导 读

 

脑机接口（brain computer interface, BCI）是指在人脑与计算机或其他电子设备之间建立的直接交流和控制通道，通过这种通道，用户可直接通过大脑思维来表达想法或操纵设备。本篇主要对脑机接口发展历程与组成结构进行整理介绍。

 

脑机接口发展历程与组成结构

 

1、脑机接口发展历程

脑机接口最早可以追溯到 1924 年，德国精神科医生 Hans Berger 在患者头部检测到微弱的脑电波，继而发明了脑电图 (electroencephalogram, EEG)，这意味着脑机接口的雏形诞生。至今，脑机接口先后经历了理论萌芽期、概念论证期和技术爆发期，目前已经进入产业发展期1。

 

自脑电图发明到1970年，脑机接口领域处于理论萌芽期，早期的脑机接口电极精度低、风险大且效果差；

 

1970−1999年，脑机接口处于概念论证期。得益于计算机科学和神经科学发展，尤其是20世纪90年代“脑的十年”，欧美各国相继启动了大型脑计划，推动了脑机接口技术的进步。在这一阶段，脑机接口的概念在研究界达成共识，初步研发出“P300拼写器”、基于运动想象 (motor imagery, MI) 的脑机接口和基于稳态视觉诱发电位 （steady- state visual evoked potentials, SSVEP）的脑机接口；研究人员开始重视 EEG 分析并通过EEG帮助严重运动障碍患者与环境或计算机通信和交互；

 

2000−2019年，脑机接口领域处于技术爆发期。研究人员开始使用先进的脑电信号处理和机器学习算法，并采用新型大脑信号获取技术，开发出新的脑机接口范式。同时，早期的脑机接口如基于 P300 和视觉诱发电位的脑机接口性能明显提升，逐步进入临床试验。2013年，脑机接口开始临床应用，如瘫痪患者控制神经假体、慢性脑卒中康复等。2015年，Minev 等提出了柔性神经植入物帮助提升神经义肢的长期性能的相关研究，侵入式脑机接口进入高速发展期。2017年，研究人员开始利用卷积神经网络等深度学习算法进行脑电信号的编解码。2019年，Neuralink 公司利用神经手术机器人植入96根电极，直接通过USB-C接口读取大脑信号;天津大学和中国电子信息产业集团联合研发出国产芯片“脑语者”；

 

2020 年至今，脑机接口领域进入产业发展期，其特点是开发出多款植入式脑机接口产品，成立了一批初创企业，人与机器的交互性能得到很大提升。

 

2、脑电信号分类2

不同类型脑电采集设备获取的信号图谱及图谱的特性是不同的。从信号的时域、空域分辨率来说，侵入式脑机接口设备获取的信号相对高于非侵入式设备获取的信号。常用的神经电生理信号包括脑电图（EEG）、脑皮层电图（ECoG）、局部场电位（LFP）、动作电位（AP）或“峰电位（Spike）”信号等，这些主要通过神经电极进行采集。

 

图.神经信号的幅度和频率范围3

 

脑电图（Electroencephalograph，EEG）通过细胞外空间的体积传导，将大脑大区域内神 经元活动的集体动态记录为电场，通常在头皮上和周围使用间距超过1 厘米的电极阵列进行测量。在这样的距离下，来自大脑的生物电位信号的带宽低于100 Hz。

 

植入式的方法由于距离神经元更近，可以从电信号中得到更为丰富的神经活动信息。虽然用微电极在细胞内记录产生强烈而清晰的电压信号（~70 mVp-p），但由于需要膜穿透，它通常会导致神经元死亡。这种方法通常在台式记录设备中使用，而不太适用于高通道数的移动神经记录。

 

ECoG使用电极直接记录大脑皮层表面的电活动，记录电场的空间分辨率可以大大提高 (<5 mm2)。记录细胞外的锋电位信号和局部场电位，即周围神经元的平均电活动，被广泛利用。

 

颅内神经元峰电位（Spike）的信号振幅通常约为 50 - 500 μVp-p，频率范围为 0.5 Hz - 10 kHz，而局部场电位（LFP）的振幅在 0.5 - 5 mVp-p 左右，频率范围为1 - 300 Hz。Spike 信号由于揭示了大量关于细胞间通信和网络的信息而被广泛关注。LFP 记录已被表明更适合慢性长期监测，由于 LFP 是多个神经信号分量的平均和，因此解码和识别目标神经元的信号要困难得多。另一方面，spike 直接测量目标神经元的信号，具有比 LFP 更高的时间和空间分辨率。因此现有全植入脑机接口设备通常同时对 LFP 以及 spike 进行采集，以实现在不同尺度对神经活动信息进行分析。

 

3、脑机接口组成机构

脑机接口系统主要由大脑、脑信号采集、脑信号处理与解码、控制接口、机器人等外设和神经反馈构成。

 

图.BCI系统组成结构示意图4

 

脑信号采集：是脑机接口系统的重要组成部分，是其实用化的瓶颈之一，采集到高质量的脑信号至关重要。采集大脑活动的方法有多种，原则上均可为 BCI 系统提供输入信号，这些方法中包括 EEG、皮层电位（ECoG）、颅内神经元峰电位（Spikes），局部场电位（LFP）。

 

图.不通脑电信号空间分辨率以及信号频率

 

ECoG 和 Spikes 是侵入式采集电信号的方法，虽然具有较高的空间分辨率、良好的信噪比和更宽的频带，但目前这类 BCI 仍面临着几个难题:有创带来的安全性问题、难以获得长期稳定的记录、需要相关医护人员长时间连续地观察。与 ECoG 和 Spikes 相比，EEG 是从头皮无创记录的，具有安全、易于采集和价格低廉的特点。根据脑电采集过程对大脑的侵入程度，脑机接口可分为侵入式、非侵入式与半侵入式。

 

图.不同的检测大脑电活动方式

 

脑信号处理和解码：脑信号中通常包含多种噪声，例如与脑功能无关的神经信号、工频干扰、眼电和肌电伪迹等，这会在一定程度上降低信号的质量，为此需要对脑信号进行预处理以剔除伪迹并提高信噪比。脑信号预处理后，通常根据特定的BCI范式所设计的脑功能任务相关的神经信号规律来提取特征。提取到可分性好的的脑信号特征之后，可以采用先进的模式识别技术或机器学习算法训练分类模型。

控制接口：根据具体的通信或控制应用要求，控制接口把上述解码的用户意图所表征的逻辑控制信号转换为语义控制信号，并由语义控制信号转化为物理控制信号；

机器人等外部设备：与脑机接口通信或可控制的外部设备是多种多样的，视具体的应用而不同，可以是计算机系统（操作其字符输入/光标移动等），也可以是机器系统（如康复机器人、神经假肢和轮椅等）；

神经调控与神经反馈：神经调控与神经反馈是脑机接口的重要组成部分，是实现双向脑机交互的关键技术。应用光声电磁等物理手段可以直接对大脑活动进行调控，亦可应用条件反射和人脑可塑性通过神经反馈把用户的脑活动特征、解码结果以及与外设通信。

 

资料来源：

 

[1] 阮梅花,张丽雯,凌婕凡等.2023年脑机接口领域发展态势[J].生命科学,2024,36(01):39-47.

 

[2] 王浩传.全植入脑机接口微系统关键技术研究[D].杭州电子科技大学,2023.

 

[3] Zhang M, Tang Z, Liu X, et al. Electronic neural interfaces[J/OL]. Nature Electronics, 2020, 3(4): 191-200.

 

[4] 资料来源：2022脑机交互神经调控前沿进展白皮书

 

 

来源：和义广业创新平台

关键词： 脑机接口