腦機(jī)接口BCI研究綜述(概念,算法,應(yīng)用,未來(lái)等問(wèn)題))

1、匯報(bào)人：朱同學(xué)BCI 基本概念BCI神經(jīng)影像方法與控制信號(hào)BCI 分類算法BCI 模式識(shí)別BCI 應(yīng)用現(xiàn)狀BCI(brain-computer interface)有時(shí)被稱為MMI、DNI、STI以及BMI，是一種不依賴于外周神經(jīng)和肌肉組織等常規(guī)大腦信息輸出通路，而運(yùn)用工程技術(shù)手段在大腦和計(jì)算機(jī)或者其他機(jī)電設(shè)備之間建立直接“讓思想變成行動(dòng)”的對(duì)外信息交流和控制新途徑。 BCI 是一種人腦與設(shè)備的共存，其將處理后的信號(hào)去控制外部設(shè)備，將外部設(shè)備作為身體一種自然存在 BCI 被設(shè)計(jì)完成人體感官恢復(fù)，感覺信息傳輸回大腦活通過(guò)人為產(chǎn)生的電信號(hào)刺激大腦。圖1 BCI 模型圖2 BCI 基本處理模型圖3

2、BCI 工作模式圖4 BCI 操控原理圖圖5 BCI 工作模式神經(jīng)神經(jīng)影像影像方法方法測(cè)量活測(cè)量活動(dòng)動(dòng)直接直接/間間接接時(shí)間分時(shí)間分辨率辨率空間分辨率空間分辨率風(fēng)險(xiǎn)風(fēng)險(xiǎn)便攜便攜EEG電力的直接0.05s10mm非侵入式便攜MEG磁性的直接0.05s5mm非侵入式不便攜ECoG電力的直接0.003s1mm侵入式便攜INR電力的直接0.003s0.5mm（LFP）0.1mm（MUA）0.05mm（SUA）侵入式便攜fMRI變化的間接1s1mm非侵入式不便攜NIRS變化的間接1s5mm非侵入式便攜表1 神經(jīng)影像方法匯總 侵入式BCI系統(tǒng)是在神經(jīng)外科手術(shù)中直接植入到大腦灰質(zhì)中 因?yàn)樾酒踩朐诨屹|(zhì)中，侵

3、入式裝置產(chǎn)生最高質(zhì)量的BCI系統(tǒng)信號(hào)，但容易產(chǎn)生創(chuàng)傷組織的積聚，從而導(dǎo)致該信號(hào)變?nèi)?，甚至消失?腦電腦電（EEG）通過(guò)在頭皮安置檢測(cè)電極描記所得的數(shù)以通過(guò)在頭皮安置檢測(cè)電極描記所得的數(shù)以億計(jì)大腦皮層神經(jīng)細(xì)胞的群體活動(dòng)在頭皮表面感應(yīng)到電億計(jì)大腦皮層神經(jīng)細(xì)胞的群體活動(dòng)在頭皮表面感應(yīng)到電位分布。根據(jù)臨床電生理學(xué)理論，位分布。根據(jù)臨床電生理學(xué)理論，EEG反應(yīng)了大腦皮質(zhì)反應(yīng)了大腦皮質(zhì)某一特定區(qū)域神經(jīng)細(xì)胞群同步的電位差。某一特定區(qū)域神經(jīng)細(xì)胞群同步的電位差。腦皮層電圖腦皮層電圖 （ECoG）采集顱骨下方的大腦活動(dòng)的電信）采集顱骨下方的大腦活動(dòng)的電信號(hào)，與非侵入式的號(hào)，與非侵入式的EEG相似，但電極被嵌入在一

4、個(gè)放置相似，但電極被嵌入在一個(gè)放置于皮層上方，硬腦膜下方的薄塑料墊于皮層上方，硬腦膜下方的薄塑料墊 fMRI = Functional Magnetic Resonance Imaging（功能磁共振成像功能磁共振成像） 利用攜帶氧的血紅利用攜帶氧的血紅蛋白的磁特性。被激活的大腦部分增加了氧含量，蛋白的磁特性。被激活的大腦部分增加了氧含量，從而提高了含氧血紅蛋白與脫氧血紅蛋白間的比從而提高了含氧血紅蛋白與脫氧血紅蛋白間的比率。率。 腦磁圖（腦磁圖（MEG）檢測(cè)大腦中所創(chuàng)建的）檢測(cè)大腦中所創(chuàng)建的“火火”的單的單個(gè)神經(jīng)元的小磁場(chǎng)。它可以精確定位活動(dòng)區(qū)域個(gè)神經(jīng)元的小磁場(chǎng)。它可以精確定位活動(dòng)區(qū)域（毫米

5、級(jí)）并且能夠追尋在大腦中傳播時(shí)的腦活（毫米級(jí)）并且能夠追尋在大腦中傳播時(shí)的腦活動(dòng)的運(yùn)動(dòng)動(dòng)的運(yùn)動(dòng)BCI目的是通過(guò)檢測(cè)大腦活動(dòng)的方法來(lái)解釋用戶的意圖。大腦信號(hào)涉及眾多與認(rèn)知任務(wù)相關(guān)的現(xiàn)象。而他們也尚未被理解，初始點(diǎn)亦不可知。然而某些生理現(xiàn)象的腦信號(hào)已被人們解碼，被視為可能的控制信號(hào)。目前在BCI采用的控制信號(hào)的討論如表2所示。信號(hào)信號(hào)生理學(xué)現(xiàn)生理學(xué)現(xiàn)象象 訓(xùn)練訓(xùn)練傳輸速率傳輸速率成果成果VEP（視覺誘發(fā)電位）大腦信號(hào)在視覺皮層加工處理否60-100 bits/min被試可通過(guò)學(xué)習(xí)如何控制自身視覺誘發(fā)電位幅值來(lái)控制飛行器方向、電話撥號(hào)系統(tǒng)SCP大腦信號(hào)中緩慢的電壓變化是5-12 bit/min擊中光

6、標(biāo)，被試(如肌萎硬化癥)可以使用思維翻譯工具來(lái)訓(xùn)練產(chǎn)生自發(fā)SCP變化P300正向峰值出現(xiàn)在相關(guān)事件后約300ms否20-25 bits/min虛擬打字系統(tǒng)（根據(jù)隨機(jī)閃爍光標(biāo)）、猴子遠(yuǎn)程控制機(jī)械手臂、2013廣西意見控制賽車SMR（感覺運(yùn)動(dòng)節(jié)律）與運(yùn)動(dòng)行為同步的節(jié)律變化是3-35 bits/min廣泛應(yīng)用，知名的Wadworth、Berlin、Graz?？蓱?yīng)用于ERS/ERD；想象左右手運(yùn)動(dòng)（上交籃球）表2 控制信號(hào)討論類型半侵入侵入非侵入神經(jīng)手術(shù)ECoGEEG,MRIBCI 系統(tǒng)分類此外，根據(jù)輸入信號(hào)產(chǎn)生方式分為：誘發(fā)式BCI/自發(fā)式BCI，前者需要額外刺激裝置（加自身通路），后者完全來(lái)自使用

7、者自發(fā)腦電（環(huán)境、情緒影響）；根據(jù)BCI系統(tǒng)工作方式：同步BCI/異步BCI，前者需要在預(yù)定時(shí)間內(nèi)進(jìn)行特定思維活動(dòng)，后者通信不由系統(tǒng)控制，由用戶初始化。 不同思維活動(dòng)產(chǎn)生不同模式的腦信號(hào)，BCI被看作一個(gè)模式識(shí)別系統(tǒng)。設(shè)計(jì)一個(gè)合適的特征集是一個(gè)難點(diǎn)。大腦信號(hào)隱藏于大量的噪聲環(huán)境下（在時(shí)間、空間中重疊），因此在多數(shù)情況下，使用簡(jiǎn)單的方法（如帶通濾波器）是不夠的。腦信號(hào)本質(zhì)上是不固定的。特征出現(xiàn)的時(shí)間信息需要獲取。一些方法是把信號(hào)分割為小段，參數(shù)可由每段估計(jì)。然而，片段的長(zhǎng)度會(huì)影響估計(jì)的準(zhǔn)確性。傅里葉變換在此效果不好，小波變換和自適應(yīng)回歸（）是優(yōu)選，以揭示大腦信號(hào)的非平穩(wěn)時(shí)間變化。另外一種新型的稱

8、為靜止子空間分析（）被提出用于非平穩(wěn)信號(hào)。方法方法性質(zhì)性質(zhì)應(yīng)用應(yīng)用降維線性變換可能相關(guān)集合變換為非相關(guān)集合最優(yōu)的表示數(shù)據(jù)的最小平方和有效的減少噪聲和維度的方法。要求參數(shù)為不相關(guān)的分解混合信號(hào)到原始信號(hào)相互統(tǒng)計(jì)獨(dú)立的潛在來(lái)源強(qiáng)大而有效的噪聲清理工具。成分要求與信號(hào)相互獨(dú)立空間（共空間模式濾波）空間濾波器用于兩類信號(hào)，多級(jí)擴(kuò)展存在在同步中效果好，異步較弱其性能受空間分辨率影響。一些電極的位置為特定的大腦活動(dòng)提供更多的判別信息改進(jìn)：，時(shí)域頻域頻譜模型短時(shí)段的高頻率分辨率不適用于非穩(wěn)定信號(hào)（匹配濾波）檢測(cè)與預(yù)測(cè)已知的信號(hào)或者模板相匹配的特定模式適用于檢測(cè)相一致的時(shí)間波形特點(diǎn)提供頻率和時(shí)間信息適用于非穩(wěn)

9、定信號(hào)降低了冗余性和復(fù)雜性表 模式識(shí)別方法討論表 模式識(shí)別方法討論（續(xù)）方法方法性質(zhì)性質(zhì)應(yīng)用應(yīng)用特征選擇高資源消耗可能過(guò)早收斂找出特征最優(yōu)子集，通過(guò)順序添加刪除特征集，順序向前和順序向后改進(jìn)版本基于加除算法部分克服了的不足不良信號(hào)（噪聲和偽跡）主要分為兩類：生理學(xué)和非生理學(xué)（技術(shù)）：前者通常由于肌肉、眼部和心臟活動(dòng)引起；后者多歸因于電力線噪聲或者電極阻抗改變。（被試）系統(tǒng)中分類旨在基于模式識(shí)別步驟下所提供的大腦活動(dòng)特征向量的基礎(chǔ)上認(rèn)知用戶的意圖?；貧w和分類算法均可以實(shí)現(xiàn)該目標(biāo)，但分類算法是目前最常用方法。回歸算法使用信號(hào)提取出的特征作為獨(dú)立變量去預(yù)測(cè)用戶意圖。相反，分類算法將提取出的特征作為獨(dú)

10、立變量來(lái)定義特征空間中不同目標(biāo)的邊間。圖分類與回歸區(qū)別方法方法性質(zhì)性質(zhì)應(yīng)用應(yīng)用生成模型貝葉斯分析分配觀測(cè)特征向量到標(biāo)記它所屬最高概率的類中產(chǎn)生非線性的決策邊界在系統(tǒng)中不常見線性方法線性判別分析簡(jiǎn)單分類與可接受準(zhǔn)確度低計(jì)算需求不適用于異常值或者強(qiáng)噪聲的存在，需正規(guī)化通常為兩類。擴(kuò)展多類版本支持向量機(jī)線性和非線性（高斯）方式二類或者多類方法最大化最近的訓(xùn)練樣本之間的距離和超平面不適用于異常值或者強(qiáng)噪聲的存在，需正規(guī)化快速分類非線性近鄰分類使用測(cè)試特征集與其近鄰間的公制距離多類高效處理低維特征向量，對(duì)其維數(shù)非常敏感人工神經(jīng)網(wǎng)絡(luò)非常靈活的分類多類多種架構(gòu)表 分類方法討論許多研究者關(guān)注在構(gòu)建應(yīng)用系統(tǒng)，以

11、期該項(xiàng)技術(shù)可以幫助那些患有嚴(yán)重運(yùn)動(dòng)障礙疾病的人們。最近應(yīng)用的發(fā)展主要?dú)w功于基于的領(lǐng)域，因?yàn)樗鼈兲峁┛山邮苜|(zhì)量的信號(hào)并且低成本、便操作的設(shè)備。其應(yīng)用系統(tǒng)不僅希望提升嚴(yán)重殘疾人群的生活質(zhì)量同樣也使得照顧者們減輕生活的繁重。此外，代表著一個(gè)可以揭示隱藏在用戶腦中不能被表達(dá)的信息工具。圖應(yīng)用領(lǐng)域間關(guān)系，轉(zhuǎn)換速度和用戶能力的應(yīng)用主要分為五類：p交流；p運(yùn)動(dòng)修復(fù)；p環(huán)境控制；p運(yùn)動(dòng)；p娛樂；圖吃豆子游戲、應(yīng)用傳感器置于用戶腦中，用于獲取用戶的意圖信息研究人員已經(jīng)開發(fā)了本田公司的阿西莫機(jī)器人，人們可以通過(guò)思維去控制它游戲控制采用可穿戴式無(wú)線腦電圖為基礎(chǔ)的新穎干泡式傳感器接口視覺假體，通常被稱為仿生眼，是一種實(shí)驗(yàn)視覺裝置，幫助