脑机接口技术

编辑:痴想网互动百科 时间:2019-11-19 21:19:06
编辑 锁定
脑-机接口是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道 ,通过这种通道 ,人就可以直接通过脑来表达想法或操纵设备 ,而不需要语言或动作 ,这可以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]  、模式识别等多学科的交叉技术。
中文名
脑机接口技术
外文名
Brain-Computer Interface Technologies
领    域
科技,科学实验
性    质
脑电波转变为虚拟和现实世界运动

脑机接口技术背景简介

编辑

脑机接口技术背景

直接用大脑思维活动的信号与外界进行通信, 甚至实现对周围环境的控制, 是人类自古以来就追求的梦想。 自从1929年Hans Berger第一次记录了脑电图以来[4]  , 人们一直推测它或许可 以用于通信和控制, 使大脑不需要通常的媒介—外周神经和肢体的帮助而直接对外界起作用。 然而, 由于受当时整体科技水平的限制, 加之对大脑思维机制了解尚少, 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]  ,是一种涉及神经科学、信号检测、信号处理模式识别等多学科的交叉技术. 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技术的研究呈明显的上升趋势 ,特别是 1999 年和 2002 年两次BCI 国际会议的召开为BCI 技术的发展指明了方向. 目前 ,BCI技术已引起国际上众多学科科技工作者的普遍关注 ,成为生物医学工程、计算机技术、通信等领域一个新的研究热点.

脑机接口技术BCI简介

BCI 是一种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 ,并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制. 换言之 ,BCI 系统可以代替正常外围神经和肌肉组织 ,实现人与计算机之间或人与外部环境之间的通信[6]  。.
BCI 技术的核心是把用户输入的脑电信号转换成输出控制信号或命令的转换算法. BCI 研究工作中相当重要的部分就是调整人脑和 BCI 系统之间的相互适应关系 ,也就是寻找合适的信号处理与转换算法[7]  ,使得神经电信号能够实时、快速、准确地通过 BCI 系统转换成可以被计算机识别的命令或操作信号。

脑机接口技术BCI系统原理及概念

编辑
神经科学的研究表明 ,在大脑产生动作意识之后和动作执行之前 ,或者受试主体受到外界刺激之后 ,其神经系统的电活动会发生相应的改变. 神经电活动的这种变化可以通过一定的手段检测出来 ,并作为动作即将发生的特征信号. 通过对这些特征信号进行分类识别 ,分辨出引发脑电变化的动作意图 ,再用计算机语言进行编程 ,把人的思维活动转变成命令信号驱动外部设备 ,实现在没有肌肉和外围神经直接参与的情况下 ,人脑对外部环境的控制. 这就是 BCI 的基本工作原理。
第一次 BCI 国际会议给出的 BCI 的定义是[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]  和肌肉组成的输出通路的通讯系统”. BCI 完全不依赖肌肉和外围神经的参与 ,直接实现脑和计算机的通信. 这对完全没有活动能力的患者 (如脑中风 ,肌萎缩性 (脊髓) 侧索硬化 ,脑瘫等) 的辅助治疗和语言功能、行为能力的恢复 ,对特殊环境中外部设备的控制 ,甚至对娱乐方式的改进都具有非常重要的意义。

脑机接口技术BCI系统基本结构

编辑
基于各种不同的需求 ,人们已经设计出多种可以在实验室中进行演示的基于脑电的 BCI 原型系统[9]  .原理上 ,BCI 系统一般由输入、输出和信号处理及转换等功能环节组成. 输入环节的功能是产生、检测包含有某种特性的脑电活动特征信号 ,以及对这种特征用参数加以描述.信号处理的作用是对源信号进行处理分析 ,把连续的模拟信号转换成用某些特征参数 (如幅值、自回归模型的系数等) 表示的数字信号 ,以便于计算机的读取和处理 ,并对这些特征信号进行识别分类 ,确定其对应的意念活动.信号转换是根据信号分析、分类之后得到的特征信号[3]  产生驱动或操作命令 ,对输出装置进行操作 ,或直接输出表示患者意图的字母或单词 ,达到与外界交流的目的. 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. 在训练强度不变的情况下 ,改进信号分析与转换的算法 ,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、神经假体的运动以及对其他设备的控制等.
  
图1 BCI结构示意图 图1 BCI结构示意图
BCI 系统的基本构成如图 1所示

脑机接口技术BCI的分类

编辑
第一次 BCI 国际会议根据输入信号的性质把 BCI 系统分成两大类 ,即:使用自发脑电信号的 BCI 系统和使用诱发脑电信号的 BCI 系统.。
基于自发脑电的 BCI 系统是应用自发脑电[10]  作为系统的输入特征信号。 其特点是 ,受试者经过训练之后能够自主地控制脑电变化 ,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 ,容易受其身体状况、情绪、病情等各种因素的影响.。
诱发脑电信号的 BCI 系统使用外在刺激诱发大脑皮层相应部位的电活动产生变化 ,并以其作为特征信号。 外部诱发BCI系统不需要对受试者进行过多的训练 ,但需要特定的环境(如排成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 ,前者能使操作者把指针移到任意的二维或者多维位置 ,而后者只能使操作者在所列出的选项中进行选择.。 根据信号检测的方式不同 ,也可以把 BCI 分为电极内置式和电极外置式两种基本形式[11] 
电极内置式信号检测方法使电极直接和大脑皮层接触或进入大脑皮层 ,测量的信号噪声小、损失低 ,但由于涉及外科手术 ,操作复杂 ,需要具有专业技术的操作人员 ,而且容易感染。
电极外置式信号检测方法 ,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。

脑机接口技术BCI关键技术

编辑
BCI 系统由信号的产生、处理、转换、输出以及开关和时钟等单元组成。在 BCI 技术的发展中 ,信号分析和转换算法是其最为重要的研究内容。
源信号的获取
BCI源信号的获取过程包括信号的产生、检测 (电极记录) 、信号放大、去噪和数字化处理等。
图2 电极植入手术示意图 图2 电极植入手术示意图
人类大脑能够产生多种信号 ,包括电的、磁的、化学的以及对大脑活动的机械反应等各种形式。这些信号可以通过相应的传感器进行检测 ,从而使得 BCI 的实施成为可能。 由于对磁和化学等信号的检测技术需要更高的要求 ,目前 BCI 信号的获取主要基于技术相对简单、费用较为低廉的EEG检测技术[12]  .
信号的产生
根据要获取的信号的特征和性质 ,必须采取相应的产生特征信号的方法。信号产生方式包括利用视觉诱发电位、利用事件相关电位、模拟虚拟环境以及自主控制脑电等多种形式。
信号的检测
信号的检测方法依赖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] 
信号的处理方法
BCI系统中的信号处理包括信号预处理、特征提取、识别分类等过程.传统的脑电信号分析方法是对信号进行多次检测并进行均值滤波 ,再用统计学的方法寻找 EEG的变化规律. 这种方法信息传输率低 ,也不能满足实时控制的需求. 目前对 EEG信号的处理一般采用对单次训练信号进行研究. 其中特征提取[10]  和识别分类是 BCI 信号处理最为关键的环节
BCI中的特征提取方法
特征提取[3]  就是以特征信号作为源信号 ,确定各种参数并以此为向量组成表征信号特征的特征向量. 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-频域方法。
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能使脑电活动产生不同响应的特性 ,确定运动或意识的类型与特征信号之间的关系. 信号分类结果的好坏取决于两个方面的因素 :一是要进行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。几种具有代表性的 BCI 特征信号分类综述如下 :人工神经网络[14] 贝叶斯-卡尔曼滤波;线性判别分析[15] 遗传算法;概率模型。

脑机接口技术BCI的应用

编辑
作为一种多学科交叉的新兴通信技术 ,目前 ,BCI 的研究大多处于理论和实验室阶段 ,离实际应用还有一定的差距。但从其性能来看 ,BCI 系统及其技术将在涉及人脑的各个领域发挥重要的作用 ,尤其是对于活动能力严重缺失患者的能力恢复和功能训练[16]  具有重要意义。目前 ,对 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
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.
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]
词条标签:
科技产品 科技 电磁学 互联网产品 书籍