脑机接口(BCI)通过将脑部活动转换为计算机命令来实现对外部设备的控制。例如，使用BCI拼写器，人们无需动一根手指就能打出单词和短语。这种技术对那些无法使用普通键盘的人来说至关重要。

当前表现最好的BCI拼写器可以支持大约每分钟10个单词的打字速度。但是，这个比率是基于有经验的用户反复输入少量预定义短语的测试。目前还不清楚人们首次使用这项技术是否能以同样的速度自由交流——包括思考正确的单词和正确的拼写。

为了找出答案，来自昆士兰大学(TheUniversity of Queensland)的研究团队开发了一种专门针对新手用户的高性能BCI拼写器。他们还基于真正的自由交流而非记忆的短语来测试拼写器的表现。

参与者观看了一个电脑显示器，上面有一个虚拟键盘，每个键都以独特的频率闪烁。为了拼写一个单词，参与者一次将目光固定在一个字母上。将注意力集中在某一特定频率的闪烁灯光上，会导致脑细胞做出某种反应，这种反应可以通过脑电图(EEG)来测量，脑电图是一种非侵入性的大脑成像技术。这些脑电图测量结果可以被转换成相应的字母，然后参与者可以继续选择他们选择的单词中的下一个字母。

上图为BCI虚拟键盘可进行自由通信

上图为BCI虚拟键盘可进行自由通信。

1. 参与者操作实时反馈回路，仅靠大脑活动就可以自由键入单词和短语。参与者通过集中注意力并注视计算机显示器上的虚拟QWERTY键盘上正弦闪烁的按键来依次选择字符，这在脑电图中诱发了相应闪烁频率/相位的SSVEP振荡反应。参与者可以自由选择下一个字符，或者选择退格键[<]进行更正。

2. BCI键入“SENT”一词涉及的视觉刺激和诱发脑电图的时间轴示例。每个按键都以唯一的频率/相位闪烁1.5µs，然后是0.75µs的无闪烁周期，在此期间，字母被分类，参与者将注意力转移到下一个按键上。将注意力集中在按键上可以增强相应的SSVEP响应，从而增加了对相应字母进行分类的可能性。

3. 虚拟键盘闪烁频率/相位的空间组织。每个按键以独特的频率/相位闪烁。

研究人员首先测试了新手用户是否可以在提示的自由词关联任务中快速输入新的BCI拼写器。然后他们开发了一个界面，允许两个用户相互交流。

下图为实验1三个阶段，BCI通过提示的自由联想进行自由通信。(a)模板训练。提示参与者(N = 17)以随机顺序集中注意力并注视每个闪烁的按键(N = 20次/按键)。在闪烁之前和期间提示是否有按键提示。通过QWERTY分类确定的低分类准确率(<80%)的参与者进行了闪烁持续时间增加(3.0 vs. 1.5 s)的再训练，以提高单次试验SSVEP信噪比。(b)标准分类。参与者自由地输入完整的QWERTY序列，除了在每个键的顶部显示反馈外，没有任何引导线索。无闪烁期允许参与者0.75秒的时间将注意力转移到下一个未提示的键上。(c) 参与者以较高的分类准确度（> 80％）进行的BCI自由通信。提示词使参与者可以自由地关联词/短语。为了评估准确性，参与者在输入BCI之前使用手动键盘输入了预期的字符串。当参与者使用BCI匹配预期的字符串，或者输入的字符数比预期的字符串多三倍时，会出现一个新的提示。

实验1三个阶段

结果显示，自由交流是可能的，但是由于用户自愿对其拼写进行更正以及在对话过程中轮流使用，交流速度会减慢。基于这些结果，研究人员确定了7种改进现有BCI系统的方法，不仅可以减少选择字符的时间，而且可以提高系统识别所选字符的准确性。

SSVEP的信噪比。图(a)绘制了所有参与者的1-5次谐波的FFT ERP振幅谱的均值。暖色表示SSVEP振幅更高。缩放颜色图以突出显示以后的谐波;(b)高、低精度组的平均光谱的差异。(c) 在高，低分类精度组中分别绘制的所有闪烁频率的平均一次谐波的SSVEP振幅平均地形图。(d) SSVEP平均一次谐波信噪比与QWERTY分类精度正相关的散点图。(e)模板训练过程中每个提示频率在第一次谐波处的FFT平均振幅谱。

这项工作强调了在开发BCI系统时可用性的重要性，以及使用现实生活场景测试新系统的必要性。

自由通信BCI通信系统

上面实验测试了自由通话BCI通信系统。两名有经验的参与者使用一个只有6个电极的系统，使用异步信息界面进行了自发的自由对话。图(b)键盘布局与实验1相似。该界面还包括一个肌电图(EMG)输入键[↵]，通过检测前额头皮电极上的咬合信号来控制，允许参与者完成他们的信息，查看信息显示和重新开始BCI打字。(c) BCI消息显示。本地参与者(P1)的消息用浅蓝色表示，远程参与者(P2)的消息用浅灰色表示。聊天图标已启用(左下角)，表示P2目前正在输入BCI，而不是查看消息。

为了鼓励其他研究人员在自己的应用程序中使用高性能，非侵入式BCI通信系统（例如虚拟现实），该团队免费提供了底层代码和数据。他们希望科学家们将使用开源代码来设计新的BCI拼写器，并进一步改进软件。

未来研究

针对未来研究，研究人员表示目前正在开发一种神经反馈方法来训练人们提高他们的注意力。神经反馈是一种BCI，旨在训练参与者改变特定的大脑活动模式。

参考

https://news.northwestern.edu/

Optimising non-invasive brain-computer interface systems for free communication between naïve human participants

编译作者：Tina

文章仅用于学术交流，不用于商业行为，

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

手把手教你EMD算法原理与Python实现

被称为“终极疆域”的脑科学，为什么越来越重要？

DEAP:使用生理信号进行情绪分析的数据库(一、背景介绍与刺激选择)

精彩长文！脑机接口概述专题一 | 从运动脑机接口到情绪脑机接口

美国脑机接口技术研究及应用进展

【思维导图】利用LSTM(长短期记忆网络)来处理脑电数据

DeepKey：科学家提出一种基于脑纹独特性的多模态生物识别系统可以防范身份欺骗

研究人员利用脑电ErrP信号实时控制机器人

华中科技大学研究团队揭示了基于EEG的脑机接口中的安全性问题

脑电波：Alpha, Beta, Theta, Delta

你的每一次在看，我都很在意！