脑-机接口是人脑与计算机或其他电子设备之间建立的直接通信和控制通道 ,通过这个通道 ,人们可以通过大脑直接表达想法或操纵设备 ,不需要语言或动作 ,能有效增强身体严重残疾[1]
的患者与外界交流或控制外部环境的能力 ,以提高患者的生活质量。脑-机接口技术是一种涉及神经科学[2]
、信号检测、信号处理[3]
、多学科的交叉技术，如模式识别。
中文名
脑接口技术
外文名
Brain-Computer Interface Technologies领域
科技，科学实验
性质
脑电波变成虚拟和现实世界运动
脑机接口技术背景简介
编辑
语音
脑接口技术背景
直接与外界通信大脑思维活动的信号， 甚至实现对周围环境的控制， 是自古以来人类追求的梦想。 自从1929年Hans Berger脑电图第一次记录[4]
, 人们一直在推测它可能是可能的 用于通信和控制， 直接对外界起作用，使大脑不需要普通的媒介-外周神经和肢体的帮助。 然而, 受当时整体科技水平的限制， 此外，对大脑思维机制的了解还很少， 这方面的研究进展甚微。
脑-机接口(Brain-Computer Interface ,BCI) 技术形成于 20 世纪 70 年代 (1973 年 ,Vidal)[5]
,它是一种交叉技术，涉及神经科学、信号检测、信号处理、模式识别等多学科. 20 多年来 ,随着人们对神经系统功能认识的提高和计算机技术的发展 ,BCI技术研究呈明显上升趋势 ,特别是 1999 年和 2002 年两次BCI 召开国际会议BCI 技术的发展指明了方向. 目前 ,BCI技术引起了许多国际学科和技术工作者的广泛关注 ,成为生物医学工程、计算机技术、通信等领域的新研究热点.
脑接口技术BCI简介
BCI 是连接大脑和外部设备的实时通信系统. BCI 系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令 ,实现人与外界的交流，控制外部环境，而不是人的肢体或语言器官. 换言之 ,BCI 该系统可以取代正常的外围神经和肌肉组织 ,实现人与计算机或人与外部环境之间的通信[6]
。.
BCI 该技术的核心是将用户输入的脑电信号转换为输出控制信号或命令的转换算法. BCI 调整人脑和 BCI 系统之间的相互适应关系 ,也就是说，找到合适的信号处理和转换算法[7]
,神经电信号能够实时、快速、准确地通过 BCI 该系统被转换可被计算机识别的命令或操作信号。
脑接口技术BCI系统原理和概念
编辑
语音
神经科学研究表明 ,在大脑产生动作意识和动作执行之前 ,或者受试者受到外界刺激后 ,神经系统的电活动会发生相应的变化. 这种神经电活动的变化可以通过某种方式检测到 ,作为即将到来的特征信号. 分类识别这些特征信号 ,区分引起脑电图变化的动作意图 ,然后用计算机语言编程 ,将人的思维活动转化为命令信号驱动外部设备 ,没有肌肉和外围神经的直接参与 ,人脑控制外部环境. 这就是 BCI 基本工作原理。
第一次 BCI 国际会议给出的 BCI 定义为[8]
：脑-计算机接口(Brain Computer Interface) 是一种不依赖于正常的由外围神经[2]
由肌肉组成的输出通道的通信系统. BCI 完全不依赖肌肉和外围神经的参与 ,脑和计算机的通信直接实现. 这对完全没有活动能力的病人 (如脑中风 ,肌萎缩性 (脊髓) 侧索硬化 ,脑瘫等) 辅助治疗、语言功能和行为恢复 ,控制特殊环境中外部设备 ,即使是改进娱乐方式也很重要。
脑接口技术BCI系统基本结构
编辑
语音
基于不同的需求 ,基于脑电的人们已经设计了各种基于实验室演示的脑电图 BCI 原型系统[9]
.原理上 ,BCI 系统一般由输入、输出、信号处理和转换等功能环节组成. 输入链接的功能是生成和检测具有一定特征的脑电活动特征信号 ,以及对这种特征用参数加以描述.信号处理的作用是处理和分析源信号 ,将连续的模拟信号转换某些特征参数 (如振幅值、自回归模型系数等。 数字信号 ,便于计算机的读取和处理 ,识别和分类这些特征信号 ,确定相应的意识形态活动.信号转换是根据信号分析和分类获得的特征信号[3]
产生驱动或操作命令 ,操作输出装置 ,或直接输出表示患者意图的字母或单词 ,达到与外界沟通的目的. 作为连接输入和输出的中间环节 ,信号分析与转换是 BCI 系统的重要组成部分. 训练强度不变时 ,改进信号分析和转换算法 ,可以提高分类的准确性 ,以优化 BCI 系统的控制性能.BCI系统的输出装置包括指针运动、字符选择、神经假体运动和其他设备的控制.
图1 BCI结构示意图BCI 如图1所示
脑接口技术BCI的分类
编辑
语音
第一次 BCI 国际会议根据输入信号的性质 BCI 系统分为两类 ,即使用自发脑电信号 BCI 使用诱发脑电信号的系统和系统 BCI 系统.。
基于自发脑电 BCI 系统是应用自发脑电[10]
输入特征信号作为系统。 其特点是 ,训练后，受试者可以独立控制脑电变化 ,从而直接控制外部环境 ,但通常需要对受试者进行大量的训练 ,易受身体状况、情绪、病情等因素的影响.。
诱发脑电信号 BCI 该系统使用外部刺激来诱发大脑皮层相应部位的电活动 ,并将其作为特征信号。 外部诱发BCI系统不需要对受试者进行太多的训练 ,但需要特定的环境(如排列矩阵的闪烁视觉刺激输入) ,这不利于系统的推广和应用。
在系统输出模式上 ,前者可以将指针移动到任何二维或多维位置 ,后者只能使操作员在列出的选项中选择.。 根据不同的信号检测方法 ,也可以把 BCI 分为两种基本形式：电极内置式和电极外置式[11]
。
电极内置信号检测方法使电极直接接触大脑皮层或进入大脑皮层 ,测量的信号噪声小，损失低 ,但是因为涉及手术 ,操作复杂 ,需要专业技术的操作人员 ,易感染。
电极外置信号检测方法 ,操作简单 ,安全 ,有利于 BCI 系统的推广 ,但由于电极距离信号源较远 ,噪声较大.在 BCI 系统设计中 ,使用何种方案应根据信号的特征、测量技术的水平以及实际要求的精度等因素综合考虑。
脑接口技术BCI关键技术
编辑
语音
BCI 该系统由信号生成、处理、转换、输出、开关和时钟组成。 BCI 在技术发展中 ,信号分析和转换算法是其最重要的研究内容。
获取源信号
图2 电极植入手术示意图BCI源信号的获取过程包括信号的生成和检测 (电极记录) 、信号放大、去噪、数字化处理等。人脑能产生多种信号 ,它包括各种形式，如电、磁、化学和对大脑活动的机械反应。这些信号可以通过相应的传感器进行检测 ,从而使得 BCI 实施成为可能。 对磁化等信号的检测技术要求较高 ,目前 BCI 获取信号主要是基于技术相对简单，成本相对较低EEG检测技术[12]
.
信号的产生
根据要获得的信号的特征和性质 ,必须采用相应的方法来生成特征信号。信号生成包括使用视觉诱发电位、使用事件相关电位、模拟虚拟环境和独立控制脑电图。
信号的检测
信号的检测方法取决于待测神经电信号的性质. 根据电极类型 ,BCI 系统可以分为电极内置式和电极外置式两种基本形式[13]
信号处理方法
BCI系统中的信号处理包括信号预处理、特征提取、识别和分类.传统的脑电信号分析方法是多次检测信号并进行均值滤波 ,然后用统计学的方法寻找 EEG的变化规律. 该方法信息传输率低 ,也不能满足实时控制的需要. 目前对 EEG单次训练信号通常用于处理信号处理. 特征提取[10]
和识别分类是 BCI 信号处理最关键的环节
BCI特征提取方法
特征提取[3]
以特征信号为源信号 ,确定各种参数，并以此作为向量形成表征信号特征的特征. 特征参数包括时域信号(如幅值) 和频域信号(如频率) 两大类 ,相应的特征提取方法也分为时域法、频域法和时域法。
特征信号的分类识别
特征信号分类是基于脑电信号根据不同的运动或意识产生不同反应的特征 ,确定运动或意识的类型与特征信号之间的关系. 信号分类结果的质量取决于两个因素 :一是分类的特征信号是否具有明显的特征 ,即特征信号的性质；二是分类方法是否有效。几个有代表性的 BCI 特征信号分类总结如下 ：人工神经网络[14]
；贝叶斯-卡尔曼滤波器；线性判别分析[15]
；遗传算法；概率模型。
脑接口技术BCI的应用
编辑
语音
新兴通信技术科交叉的新兴通信技术 ,目前 ,BCI 大多数研究都处于理论和实验室阶段 ,实际应用还有一定差距。但从性能上看 ,BCI 系统及其技术将在涉及人脑的各个领域发挥重要作用 ,特别是对于严重缺乏活动能力和功能训练[16]的患者
意义重大 , BCI 应用的研究主要集中在以下几个方面 :
交流功能
这类研究的目的是提高语言功能丧失患者与外界的交流能力[17]
。
环境控制
目前 ,对 BCI 环境控制的研究主要是基于虚拟现实技术[18]
. 虚拟现实具有相对安全和目标可移动的特点 ,它能为训练和调整神经系统活动提供一个安全可靠的环境. 受试者大脑发出操作命令 ,这种命令不是由肌肉和外围神经传出并执行 ,而是由 BCI 系统经过检测、分析和识别相应的脑电信号 ,确定要进行的操作 ,然后由输出装备对目标进行控制。
运动功能恢复
由 BCI 系统完成脑电信号的检测和分类识别过程 ,然后把命令输出给神经假体 ,完成已经失去功能的外围神经应有的功能 ,或者把命令信号输出给轮椅上的命令接受系统 ,完成运动、行走等功能 ,使四肢完全丧失功能的患者能够在无人照看的情况下自己进行一些简单的活动 ,或进行功能性的辅助训练[1]
.
其他领域的应用
从理论上讲 ,只要有神经电参与的通信系统[19]
,都可以应用 BCI 技术 ,如适用于残疾人的无人驾驶汽车 ,就是把操作过程中脑电信号的一系列变化 ,由 BCI 系统实时的转换成操作命令 ,实现无人直接驾驶的目的.
脑机接口技术结语
编辑
语音
BCI 是一种多学科交叉的新兴技术 ,它涉及神经科学[20]
、信号检测、信号处理[21]
、模式识别等多种学科领域. BCI 技术的研究具有重要的理论意义和广阔的应用前景. 由于 BCI 技术的发展起步较晚 ,相应的理论和算法很不成熟 ,对其应用的研究很不完善 ,有待于更多的科技工作者致力于这一领域的研究工作. 随着技术的不断完善和成熟 ,BCI 将会逐步地应用于现实 ,并为仿生学开辟新的应用领域.
词条图册
更多图册
参考资料
1.
任宇鹏 ,王广志 ,程明. 基于脑-机接口的康复辅助机械手控制 [J ]. 中国康复医学杂志 ,2004 ,19 (5) :330 - 333.
2.
高上凯. 神经工程与脑-机接口[J]. 生命科学,2009,02:177-180.
3.
脑机接口中基于WPD和CSP的特征提取
．中国知网[引用日期2015-01-31]
4.
Wolpaw J R, Birbaumer N, Heetderks W J, et al. Brain-computer interface technology: a review of the first international meeting[J]. IEEE transactions on rehabilitation engineering, 2000, 8(2): 164-173.
5.
J R Wolpaw ,N Birbaumer ,D J McFarland. Brain-Computer interface for communication and control[J ]. Clinical Neurophysiology ,2002 ,113 (6) :767 - 791
6.
B Blankertz ,GDornhege ,C Sch¾fer.Boosting bit rates and error detection for the classification of fast-paced motor commands based on single-trial EEG analysis[J ]. IEEE Transaction on Neural Systems and Rehabilitation Engineering ,2003 ,11 (2) :127 - 130.
7.
龙锦益. 脑信号分析的算法研究与多模态脑机接口[D].华南理工大学,2012.
8.
J R Wolpaw ,N Birbaumer ,W J McFarland. Brain-Computer Interface Technology :A review of the first international meeting[J ]. IEEE Trans2 action on Rehabilitation Engineering ,2000 ,8 (2) :164 - 173.
9.
EEG2based communication [ DB/ OL ]. http :/ / www. ee. ic. ac. Uk/ es2 earch/ eural/ bci/ review. html ,2004205202.
10.
基于自发脑电信号的脑—机接口的研究
．中国知网[引用日期2015-01-31]
11.
B Graimann ,J E Huggins ,S P Levine. Detection of ERP and ERD/ ERS patterns in single ECG channels[A]. Proc of the 1st international IEEE EMBS Conference on Neural Engineering [ C ]. Capri island : IEEE ,2003 ,614 - 616.
12.
Vaughan T M. Guest editorial brain-computer interface technology :A review of the second international meeting [J ]. IEEE Transaction on Neural System and Rehabilitation Engineering ,2003 ,11 (2) :94 - 109
13.
D R Kipke ,RJ Vetter ,J C Williams. Silicon-substrate intracortical microelectrode arrays for long-term recording of neuronal spike activity in cerebral cortex[J ]. IEEE Transaction on Neural Systems and Rehabilitation Engineering ,2003 ,11 (2) :151 - 154.
14.
毛健,赵红东,姚婧婧. 人工神经网络的发展及应用[J]. 电子设计工程,2011,24:62-65.
15.
线性判别分析与主成分分析及其相关研究评述
．中国知网[引用日期2015-01-31]
16.
脑机接口控制的下肢功能性电刺激系统研究
．中国知网[引用日期2015-01-31]
17.
N Birbaumer ,T Hinterberger ,A Kubler. The Thought-Translation Device (TTD) :neurobevioral mechanisims and clinical outcome[J ]. IEEE Transaction on Neural Systems and Rehabilitation Engineering ,2003 , 11 (2) :120 - 122.
18.
虚拟现实技术的最新发展与展望
．中国知网[引用日期2015-01-31]
19.
R C Wu ,S F Liang ,C T Lin. Applications of event-related-potential-based brain computer interface to intelligent transportation systems [A]. Proc of the 2004 IEEE International Conference on Networking , Sensing &Control[C]. Taipei ,China :IEEE ,2004 ,813 - 818
20.
神经工程与脑-机接口
．中国知网[引用日期2015-01-31]
21.
脑机接口中的信号处理算法研究
．中国知网[引用日期2015-01-31]
展开全部
收起