的控制器[J].计算机系统应用，2014，23(3)：9-15.

[36]张婷，王永轩，刘蓉.脊髓小脑共济失调的运动想象脑电信号分析[J].中国生物医学工程学报，2014，33(6)：753-757.

[37]BUCH E, WEBER C, COHEN L G, et al. Think to move: a neuromagnetic brain-computer interface (BCI) system for chronic stroke[J]. Stroke, 2008, 39(3): 910-917.

[38]WU R-c, LIANG S-f, LIN C-t. Applications of event-related-potential-based brain computer interface to intelligent transportation systems[C]//Proc of the 2004 IEEE International Conference on Networking, 2004: 813-818.

[39]高上凯.无创高通讯速率的实时脑-机接口系统[J].中国基础科学，2007，9(3)：25-26.

[40]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.

[41]姚林，张定国，王颖.脑机接口控制的下肢功能性电刺激系统研究[J].中国生物医学工程学报，2012，31(5)：690-696.

[42]DALY J J, WOLPAW J R. Brain-computer interfaces in neurological rehabilitation[J]. The Lancet Neurology, 2008, 7(11): 1032-1043.

[43]李明芬，贾杰，刘烨.基于运动想象的脑机接口康复训练对脑卒中患者上肢运动功能改善的认知机制研究[J].成都医学院学报，2012，7(4)：519-523.

[44]孙进，张征，周宏甫.基于脑机接口技术的康复机器人综述[J].机电工程技术，2010，39(4)：13-16.

通信作者：金荣疆，341765713@qq.com

[中图分类号]R49

[文献标识码]A

DOI:10.11851/j.issn.1673-1557.2016.03.005

(收稿日期：2015-08-28)