介绍脑机接口在应用系统实现中的成就、现状及未来发展趋势

脑机接口（BCI）通过对人类思维活动过程中的大脑神经活动信息进行解码，构建了大脑与外界的直接信息传递通路。等领域具有广阔的应用前景。 2017年可以说是脑机接口发展的新起点。近年来，在脑机接口相关的一系列科研突破的推动下，脑机接口技术开始走向成熟，正受到越来越多业界的关注和投资。例如，创业领域的领军人物埃隆·马斯克(Elon Musk)投资创立了Neuralink，这是一家用于神经假体应用和未来人机通信的脑机接口公司。互联网领域的领导者Facebook宣布开始研发基于脑机接口的新一代交互技术。这些举措引发热议，也将推动脑机接口技术进一步加速发展。本文结合2017年脑机接口研究趋势，首先介绍了脑机接口在应用系统实现方面的年度重要成果，然后介绍了关键应用技术研究的新进展，最后给出了一个对未来发展趋势的展望。

一、应用系统实现：更有效的沟通与控制

字符输入

让患有严重运动障碍的患者恢复与外界交流的能力。能力是脑机接口最重要的应用目标之一。继近年来基于头皮脑电的字符输入研究取得突破后，2017年2月，斯坦福大学的研究团队报告了一种使用颅内脑电进行字符输入的高性能脑机接口应用系统。在这个系统中，研究人员在侧索硬化和脊髓损伤瘫痪患者负责手部运动的运动皮层植入了高密度微电极阵列，以收集动作电位和高频局部场电位，并解码神经活动信息实现屏幕上二维光标的连续控制和字符选择的“点击”动作，使患者可以通过屏幕虚拟键盘输入文字与外界进行交互（图1） . 3 名瘫痪者使用该系统 患者每分钟输入 39.2、31.6、13.5 个英文字符，这也是目前在运动障碍患者中最为常见，实现了最快的信息传输速率。与头皮脑电图相比，颅内电极获得的脑电图信号信噪比更高，信号更稳定，在临床上独树一帜。 l 脑机接口在瘫痪患者中的应用 该研究发表在神经科学与神经工程领域的前沿期刊《eLife》上。

图。 1 侧索硬化患者通过脑机接口系统输入字符

运动控制

控制轮椅、机械臂等运动辅助设备对于改善严重运动障碍患者的生活质量与字符输入一样重要，也是脑机接口领域的重点研究方向。 2017年 2019年5月，美国凯斯西储大学的研究团队在国际领先的临床医学期刊《柳叶刀》上发表了一项研究，朝着这个方向更进一步。他们将脑机接口与功能性电刺激技术相结合，使患者能够控制原本瘫痪的肢体与外界互动。

功能性电刺激（FES）是一种刺激周围神经和肌肉组织，使高位截瘫患者恢复四肢运动能力的技术（图2（a））。在这项研究中，研究人员使用植入式脑机接口系统直接提取了创伤性高颈脊髓损伤患者负责手部运动的运动皮层。脑神经信号以高频段的频谱能量和动作电位超过阈值的次数为特征，解码相应功能电刺激器的刺激参数，控制功能电刺激器，输出电刺激至病人的瘫痪手臂触发肌肉活动。经过一段时间的训练，患者可以实现伸手和抓握动作，在测试阶段，患者12次尝试中11次成功使用了瘫痪的手臂和手掌。完成喝咖啡任务（图2（b）），每个任务时间为20-40 s。脑机接口系统可以帮助患者实现连续运动控制，接近现实生活中的运动模式，未来有望帮助患者实现这一目标。对瘫痪肢体进行自然流畅的运动控制，从而大大提高患者的生活质量。

图2 结合颅内脑机接口和功能性电刺激实现患肢闭环控制

基于脑机接口的运动控制应用不仅可以服务于用户的控制需求，还可能具有更多的医学意义。幻肢痛是一种患者在其不存在或瘫痪的肢体中感到疼痛的病症，目前尚无有效的治疗方法。日本大阪大学的一个研究小组发现，通过脑机接口训练来削弱幻肢在感觉运动皮层中的表征，可以有效减轻幻肢的疼痛。脑机接口训练有望成为幻肢痛的临床导向治疗。 研究成果发表在《自然通讯》杂志上，获得2017年度BCI奖第三名。

完全闭锁患者的信息输出

侧索硬化症患者是脑机接口系统的重要目标患者群体。侧索硬化症，也称为 ALS，是患者完全失去对所有肌肉控制的最严重的疾病，这种情况称为完全锁定状态 (CLIS)。现有的脑机接口系统往往部分依赖于患者残存的神经和肌肉控制能力，无法应用于此类患者。 2017年1月，德国蒂宾根大学的研究团队基于功能性近红外脑功能成像，实现了首个可应用于CLIS患者的脑机接口系统。研究人员通过分析功能性近红外采集，对额叶中部血氧含量的变化进行了分类。经过几周的训练，四名患者可以通过调整大脑神经活动的模式对一系列语音提出的问题回答“是”或“是”。 “否”，正确率约为 70%。该工作发表在《公共科学图书馆生物学》杂志上。

二、应用关键技术进展：新硬件、新算法、新范式

新硬件

脑机接口实用系统的构建对脑神经信号采集处理设备的小型化、无线化提出了很高的要求。尽管已经推出了许多基于脑电图的小型化设备，但能够同时采集多个神经生理信号的小型化硬件却很少。 2017年6月，德国柏林工业大学脑机接口研究团队发布了一款无线设备，可以同时采集脑电图、功能性近红外大脑图像，以及其他常规生理参数（如心电图、肌电图、加速度、 ETC。）。模块化硬件架构（M3BA：一种移动的、模块化的、多模态的生物信号采集架构），其中每个M3BA模块（不含电池）的边长只有42毫米（图3）。这是第一个模块化，移动化、小型化、多模态、可扩展的多生理参数采集架构，对于实现脑机接口技术的实际应用具有积极意义。

图 3 M3BA 概念图

信号采集是限制脑机接口从实验室应用到现实生活应用的重要因素。对于基于头皮EEG的无创脑机接口，湿式电极方案的脑机接口系统需要较长时间制备导电膏，使用后需要清洗头发；而以往的干电极系统主要采集额头区域的脑电信号，解码的脑状态少，准确率低，实际使用场景有限。加州大学圣地亚哥分校的一个研究小组在“IEEE Transactions on Neural Systems and Rehabilitation Engineering”中报告了一种稳态视觉诱发电位脑机接口系统，电极放置在耳后的无毛区域，并在 12在分类任务中，分类准确率约为85%，信息传输速率约为30 bit/min（图4（a））。该研究进展有助于普通健康人在日常生活中方便、高效地采集脑电图。脑机接口的使用提供了可行性支持。相应地，基于耳后电极的脑机接口商用硬件也开始出现（图4（b）），有望迅速推动相关应用推向市场。

图 4 收集耳后脑电图的新尝试

新算法

如何提高信息传输速率一直是脑机接口研究领域的重要课题。由于脑神经信号的信噪比低等，受因素限制，脑机接口的信息传递率一直低于正常输出通路（即周围神经和肌肉）组织）。例如经典的P300脑机接口字符拼写系统的信息传输速率约为0.@ >5 bit/s。 2015年脑机接口最新进展，国内清华大学与合作研究团队报道了一种基于稳态视觉诱发电位的高速脑机接口系统，实现了4.5bit/s的通信速率。 2017年，中科院半导体研究所及其合作研究团队进一步突破，提出任务相关成分分析算法，进一步提高稳态视觉诱发电位脑机接口对5.4 bit/s，最优结果为6.3 bit/s，是目前报道最快的头皮-脑机接口系统，有望推动脑机接口的应用在普通健康人的日常生活中。该工作发表在 IEEE Transactions on Biomedical Engineering。

此外，丹麦奥尔堡大学的一个研究团队提出了一种在线脑机接口算法，可以实时监测被试注意力的变化，并进行自适应特征提取。很好的表现。该成果荣获2017年度BCI大奖第一名。

新范式

基于视觉诱发电位的脑机接口是信息传递率最高的脑机接口类型。特定的视觉代码（时间、频率或伪随机代码等）和目标识别是通过破译代码诱发的特定脑电图反应来实现的。 2017年，德国汉堡大学的研究团队提出了一种基于空间信息编码的稳态视觉诱发电位脑机接口新范式，该范式仅使用一个稳态视觉刺激来实现多注意力的识别目标。新范式是基于视觉皮层中的视网膜映射原理实现的。当用户注意视觉刺激的不同空间方位时，诱发脑电反应的空间格局不同，离线9个方位的分类准确率达到95%左右。随后，汉堡大学与清华大学合作实现了4类在线系统，在实际的2D运动控制游戏中实现了在线分类性能的90%左右。在这种范式中，由于不需要直视稳态的视觉刺激脑机接口最新进展，用户的视觉负荷更低，用户体验更好；同时，该设计使用电脑屏幕经济，可以更好地融入更自然的环境中。或者复杂的应用背景，有较好的实际应用前景。

想象是脑机接口中常用的另一种主要范式，但对于如何进行有效的想象任务训练没有标准化的解决方案。中国华东理工大学的一个研究团队提出，用户将手写汉字想象为一种富有想象力的运动任务范式，并取得了明显高于传统范式的分类性能。该范式是针对国内用户群特点设计的范式任务，为脑机接口在国内的推广应用提供了很好的思路。​​

三、发展趋势与前景

机器学习算法和数据规范化

以深度学习为代表的新一代机器学习算法正在受到关注。机器接口领域研究人员的日益关注有望减少研究人员对神经数据特征提取的工作量，同时保持出色的分类性能。值得一提的是，来自上海交通大学、华南理工大学、西安交通大学等高校的国内研究团队在脑机接口情感识别、P300脑机接口注意力目标识别、想象运动分类。

由于新兴机器学习算法中的分类器结构相对复杂，对数据量提出了更高的要求。在此背景下，几个领先的脑机接口研究团队开始推动数据规范化和开放共享：来自清华大学和中科院半导体研究所的联合研究团队发布了一组35个科目和40个刺激频率。稳态视觉诱发电位脑机接口标准数据集；德国柏林工业大学研究团队推出混合脑机接口数据集，同时收集脑电图和近红外脑功能成像信息，包括来自29名受试者的数据，包括想象运动等经典脑机接口任务和心算。以上数据集可供全球研究人员免费下载使用，对于推动脑机接口领域的算法研究具有积极意义。

脑机接口和神经伦理学

随着脑机接口技术的逐渐成熟和应用，这项技术可能引发的伦理问题开始引起越来越多的关注。关注和讨论。 2017年11月，脑机接口、神经工程和人工智能领域的25位知名学者联合在《自然》杂志上发表评论文章，提出了神经工程技术发展的四大伦理问题。首先是隐私问题。与其他生理参数相比，神经信号承载着更丰富的个人信息。如何保护用户的个人隐私需要在相关技术的开发中加以考虑。二是身份识别。对于长期植入，如何判断一组脑刺激器是由自己主导还是由设备主导，需要在道德和法律层面进行界定；再次，这是一个加强的问题。如果用神经工程技术制造出比普通人能力更强的超级智能体进行战争，是否违反社会规范；最后是偏见的问题，如何建立能够兼顾各群体利益的相对公平的技术发展规范，如果存在某种根植于神经设备的偏见，可能会引发严重的社会问题。

机遇与挑战

2017年是脑机接口领域充满机遇的一年。据估计，目前美国每年在脑机接口和其他神经工程相关领域的投资接近1亿美元，而且这个数字还在不断增长。除了以 Neuralink 和 Facebook 为代表的业界关注外，各国政府也对这项技术给予了高度重视。美国、欧盟、日本、中国的脑计划将为脑机接口提供关键的神经生理基础和关键技术方法支持； )，提出了实现无线脑植入设备的目标，该设备可以同时用100万个电极记录脑神经信号并选择性激活10万个神经元（图5）。

图5 无线脑植入设备概念图

脑机接口领域也面临诸多挑战。 2017年10月，《IEEE Transactions on Neural Systems and Rehabilitation Engineering》发表了IEEE Brain Initiative Special Issue on BMI/BCI Systems的特刊。随附的社论评论文章总结了脑机接口领域需要解决的几个主要问题，包括脑机接口系统如何在日常应用中保持性能。稳定性，如何设计和实现多通道、低功耗、长寿命的无线脑电植入设备，如何将脑机接口推向临床等。随着人力和财力投入的不断增加，脑机接口研究人员他们已经在积极为未来理论和技术的重大突破做准备。