快速入门脑机接口：BCI基础(一)

在本模块中，将介绍脑机接口的基础知识。

定义：脑机接口是什么？

脑机接口(BCI)是允许大脑与各种机器之间进行通信的系统。

它们的工作分为三个主要步骤：收集大脑信号，对其进行解释，然后根据接收到的大脑信号向连接在一起的机器输出命令。BCI可以应用于多种任务，包括但不限于神经反馈，恢复瘫痪患者的运动功能，恢复患者交流功能并改善感觉处理。根据收集大脑信号的方法，BCI可以分为三类。

BCI的类型有哪些？

有许多不同的技术可以测量大脑信号。

我们可以将它们分为非侵入式(Non-invasive)，半侵入式(Semi-invasive)和侵入式(Invasive)。

下图显示了大脑的不同层以及从中获取信号的位置。

非侵入式：采集EEG信号，将电极放在头皮上，也就是在最外层部分。

半侵入式：ECoG信号取自硬脑膜或蛛网膜上的电极。

侵入式(有创)：将电极植入皮质，直接获取脑实质内信号。

侵入式(有创)

在神经外科手术中，侵入式(有创)类型的BCI直接植入大脑。一种是单个单元 BCI，它能检测来自单个区域脑细胞的信号；另一种是多单元 BCI，它能检测来自多个区域的信号。电极具有不同的长度，例如，在MEA [1]中的最大长度为1.5mm(Utah,Blackrock Microsystems)或10mm (FMA, MicroProbes)。信号的质量是最高，但是该过程存在一些问题，例如存在形成疤痕组织的风险。身体对异物起反应，并在电极周围形成疤痕，这会导致信号变差。因为神经外科手术可能是一个危险且昂贵的过程，所以侵入性BCI的目标人群主要是盲人和瘫痪患者。

半侵入式

ECoG

皮质电描记术使用放置在大脑裸露表面上的电极来测量大脑皮层的电活动。1950年代，它在蒙特利尔神经病学研究所首次使用。这被称为半侵入式，但仍需要开颅手术植入电极。因此，仅在出于医学原因(例如癫痫病)需要进行手术时才使用它。

电极可置于硬脑膜外(硬膜外)或硬脑膜下(硬膜下)。条状或网格状电极覆盖了皮质的大面积区域(从4到256个电极)[2]，从而可以进行各种各样的认知研究。

图中：病人大脑的MRI重建，电极覆盖(红色:网格阵列;蓝色:条带阵列)，

使神经生理活动与神经解剖结构精确匹配(图片来自：Yang et al.，Neuroimage，2012）

图片来自[3]

ECoG的优点：

高空间分辨率和信号保真度
抗噪音
长期记录中具有较低的临床风险和健壮性[1]
高振幅

空间分辨率

ECoG优于EEG的好处是空间分辨率更高，因为信号不必传播到头皮。ECoG中的空间分辨率为十分之一毫米，而EEG中的空间分辨率为厘米[4]。

这里所说的空间分辨率是什么意思？我们可以比喻图像的清晰度。具有较高空间分辨率的图片“更清晰”；换句话说，它看起来更精确，因为它每英寸包含像素更多，显示更多细节。具有较低空间分辨率的图片由于每英寸由较少的像素组成，因此显得不太清晰或模糊。更好的空间分辨率使我们能够更精确地了解信号的来源。对于脑电图，当电信号通过颅骨传播时，由于骨骼的低导电性，电信号会被衰减。

抗噪音

ECoG信号不受噪声和伪影的影响，例如，EMG(肌电图-由肌肉运动引起)和EOG(眼电图-由眼睛运动引起)

临床风险低

电极阵列不需要穿透皮层，这比侵入式记录更安全[4]

高振幅

ECoG记录最大为50–100 µV，而10–20 µV

关于在BCI中使用ECoG的研究已有很多，但都限于需要手术消除癫痫病灶的病例。

例如，在一项研究[5]中，研究人员使用ECoG在二维空间中控制计算机光标。五名患者在准备手术治疗癫痫时，在硬膜下电极植入7-14天。经过不到30分钟的短暂训练，患者已能够在二维空间中控制光标，平均成功率为53-73％。

无创(非侵入性)

在下一节中，我们将简要回顾主要的非侵入性技术。有几种用于研究大脑的非侵入性技术，其中脑电图是最常用的技术，原因是成本和硬件的便携性。

MEG脑磁图
PET正电子发射断层扫描
功能磁共振成像功能磁共振成像
fNIRS近红外光谱
脑电图

在下面的图像中可以看到不同的脑成像技术，在空间和时间分辨率上的比较:

MEG(magnetoencephalography)

脑磁图

什么是MEG？

它是一种功能性神经成像技术，通过使用非常灵敏的磁力计来记录大脑自然产生的电流产生的磁场，从而达到绘制大脑活动的目的。”

--来自维基百科

图中：National Institute of Mental Health的患者的MEG扫描仪[6]

它是如何工作的？

MEG测量由大脑中的电流引起的磁场，与EEG相比，它提供了更好的空间分辨率[7]。为什么？因为颅骨和脑内液体的空间模糊效应使磁场遭受的影响远小于电场[8]。"MEG对切向信号源最敏感，对径向信号源敏感度低"。"MEG在检测高频活动(例如，高于60 Hz)方面优于EEG。这是因为磁场穿过颅骨和头皮，而电场是通过这些组织传导，从而降低了高频时的信噪比。"

PET(positron emission tomography)

正电子发射断层扫描

什么是PET？

PET是一种核成像技术，用于医学中以观察不同过程，例如血液流动，新陈代谢，神经递质。

"这张照片展示了一个典型的PET设备，配备了ECAT Exact HR + PET扫描仪,像这样的PET扫描仪正逐渐被将PET和CT扫描仪组合为单个PET / CT成像设备的系统所取代。"[9]

它是如何工作的？

少量放射性物质(称为放射性示踪剂)被注入血流中，到达大脑。在大脑中，放射性示踪剂附着在葡萄糖上并产生一种称为氟脱氧葡萄糖(FDG)的放射性核素[10]。大脑使用葡萄糖，它会根据不同区域的活动水平而显示出不同的水平。PET扫描的图像是彩色的，其中活动较多的区域以较暖的颜色显示为黄色和红色。大脑的PET扫描通常用于检测癌症或其他疾病。

正常人脑的PET扫描

fMRI(functional magnetic resonance imaging)

功能磁共振成像

什么是fMRI？

功能磁共振成像或功能性MRI(fMRI)是一种使用MRI技术的功能性神经成像程序，可通过检测与血流相关的变化来测量大脑活动。[1] [2] 该技术依赖于脑血流和神经元激活耦合的事实。当大脑的某个区域处于使用状态时，流向该区域的血流量也会增加。[11]

功能磁共振成像已于1990年代开发。这是一种非侵入性且安全的技术，它不使用辐射，易于使用，并且具有出色的空间和良好的时间分辨率。[12]

它是如何工作的？

在大脑中，毛细血管红细胞中的血红蛋白将氧气输送到神经元。活动导致对氧气的更多需求，从而导致血液流量增加。血红蛋白是否被氧化会改变其磁性。这种差异使MRI机器(带有强大电磁体的圆柱管)能够检测特定时刻大脑的哪些区域处于活动状态。

一项研究的fMRI图像显示,在看房子时，大脑的部分区域被激活，

看到人脸时，大脑的其他部分被激活。"r"值是相关性，正或负值越高表示匹配越好。

fNIRS(near-infrared spectroscopy)

近红外光谱

什么是fNIRS？

功能性近红外光谱法(fNIR或fNIRS)是将NIRS(近红外光谱法)用于功能性神经成像的目的。使用fNIR，可通过与神经元行为相关的血液动力学反应来测量大脑活动。[13]

一种测量局部大脑皮层活动的光学技术[14]

它是如何工作的？

fNIRS与fMRI一样测量血液流动的变化，但使用的是另一种技术，即红外光与磁场。

图像：乒乓球实验期间的fNIRS [15]

当任务开始时，会消耗氧气，随着复杂性的增加，对氧气的需求也会增加。功能磁共振成像测量消耗了多少氧气。fNIRS还可以测量该区域有多少氧气含量。

但是，fNIRS的时间分辨率不如EEG。fNIRS每秒采集10个样本，而EEG每秒500到1000个样本。而且空间分辨率不如fMRI。例如，fMRI可以对大脑皮层下的大脑区域成像，而fNIRS无法分析经过皮质的图像，无法捕获任何皮质下激活。事实上，许多研究人员在SfN展示了他们使用该仪器作为其EEG或fMRI数据的补充。[16]

优势：

非侵入性
随身携带
无障碍
与fMRI和EEG相比，对伪像的敏感性较低

具有与EEG fMRI更相似的时间分辨率，fMRI可以每2秒记录一个样本，fNIRS可以每1秒记录10个样本。[17]

fNIRS比EEG更好的空间分辨率，比fMRI更好的时间分辨率.

EEG

定义

脑电图记录头皮表面的大脑电活动。

它是如何工作的？

电极被放置在头皮上以获取大脑产生的电流。

当神经元放电时，会形成偶极子，在突触处有较低的电压，在轴突处有较高的电压。如果是抑制性神经元，偶极子就会翻转，轴突的电压较低，突触的电压较高。是什么导致神经元内部发生这种电压偏移？钠离子(Na+)通道沿树突打开，产生大量正电子，此正电荷沿着轴突移动，打开更多的钠离子(Na+)通道，并导致电荷沿着轴突移动，在突触处放电，并释放神经递质。当成组的神经元一起放电时，它们为我们提供了足以从头皮进行测量的信号。我们只能使用EEG(大约直径的四分之一大小)来测量神经元簇。

优点：它是便携式的，可以放入一个小手提箱中(与MEG相比，MEG需要建造专门的房间)。实验室级EEG系统可能很昂贵，但比其他BCI方法便宜。近年来，已经发布了越来越多的商业EEG系统。

脑电图数据包含有节律的活动，反映了神经振荡。振荡由频率，功率和相位来描述。振荡发生在特定的频率上(即，以一定的速率)。这些变量包括delta，theta，alpha，meta和gamma。研究发现，这些节律与不同的大脑状态之间存在关联。例如，通常用于冥想等目的的商用EEG头戴式耳机通常会测量以alpha频率出现的大脑活动量。

空间分辨率

EEG的空间分辨率取决于所用电极的数量。在研究中，当需要更高的空间分辨率时，通常至少使用32个电极，最多为256个。通常，EEG的空间分辨率较低(例如，与ECoG和fMRI相比)，因为信号需要向上穿过不同的层到头骨。但是，可以使用某些类型的过滤器或通过将EEG与其他工具(例如fMRI)组合来提高分辨率。（电极放置的图像..）

电极越多，花费更多的时间(例如，设置)，带宽(用于数据收集和分析)和金钱(用于材料)。商用耳机通常使用较少的电极，因为不一定需要高空间分辨率(即，定位产生信号的精确大脑区域)。

"脑电图的空间精度相当低，但是可以通过表面拉普拉斯算子或自适应源空间成像技术等空间滤波器来提高"

同样，空间精确度也很低，因为电极记录的活动是由不同大脑区域产生的不同信号的混合，这些大脑区域与放置在电极下方的大脑区域接近和远离。微观尺度(小于几立方毫米)=EEG不可见，电位不足以到达头皮。可以使用EEG，但使用64个以上的电极和空间滤波技术，介观尺度(几立方毫米至几立方厘米的皮质斑块)=可以用EEG检测。宏观尺度(许多立方厘米的大皮质区域)=容易用EEG测量.

时间分辨率

脑电图的优点是它具有良好的时间分辨率。在一秒钟内，可以在不同传感器上拍摄上千张电子活动的快照。根据实验，在EEG中可以使用多达500个的多个电极。它们用于安装在帽上，以便从同一头皮区域收集数据。

比较

脑机接口可以使用任何类型的脑成像。这些包括功能磁共振成像、PET和近红外光谱(NIRS)，它们依赖于血流的变化，以及分别测量大脑磁活动和电活动的脑磁图(MEG)和脑电图(EEG)。fMRI和NIRS的空间分辨率较高，但时间分辨率较差；MEG和PET具有较高的时空分辨率；脑电具有较低的空间分辨率和较高的时间分辨率。目前，fMRI和MEG依赖昂贵而笨重的设备；PET需要向血液中注入放射性物质。因此，依赖近红外光谱(NIRS)的方法，特别是依赖脑电图(EEG)的方法是最常用的。

参考文献

Waldert, S. 2016. Invasive vs. Non-Invasive Neuronal Signals for Brain-Machine Interfaces: Will One Prevail? Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4921501/
Mesgarani, N; Chang, EF. 2012. Selective cortical representation of attended speaker in multi-talker speech perception. Nature. 485 (7397): 233–6. doi:10.1038/nature11020.
Blausen.com staff (2014). Medical gallery of Blausen Medical 2014. WikiJournal of Medicine 1 (2). DOI:10.15347/wjm/2014.010. ISSN 2002-4436. - Own work
Leuthardt, E. C. et al. 2004. A brain–computer interface using electrocorticographic signals in humans. Journal of Neural Engineering, Volume 1, Number 2. Available from: http://iopscience.iop.org/article/10.1088/1741-2560/1/2/001/meta;jsessionid=E687A7B4A1215A8655C2DF6429F87A05.c2.iopscience.cld.iop.org
Schalk, G. et al. 2008. Two-dimensional movement control using electrocorticographic signals in humans. Journal of Neural Engineering, Volume 5, Number 1. Available from: http://iopscience.iop.org/article/10.1088/1741-2560/5/1/008/meta
MEG scanner with patient from National Institute of Mental Health. By Unknown NIMH author [Public domain], via Wikimedia Commons. Available from: https://en.wikipedia.org/wiki/Magnetoencephalography#/media/File:NIMH_MEG.jpg
Peter T. Lin, Kartikeya Sharma, Tom Holroyd, Harsha Battapady, Ding-Yu Fei and Ou Bai (2013). A High Performance MEG Based BCI Using Single Trial Detection of Human Movement Intention, Functional Brain Mapping and the Endeavor to Understand the Working Brain, Dr. Francesco Signorelli (Ed.), InTech, DOI: 10.5772/54550. Available from: https://www.intechopen.com/books/functional-brain-mapping-and-the-endeavor-to-understand-the-working-brain/a-high-performance-meg-based-bci-using-single-trial-detection-of-human-movement-intention
Navin Lal, Thomas & al. A Brain Computer Interface with Online Feedback based on Magnetoencephalography. Available from: http://www.machinelearning.org/proceedings/icml2005/papers/059_BrainComputer_LalEtAl.pdf
By Jens Maus (http://jens-maus.de/) - Own work, Public Domain, https://commons.wikimedia.org/w/index.php?curid=404712
Positron Emission Tomography (PET Scan). Available from: http://www.hopkinsmedicine.org/healthlibrary/test_procedures/neurological/positron_emission_tomography_pet_scan_92,p07654/
Wikipedia. Functional magnetic resonance imaging. Available from: https://en.wikipedia.org/wiki/Functional_magnetic_resonance_imaging.
Introduction to FMRI. Available from: https://www.ndcn.ox.ac.uk/divisions/fmrib/what-is-fmri/introduction-to-fmri
Wikipedia. Functional near-infrared spectroscopy. Available from: https://en.wikipedia.org/wiki/Functional_near-infrared_spectroscopy
Coyle, S., Ward, T. E., Markham, C. 2007. Brain–computer interface using a simplified functional near-infrared spectroscopy system. Available from: http://iopscience.iop.org/article/10.1088/1741-2560/4/3/007/pdf;jsessionid=7AEE10C6243EA9643C6DECB3555DAA24.ip-10-40-1-105
https://www.youtube.com/watch?v=me8kxvOuq40
fNIRS: The In-Between for Brain Activity in Real-World Settings. Available from: https://www.cogneurosociety.org/fnirs_wan/
fNIRS: The In-Between for Brain Activity in Real-World Settings. Available from: https://www.cogneurosociety.org/fnirs_wan/

文章来源于网络，仅用于学术交流，不用于商业行为，若有侵权及疑问，请后台留言！

更多阅读

机器学习，满足人类情感:如何帮助电脑监控你的精神状态

脑波的振幅、位相、分类

如何快速找到脑机接口社区的历史文章？

第2期 | 国内脑机接口领域专家教授汇总(修改)

收藏 | 脑电EEG基础与处理汇总

未来50年的神经科学会是什么样呢？

脑机接口BCI学习交流QQ群：515148456