堯俊瑜，鄔長杰

（1.西華大學計算機與軟件工程學院，成都610039；2.電子科技大學生命科學與技術(shù)學院，成都610054 3.西華大學計算機與軟件工程學院，成都610039）

腦機接口技術(shù)研究綜述

堯俊瑜1，2，鄔長杰3

（1.西華大學計算機與軟件工程學院，成都610039；2.電子科技大學生命科學與技術(shù)學院，成都610054 3.西華大學計算機與軟件工程學院，成都610039）

腦機接口技術(shù)(BCI)是多學科融合的新型人機結(jié)合技術(shù),在生活、醫(yī)療和娛樂方面都有極大的前景。簡要介紹現(xiàn)有腦機接口技術(shù)的類型,并對國內(nèi)外研究現(xiàn)狀和發(fā)展前景做闡述。

0 引言

1875年,英國物理學家Richard Caton首次發(fā)現(xiàn)大腦上的電流信號,其后各國科學家紛紛對其展開了研究。隨著研究的不斷深入,出現(xiàn)了一個各學科融合的研究領(lǐng)域——腦機接口。所謂的腦機接口即不依賴身體的神經(jīng)通路和肌肉的一種通信系統(tǒng)[1]。腦機接口技術(shù)在生活、醫(yī)療、和軍事上都有重要的應(yīng)用前景,隨著BCI研究的不斷進步,必將在各個領(lǐng)域綻放異彩。

1 現(xiàn)有腦機接口技術(shù)國內(nèi)外研究現(xiàn)狀

腦機接口按電極所處的位置來劃分,可以分為植入型腦機接口和非植入型腦機接口。

1.1 植入型

其中植入式BCI需要通過手術(shù)將信號采集探針放入顱內(nèi),從而采集腦電信號。長期放置探針具有很高的風險,一般主要用于癲癇患者和動物被試。植入型腦機接口采集的是皮層腦電,主要有兩種采集方式,一個是采集峰電位,另一個是局部場電位。

（1）鋒電位

鋒電位會在受到刺激后600ms內(nèi)出現(xiàn),在鋒電位出現(xiàn)的時候,該神經(jīng)纖維處于絕對不應(yīng)期。這一特性保證了一個信息的獨立性,從而適合在腦機接口中應(yīng)用。

Schwartz[1]團隊實現(xiàn)猴子利用鋒電位控制三維空間內(nèi)的機械手臂抓取食物。試驗中如圖1將猴子固定住,并將機械手臂放置在猴子肩部附近,猴子利用鋒電位信息控制機械手臂抓取隨機放置的食物。

圖1 猴子利用鋒電位抓取三維空間中的食物

（2）局部場電位

局部場電位信號是局部神經(jīng)元突觸活動電信號的綜合反映,它不單是簡單信號的疊加,同時攜帶了神經(jīng)元信號傳遞過程中的時間及空間信息[3],所以與鋒電位相比較而言更能反映大腦局部區(qū)域信息輸入以及處理的過程。而且,局部場電位受電極植入時間的影響比鋒電位更小,所以局部場電位將來更有可能應(yīng)用于腦-機接口。另外,與腦-機接口技術(shù)中常用到的另一種腦電信號——頭皮腦電信號信號相比,局部場電位由于是由微電極陣列采集到的皮層內(nèi)腦電信號,是更直接地反映大腦中電位變化的信號，所以表現(xiàn)出更好的特異性。所以說,局部場電位信號是介于鋒電位信號與皮層腦電信號之間的一種信號,具有解碼的長期性以及特異性等優(yōu)點,在將來應(yīng)用于臨床研究中具有很大的潛力。

O.Donchin[2]等對猴子進行了局部場電位實驗,他們將電極植入其初級運動皮層,然后讓猴子分別用左右手轉(zhuǎn)動轉(zhuǎn)盤,同時記錄猴子運動區(qū)的腦電信息,發(fā)現(xiàn)記錄到的場電位的信號和猴子轉(zhuǎn)動轉(zhuǎn)盤的方向有一定的相關(guān)性,會隨著轉(zhuǎn)動方向的變化而變化。Hansjorg[3]等對大鼠采集后頂葉皮層的腦電信號,分析大鼠在抓取和掃視模式下的LFP的時域和頻域特征后,成功對這兩種行為進行了預測。

1.2 非植入型

非植入式BCI是直接采集頭皮腦電,其所帶的信息比植入式所采集到的腦電信號所帶的信息量要少,分辨率也更低。但是因為其是無創(chuàng)性的,所以便捷性和安全性更高。

（1）腦磁圖

腦磁圖（Magnetoenephalography,MEG）是記錄的是大腦內(nèi)部微弱電流所產(chǎn)生的磁場信號[4]。通過磁共振儀器把這些磁場信號采集下來,形成一個立體的磁場分布圖,就是腦磁圖。它可以反映腦的磁場變化,當大腦活動或某一區(qū)域病變時,腦磁圖會有明顯的變化,從而在醫(yī)療診斷上有極高的應(yīng)用。紅外腦功能光學成像（fNIRS）和功能磁共振成像（fMRI）等已經(jīng)用于腦機接口。圖賓根大學已經(jīng)提出了基于fMRI的腦機接口的明確架構(gòu),并實現(xiàn)了實時系統(tǒng),且將其應(yīng)用于了神經(jīng)康復及虛擬環(huán)境交互等方面[5]。

（2）頭皮腦電

①P300事件相關(guān)電位

P300是通過一些突發(fā)性的刺激誘發(fā)出來的腦電,在受到這種小概率事件的刺激后,會在300ms左右出現(xiàn)一個正電位?；赑300的腦機接口可直接進行使用,不需要進行訓練。但是隨著對刺激的熟悉程度加深,所刺激出來的P300波的質(zhì)量會有所下降。

Sutton在進行oddball實驗時最早發(fā)現(xiàn)了P300。后來Farwell等人設(shè)計了基于P300的虛擬打字機[6]。Rebsamen等設(shè)計了基于P300電位的智能輪椅[7]。華南理工大學龍錦益等利用運動想象和P300電位的搭建的輪椅控制BCI[8]。

②運動起始視覺誘發(fā)電位

運動起始視覺誘發(fā)電位（motion-onset Visual Evoked Potential,mVEP）由快速運動的視覺刺激誘發(fā)產(chǎn)生,在所有與運動相關(guān)的視覺誘發(fā)電位中,運動起始視覺誘發(fā)電位擁有最小的被試間差異和被試內(nèi)差異以及最大的幅度[9]。由于mVEP采用運動屬性作為刺激模式,因此刺激器不需要高亮度和高對比度,基于mVEP的BCI因為避免了閃爍刺激,從而可以減輕被試的視覺疲勞,更加具有實用性。

清華大學劉濤等使用運動起始視覺誘發(fā)電位搭建的網(wǎng)頁搜索和瀏覽BCI[10]。電子科技大學腦機接口團隊使用運動起始視覺誘發(fā)電位開發(fā)出一套BCI系統(tǒng),可以實現(xiàn)跑酷游戲的操作。

（3）穩(wěn)態(tài)視覺誘發(fā)電位（SSVEP）

穩(wěn)態(tài)視覺誘發(fā)電位的腦機接口是經(jīng)過不同頻率閃爍刺激產(chǎn)生的。研究表明,當人眼注視到頻率大于4Hz的周期性視覺閃爍刺激時,會在大腦中產(chǎn)生一種周期性響應(yīng)的SSVEP。從記錄到的頭表EEG信號中,可以觀測到和閃爍頻率相關(guān)的基波及其諧波[11]。因此,只需要分析采集到的腦電,就可以識別出被試所注視的虛擬按鍵,從而實現(xiàn)腦機交互。SSVEP的頻譜穩(wěn)定而且信噪比高,但是,長時間的閃爍刺激很容易讓被試產(chǎn)生視覺疲勞,嚴重時甚至會誘發(fā)癲癇[12]。

Jacques Vidal等人設(shè)計了一套視覺誘發(fā)電位的系統(tǒng),實現(xiàn)了對光標移動的控制,并首次使用“腦機接口（Brain-Computer Interface）”這一詞來描述基于計算機的能獲取大腦功能信息的系統(tǒng),這便是腦機接口技術(shù)研究的雛形[13]。

Mc Millan和Calhoun對穩(wěn)態(tài)視覺電位進行了研究,基于SSVEP設(shè)計了一套系統(tǒng),該系統(tǒng)可以對其空軍基地的飛行模擬器進行操控。國內(nèi)也有研究團隊對SS?VEP進行了深入研究,清華大學開發(fā)了一套能夠撥打語音電話,能夠?qū)照{(diào)電視進行操作的系統(tǒng)。

（4）皮層慢電位

皮層慢電位是從頭皮記錄的EEG中最慢的頻率成分。持續(xù)時間可達幾秒,是自發(fā)腦電的一種,能反映大腦皮層的興奮狀態(tài)。SCP會根據(jù)大腦的興奮程度不同而呈現(xiàn)出不同的電位情況。研究表明SCP是可控的,在經(jīng)過一定時間的訓練之后,被試能夠控制SCP的變化，進而可以用來作為BCI的控制信號。

Birbaumer[14]等基于EEG的慢皮層電位設(shè)計了字母輸出BCI,Wadworth中心的wolpaw等基于EEG的mu節(jié)律和beta節(jié)律成份所構(gòu)建的二維甚至三維光標控制BCI,其準確率達75%。

（5）α節(jié)律

研究表明:在閉眼狀態(tài)下采集到的α波明顯比睜眼狀態(tài)下采集到的α波幅值要高。經(jīng)過一定的訓練后,被試就能控制α波幅值的大小。將其用作腦機接口的控制信號也有良好的實驗效果。Dewan利用α波在閉眼時幅值增大以及睜眼時阻斷的現(xiàn)象,來自主控制發(fā)送Morse電報碼[15]。

（6）基于運動想象的μ節(jié)律和β波

研究證實,運動想象能夠?qū)\動殘疾的康復很有作用。Linden[16]等人報道,老年婦女能夠采用運動想象和物理治療來達到更好的平衡特性,這種平衡性以步行平衡和足部安置措施作為衡量標準。

Fairweather and Sideway[16]發(fā)現(xiàn)運動想象能夠減少慢性背痛病人的疼痛,并且能改善脊柱畸形病人的姿勢。浙江大學的黃麗鵬在參加挑戰(zhàn)不可能時,用運動想象結(jié)合肌電成功控制大鼠穿過迷宮。

2 面臨的挑戰(zhàn)

目前腦機接口正在高速發(fā)展時期,還有很長的路要走。腦機接口最大的優(yōu)勢就是建立了一條直接用計算機和大腦進行通信的通路。但是這個特性給腦機接口帶來優(yōu)勢的同時卻也帶來了挑戰(zhàn)。

（1）通信速度慢。BCI系統(tǒng)采集到腦電信后需要對其進行處理,然后才能轉(zhuǎn)換成機器語言而被電腦所接受,在BCI使用過程中時常需要多次刺激和反饋。受到種種原因的限制,腦機接口的通信速度還比較低。目前,基于P300的BCI最大信息轉(zhuǎn)換速度為20-25bit/min,基于視覺誘發(fā)的BCI稍高,其通信速率也只有60-100bit/min。這樣的信息轉(zhuǎn)換效率還達不到正常交流的水平[17]。

（2）精度低。目前的BCI系統(tǒng)（包括自發(fā)腦電和誘發(fā)腦電）精度都還比較低,基于自發(fā)腦電的任務(wù)識別率平均只有80%[18]，而基于誘發(fā)腦電的控制準確率比自發(fā)腦電稍高,但是對于一套控制系統(tǒng)來說,這樣的精度還達不到使用要求。越復雜的腦機接口系統(tǒng),控制指令就越多,相應(yīng)的準確度就更低,這給BCI的實際應(yīng)用帶來了不小的挑戰(zhàn)。

（3）適應(yīng)性差。腦電信號的幅值非常小,并且并不平穩(wěn),在腦電信號的采集過程中,不可避免的會受到其他信號干擾。在腦電采集的時候?qū)Νh(huán)境的要求比較高,當環(huán)境中的噪聲比較高的時候,會降低BCI系統(tǒng)的精度。

（4）便攜性差。目前BCI大多是基于PC平臺的,便攜性差。而基于前入式的BCI由于處理器處理速度較慢,所以信息傳輸率也更低。

3 應(yīng)用前景

腦機接口技術(shù)是在近年來才快速發(fā)展的一門新興學科,必然會存在很多的問題。但隨著BCI研究的不斷深入,逐漸體現(xiàn)出巨大的應(yīng)用前景。

醫(yī)學上,腦機接口能夠幫助醫(yī)生進行診斷,可以通過腦機接口系統(tǒng)實時監(jiān)測病人狀態(tài),還可以幫助喪失行動能力的人進行正常的生活。

軍事領(lǐng)域中,近年來美軍陸續(xù)提出“感知操控”“代理戰(zhàn)士”等概念[19-20]，認知領(lǐng)域必然是未來軍事發(fā)展的重要關(guān)注點,而人機結(jié)合的武器無疑是重點研究方向。

娛樂中,腦控游戲?qū)怯螒蚪绲南乱淮胃锩?/p>

BCI技術(shù)的研究會有助于我們一點一點剖開神秘的大腦,提高我們對生命科學的認識。

4 結(jié)語

本文介紹了腦機接口的基本情況和未來發(fā)展的挑戰(zhàn)和展望。目前的腦機接口系統(tǒng)距離廣泛的使用還有很長的一段路要走。但是隨著技術(shù)的不斷嫻熟,相信腦機接口一定會應(yīng)用于現(xiàn)實生活中各個領(lǐng)域,造福人類。

[1]周鵬.基于運動想象的腦機接口的研究[D].天津:天津大學,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]史麗娟，許劉，楊何.基于α波控制的新型異步腦機接口技術(shù)研究進展.國際生物醫(yī)學工程雜志，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,堯德中.同步腦電-功能磁共振（EEG-fMRI）原理與技術(shù)[M].科學出版社,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

腦機接口；腦電信號；電位

堯俊瑜（1993-），男，重慶人，碩士研究生，研究方向為計算機科學與技術(shù)

鄔長杰（1992-），男，四川內(nèi)江人，碩士研究生，研究方向為計算機科學與技術(shù)

2017-06-06

2017-08-25

Brain Computer Interface;EEG;Electric Potential