脑机接口技术研究综述

尧俊瑜，邬长杰

（1.西华大学计算机与软件工程学院，成都610039；2.电子科技大学生命科学与技术学院，成都610054 3.西华大学计算机与软件工程学院，成都610039）

脑机接口技术研究综述

尧俊瑜1，2，邬长杰3

（1.西华大学计算机与软件工程学院，成都610039；2.电子科技大学生命科学与技术学院，成都610054 3.西华大学计算机与软件工程学院，成都610039）

脑机接口技术(BCI)是多学科融合的新型人机结合技术,在生活、医疗和娱乐方面都有极大的前景。简要介绍现有脑机接口技术的类型,并对国内外研究现状和发展前景做阐述。

0 引言

1875年,英国物理学家Richard Caton首次发现大脑上的电流信号,其后各国科学家纷纷对其展开了研究。随着研究的不断深入,出现了一个各学科融合的研究领域——脑机接口。所谓的脑机接口即不依赖身体的神经通路和肌肉的一种通信系统[1]。脑机接口技术在生活、医疗、和军事上都有重要的应用前景,随着BCI研究的不断进步,必将在各个领域绽放异彩。

1 现有脑机接口技术国内外研究现状

脑机接口按电极所处的位置来划分,可以分为植入型脑机接口和非植入型脑机接口。

1.1 植入型

其中植入式BCI需要通过手术将信号采集探针放入颅内,从而采集脑电信号。长期放置探针具有很高的风险,一般主要用于癫痫患者和动物被试。植入型脑机接口采集的是皮层脑电,主要有两种采集方式,一个是采集峰电位,另一个是局部场电位。

（1）锋电位

锋电位会在受到刺激后600ms内出现,在锋电位出现的时候,该神经纤维处于绝对不应期。这一特性保证了一个信息的独立性,从而适合在脑机接口中应用。

Schwartz[1]团队实现猴子利用锋电位控制三维空间内的机械手臂抓取食物。试验中如图1将猴子固定住,并将机械手臂放置在猴子肩部附近,猴子利用锋电位信息控制机械手臂抓取随机放置的食物。

图1 猴子利用锋电位抓取三维空间中的食物

（2）局部场电位

局部场电位信号是局部神经元突触活动电信号的综合反映,它不单是简单信号的叠加,同时携带了神经元信号传递过程中的时间及空间信息[3],所以与锋电位相比较而言更能反映大脑局部区域信息输入以及处理的过程。而且,局部场电位受电极植入时间的影响比锋电位更小,所以局部场电位将来更有可能应用于脑-机接口。另外,与脑-机接口技术中常用到的另一种脑电信号——头皮脑电信号信号相比,局部场电位由于是由微电极阵列采集到的皮层内脑电信号,是更直接地反映大脑中电位变化的信号，所以表现出更好的特异性。所以说,局部场电位信号是介于锋电位信号与皮层脑电信号之间的一种信号,具有解码的长期性以及特异性等优点,在将来应用于临床研究中具有很大的潜力。

O.Donchin[2]等对猴子进行了局部场电位实验,他们将电极植入其初级运动皮层,然后让猴子分别用左右手转动转盘,同时记录猴子运动区的脑电信息,发现记录到的场电位的信号和猴子转动转盘的方向有一定的相关性,会随着转动方向的变化而变化。Hansjorg[3]等对大鼠采集后顶叶皮层的脑电信号,分析大鼠在抓取和扫视模式下的LFP的时域和频域特征后,成功对这两种行为进行了预测。

1.2 非植入型

非植入式BCI是直接采集头皮脑电,其所带的信息比植入式所采集到的脑电信号所带的信息量要少,分辨率也更低。但是因为其是无创性的,所以便捷性和安全性更高。

（1）脑磁图

脑磁图（Magnetoenephalography,MEG）是记录的是大脑内部微弱电流所产生的磁场信号[4]。通过磁共振仪器把这些磁场信号采集下来,形成一个立体的磁场分布图,就是脑磁图。它可以反映脑的磁场变化,当大脑活动或某一区域病变时,脑磁图会有明显的变化,从而在医疗诊断上有极高的应用。红外脑功能光学成像（fNIRS）和功能磁共振成像（fMRI）等已经用于脑机接口。图宾根大学已经提出了基于fMRI的脑机接口的明确架构,并实现了实时系统,且将其应用于了神经康复及虚拟环境交互等方面[5]。

（2）头皮脑电

①P300事件相关电位

P300是通过一些突发性的刺激诱发出来的脑电,在受到这种小概率事件的刺激后,会在300ms左右出现一个正电位。基于P300的脑机接口可直接进行使用,不需要进行训练。但是随着对刺激的熟悉程度加深,所刺激出来的P300波的质量会有所下降。

Sutton在进行oddball实验时最早发现了P300。后来Farwell等人设计了基于P300的虚拟打字机[6]。Rebsamen等设计了基于P300电位的智能轮椅[7]。华南理工大学龙锦益等利用运动想象和P300电位的搭建的轮椅控制BCI[8]。

②运动起始视觉诱发电位

运动起始视觉诱发电位（motion-onset Visual Evoked Potential,mVEP）由快速运动的视觉刺激诱发产生,在所有与运动相关的视觉诱发电位中,运动起始视觉诱发电位拥有最小的被试间差异和被试内差异以及最大的幅度[9]。由于mVEP采用运动属性作为刺激模式,因此刺激器不需要高亮度和高对比度,基于mVEP的BCI因为避免了闪烁刺激,从而可以减轻被试的视觉疲劳,更加具有实用性。

清华大学刘涛等使用运动起始视觉诱发电位搭建的网页搜索和浏览BCI[10]。电子科技大学脑机接口团队使用运动起始视觉诱发电位开发出一套BCI系统,可以实现跑酷游戏的操作。

（3）稳态视觉诱发电位（SSVEP）

稳态视觉诱发电位的脑机接口是经过不同频率闪烁刺激产生的。研究表明,当人眼注视到频率大于4Hz的周期性视觉闪烁刺激时,会在大脑中产生一种周期性响应的SSVEP。从记录到的头表EEG信号中,可以观测到和闪烁频率相关的基波及其谐波[11]。因此,只需要分析采集到的脑电,就可以识别出被试所注视的虚拟按键,从而实现脑机交互。SSVEP的频谱稳定而且信噪比高,但是,长时间的闪烁刺激很容易让被试产生视觉疲劳,严重时甚至会诱发癫痫[12]。

Jacques Vidal等人设计了一套视觉诱发电位的系统,实现了对光标移动的控制,并首次使用“脑机接口（Brain-Computer Interface）”这一词来描述基于计算机的能获取大脑功能信息的系统,这便是脑机接口技术研究的雏形[13]。

Mc Millan和Calhoun对稳态视觉电位进行了研究,基于SSVEP设计了一套系统,该系统可以对其空军基地的飞行模拟器进行操控。国内也有研究团队对SS⁃VEP进行了深入研究,清华大学开发了一套能够拨打语音电话,能够对空调电视进行操作的系统。

（4）皮层慢电位

皮层慢电位是从头皮记录的EEG中最慢的频率成分。持续时间可达几秒,是自发脑电的一种,能反映大脑皮层的兴奋状态。SCP会根据大脑的兴奋程度不同而呈现出不同的电位情况。研究表明SCP是可控的,在经过一定时间的训练之后,被试能够控制SCP的变化，进而可以用来作为BCI的控制信号。

Birbaumer[14]等基于EEG的慢皮层电位设计了字母输出BCI,Wadworth中心的wolpaw等基于EEG的mu节律和beta节律成份所构建的二维甚至三维光标控制BCI,其准确率达75%。

（5）α节律

研究表明:在闭眼状态下采集到的α波明显比睁眼状态下采集到的α波幅值要高。经过一定的训练后,被试就能控制α波幅值的大小。将其用作脑机接口的控制信号也有良好的实验效果。Dewan利用α波在闭眼时幅值增大以及睁眼时阻断的现象,来自主控制发送Morse电报码[15]。

（6）基于运动想象的μ节律和β波

研究证实,运动想象能够对运动残疾的康复很有作用。Linden[16]等人报道,老年妇女能够采用运动想象和物理治疗来达到更好的平衡特性,这种平衡性以步行平衡和足部安置措施作为衡量标准。

Fairweather and Sideway[16]发现运动想象能够减少慢性背痛病人的疼痛,并且能改善脊柱畸形病人的姿势。浙江大学的黄丽鹏在参加挑战不可能时,用运动想象结合肌电成功控制大鼠穿过迷宫。

2 面临的挑战

目前脑机接口正在高速发展时期,还有很长的路要走。脑机接口最大的优势就是建立了一条直接用计算机和大脑进行通信的通路。但是这个特性给脑机接口带来优势的同时却也带来了挑战。

（1）通信速度慢。BCI系统采集到脑电信后需要对其进行处理,然后才能转换成机器语言而被电脑所接受,在BCI使用过程中时常需要多次刺激和反馈。受到种种原因的限制,脑机接口的通信速度还比较低。目前,基于P300的BCI最大信息转换速度为20-25bit/min,基于视觉诱发的BCI稍高,其通信速率也只有60-100bit/min。这样的信息转换效率还达不到正常交流的水平[17]。

（2）精度低。目前的BCI系统（包括自发脑电和诱发脑电）精度都还比较低,基于自发脑电的任务识别率平均只有80%[18]，而基于诱发脑电的控制准确率比自发脑电稍高,但是对于一套控制系统来说,这样的精度还达不到使用要求。越复杂的脑机接口系统,控制指令就越多,相应的准确度就更低,这给BCI的实际应用带来了不小的挑战。

（3）适应性差。脑电信号的幅值非常小,并且并不平稳,在脑电信号的采集过程中,不可避免的会受到其他信号干扰。在脑电采集的时候对环境的要求比较高,当环境中的噪声比较高的时候,会降低BCI系统的精度。

（4）便携性差。目前BCI大多是基于PC平台的,便携性差。而基于前入式的BCI由于处理器处理速度较慢,所以信息传输率也更低。

3 应用前景

脑机接口技术是在近年来才快速发展的一门新兴学科,必然会存在很多的问题。但随着BCI研究的不断深入,逐渐体现出巨大的应用前景。

医学上,脑机接口能够帮助医生进行诊断,可以通过脑机接口系统实时监测病人状态,还可以帮助丧失行动能力的人进行正常的生活。

军事领域中,近年来美军陆续提出“感知操控”“代理战士”等概念[19-20]，认知领域必然是未来军事发展的重要关注点,而人机结合的武器无疑是重点研究方向。

娱乐中,脑控游戏将会是游戏界的下一次革命。

BCI技术的研究会有助于我们一点一点剖开神秘的大脑,提高我们对生命科学的认识。

4 结语

本文介绍了脑机接口的基本情况和未来发展的挑战和展望。目前的脑机接口系统距离广泛的使用还有很长的一段路要走。但是随着技术的不断娴熟,相信脑机接口一定会应用于现实生活中各个领域,造福人类。

[1]周鹏.基于运动想象的脑机接口的研究[D].天津:天津大学,2007：1-15.

[2]Theresa M.Vaughan,Jonathan R.Wolpaw,Emanuel Donchin,EEG-based Communication:Prospects and Problems.IEEE Transactions on Rehabilitation Engineering,1996,4（4）:425-430.

[3]urtscheller G，BrunnerC，Leeb R，et a1．TheGrazBrain—Computerinterface[J]．BrainCompInterfaces，2010：79.76． DOI：10.1007/978-3-642-02091～-5．

[4]Vaughan,et al.Brain-Computer Interface Technology:A Review of the Second International Meeting,IEEE Transactions On Neural Systems Rehabilitation Engineering,2003,11（2）:94-109.

[5]Lima MAA，Coury DV，Cerqueira AS，et a1.A Method Based Onindependent Component Analysisforadaptive Decompositionofmuhiple Power Quality Disturbances[J]．Int J Control Autom ElectrSyst，2014，25（1）：80-92．DOh 10.10071s40313-013-0088.0．

[6]Jiang J，Zhou Z，Yin E，et a1．Hybrid brain-Computer Interface（BCI）Based on the EEG and EOG Signals[J]．Biomed MaterEng，2014，24（6）：2919-2925.DOh 10.3233/BME.141111．

[7]Hansjorg Scherberger,Murray R.javis,and Richard A.Andersen.Cortical Local Field Potential Encodes Movement Intentions in the Posterior Parietal Cortex[J].Neuron.April 2013,46:347-354.

[8]Sebastien Roux,William A.Mackay,Alexa Riechle.The Pre-Movement Component of Motor Cortical Local Field Potentials Reflects the Level of Expectancy[J].Behavioural Brain Research，2006,2（169）:335-351.

[9]Vidal JJ.Real-Time Detection of Brain Events in EEG,Proceedings of IEEE,1977,65（5）:633-664.

[10]Lotze M,Cohen LG,2006.Volition and Imagery in Neurorehabilitation.Cogn Behav Neurol1 9:135-140.

[11]J.R.Wolpaw,D.J.Mc Farland,T.M.Vaughan,and G.Schalk.The Wadsworth Center Brain-Computer Interface（bci）Research and Development Program.IEEE Transactions on Neural Systems and Rehabilitation Engineering,vol.11,pp.204-207,2003.

[12]史丽娟，许刘，杨何.基于α波控制的新型异步脑机接口技术研究进展.国际生物医学工程杂志，2017，240（1）.

[13]FARWELL L A，DONCHIN E．Talking Off the Top of Your Head:Toward a Mental Prothesis Utilizing Event-Related Brain Potentials［J］．Electroenceph Clin Neurophysiol，1988，70（6）:510-523．

[14]REBSAMEN B，GUAN G T，ZHANG H H，et al．A Brain Controlled Wheelchair to Navigate in Familiar Environments［J］．IEEE Transactions on Neural System and Rehabili-tation Engineering，2010，18（6）:590-598．

[15]D.J.Mc Farland,W.A.Sarnacki,and J.R.Wolpaw.Electroencephalographic（eeg）Control of Three-Dimensional Movement.J.Neural Eng.,vol.7,p.036007,2010

[16]S.Coyle,T.Ward,C.Markham,and G.Mc Darby.On the Suitability of Near-Infrared（nir）Sysems for Next-Generation Brain-Computer Interfaces.Physiology Measurement,vol.25,no.4,pp.815–822,2004.

[17]N.Weiskopf,K.Mathiak,S.W.Bock,F.Scharnowski,R.Weith,W.Grodd,R.Goebel,and N.Birbaumer.Principles of a Brain-Computer Interface（bci）Based on Real-Time Functional Magnetic Resonance Imaging（fmri）.IEEE Transactions on Biomedical Engineering,vol.51,no.6,pp.966-970,2004.

[18]雷旭,尧德中.同步脑电-功能磁共振（EEG-fMRI）原理与技术[M].科学出版社,2014,16-26.

[19]B.Allison,T.Luth,Valbuena D,et al.BCI Demographics:How Many（and What Kinds of）People Can Use an SSVEP BCI?[J].Neural Systems and Rehabilitation Engineering,IEEE Transactions on,2010,18（2）:107-116.

[20]Wang Y,Doleschel S,Wunderlinch R,et al.Evaluation of Digital Compressed Sensing for Real-Time Wireless ECG System with Bluetooth Low Energy[J].J Med Syst,2016,40（7）:170.

Review of Brain-Computer Interface Technology Research

YAO Jun-yu1，2，WU Chang-jie3

（1.School of Computer and Software Engineering,Xihua University,Chengdu 610039;
2.School of Science and Technology,University of Electronic Science and Technology of China,Chengdu 610054；3.School of Computer and Software Engineering,Xihua University,Chengdu 610039）

Brain computer interface(BCI)technology is a multi-disciplinary integration of new man-machine technology,in life,health and entertain⁃ment have great prospects.Briefly introduces the types of existing brain-computer interface technology,and expounds the current research situation and development prospect at home and abroad.

1007-1423（2017）27-0080-05

10.3969/j.issn.1007-1423.2017.27.018

脑机接口；脑电信号；电位

尧俊瑜（1993-），男，重庆人，硕士研究生，研究方向为计算机科学与技术

邬长杰（1992-），男，四川内江人，硕士研究生，研究方向为计算机科学与技术

2017-06-06

2017-08-25

Brain Computer Interface;EEG;Electric Potential