脑机接口及其主要目标应用研究的综述

脑机接口及其主要目标应用研究的综述学习科学方法研究大作业东南大学李晓萌1脑机接口简介计算机可以奖大脑的信号解码转化成人类的意图或者目的，进而直接通过控制机器完成这个意图的功能，现在已经出现了实现它的现实技术可能性，这种类型的设备被称作脑机接口（Brain-computerinterface，BCI，有时也称为directneuralinterface或者brain-computerinterface）[1],这些神经义肢技术的发展对于有运动障碍的患者有很大的意义，可以通过大脑控制外部辅助设备如计算机、语音合成器、辅助应用和神经假肢等来加强他们与外界环境的交流和交互，可以增强他们的独立性，提高生活质量并且降低社会成本。1.1脑机接口发展脑机接口的发展经历了三十多年的历程，在过去的十几年中，脑机接口的研究群体迅速壮大。第一次和第二次脑机接口国际研讨会分别于1999和2002年召开。PhillipKennedy及其同事用锥形营养性电极植入术在猴上建造了第一个皮层内脑机接口。1999年，哈佛大学的GarrettStanley试图解码猫的丘脑外侧膝状体内的神经元放电信息来重建视觉图像。到2000年，Nicolelis的研究组成功实现了一个能够在夜猴操纵一个游戏杆来获取食物时重现其手臂运动的脑机接口[2]。目前，世界上已经有很多个实验室实现了真正意义上的脑机接口。1.2脑机接口的分类随着对脑机接口技术的研究的深入，脑机接口系统的种类日趋繁多，分类方式也多样化。按照方向可以分为双向脑机接口系统和单向脑机接口系统；按信号采集方式可以分为非植入式脑机接口和植入式脑机接口；按信号类型可分为基于头皮脑电信号（EEG）的脑机接口，基于功能性核磁共振（fMRI）的脑机接口和基于近红外光谱分析（NIRS）的脑机接口；按信号生成类型可分为自发式脑机接口系统和诱发式脑机接口系统[1]。1.3脑机接口系统简介图1显示了脑机接口系统模型的组成和各部分间的联系，它主要由用户、信号采集部分、信号处理部分、控制部分、反馈部分和设备组成。图1.1脑机接口系统模型图1.1显示了一个较为常见的脑机接口系统，在这个系统中用户在一个操作环境中通过一系列功能模块控制一个设备。在这里，控制脑机接口设备的是用户产生的大脑活动，用户通过监视设备的状态来足额定他的控制效果。在一些脑机接口系统中，用户还可以使用控制阵列来控制自己大脑活动产生的信号对设备的控制作用[3]。2基于EEG的脑机接口的研究目标近些年，基于EEG信号的脑机接口系统有着很多种不同的研究目标大致地可以将这些研究根据它们的主要目标分成5类，分别是：1）信号处理、特征提取和分类的方法改进；2）发展新的脑机接口范例或在已有范例基础上改进；3）脑机接口技术的实际应用；4）影响脑机接口性能的因素的调查研究；5）其他[4]。3脑机接口的目标应用除了在在医学领域，运用脑机接口技术的一些应用可以帮助有运动障碍的病人提高自理能力和生活质量，如精神拼写、鼠标控制、机械臂控制等，脑机接口技术还被广泛地应用于其他一些领域，如游戏应用和导航。3.1精神拼写据研究者的调查显示，精神拼写是目前应用最广泛的目标脑机接口应用，它通常是基于视觉P300范例发展起来的，近些年也出现了关于基于视觉诱发电位（SSVEP）的精神拼写的脑机接口应用的研究[5]。3.1.1基于P300的精神拼写脑机接口系统在基于P300的精神拼写脑机接口系统中，26个英文字母和一些其他的符号命令一起呈现于充当键盘或假肢设备的用户显示器上，用户将精神相继集中于想要表达的那个字母上，计算机实时检测用户所选择的字母，这种检测是通过重复地闪烁字母矩阵的行和列来实现的，当包含用户选择的元素的行或列闪烁时，P300将被激发进而被计算机检测到。3.1.2基于视觉诱发电位（SSVEP）的精神拼写脑机接口系统基于视觉诱发电位（SSVEP）的精神拼写脑机接口系统由两个部分构成：图形-用户接口和信号处理部分。图形的选择基于五条脑机接口指令：cmd1、cmd2、cmd3分别对应于A到I、J到R、S到Z和连字符“-”，cmd4用于取消先前的动作，cmd5用于删除前一个字母。与基于P300的精神拼写脑机接口系统不同的是，基于视觉诱发电位（SSVEP）的精神拼写脑机接口系统应用视觉刺激，作为在另一个其它接口中导航的方式，或者用于一些设备的控制。在一个用户-脑机接口系统中，用户不是时刻都要发出命令的，而对应于有着运动障碍的患者的实际情况来说，在没有他人帮助的条件下能够自行控制脑机接口系统的工作/空闲（不控）状态。用户持续可用并且支持“不控状态”的脑机接口系统被称为“自调节式”脑机接口系统（self-pacedBCI），“不控状态”是指脑机接口系统不翻译用户的意图，即在这个状态下脑机接口系统不产生任何指令。通过EEG技术记录脑活动的自调节式非入侵脑机接口系统有着许多优点，如高时间分辨率、可移植性和相对价格低廉的设备。目前基于视觉诱发电位（SSVEP）的精神拼写脑机接口系统可以达到每分钟5个以上字母的水平，基于P300的精神拼写脑机接口系统可以达到每分钟3个左右的水平。3.2鼠标控制鼠标控制也是一项重要的脑机接口控制的移动外设目标应用，其大致思想是：多个目标被置于计算机屏幕周围，其中有一个被设计成正确目标。用户的任务就是使用EEG信号将光标从屏幕的中心移向正确目标，然后应用额外的EEG信号特征来选择目标。如果光标接近错误的目标，用户将被指示不去选择它。因此这个任务仿真了鼠标操作的关键特征[6]。用户的EEG信号提供了两种不同的控制信息：一个是控制竖直和水平运动，另一个是当光标到达目标是选择或拒绝目标。3.3机械臂控制机械臂控制脑机接口系统有很多种实现方式，如基于运动想象、P300、稳态视觉诱发电位（SSVEP）、实时功能核磁共振成像（Real-timefunctionalMRI）等。简单介绍一种基于非入侵式运动想象的机械臂控制脑机接口系统。不难想象，若要控制一个机械臂完成一定抓取物体的功能，需要控制机械臂的多个自由度，因此脑机接口系统需要提供多个命令来控制机械臂在每一个自由度上的运动方向。基于运动想象的脑机接口系统将使用者想象的动作应用μ和β波转换成真实的控制指令。一般包含两个子系统：基于运动想象的脑机接口子系统和机械臂控制子系统。三模式运动想象脑机接口系统的三种模式分别是脚部、左手和右手运动想象，用来实现8个方向的机械运动控制，分成4组分别是左和右、前和后、上和下、拿和放。为了执行这8种命令，脚部运动想象被定义为开关，左手和右手运运动想象被定义为执行命令。开关用来从4组中选择一组，然后左手或者右手想象来选择这一组中具体是哪一个命令被执行。基于运动想象的机械臂控制脑机接口系统能够完成一些运动和抓取物体的功能，但是用EEG信号操纵机械臂完成一个运动的整个仍然需要至少两步，复杂度比较高并且浪费时间，需要寻找更好的算法来提高它的效率。3.4游戏应用目前出现的应用于游戏和娱乐领域的脑机接口应用致力于除了以往传统的物理的精神的方法外，用脑信号来参与游戏过程。为了使人参与游戏，需要像鼠标、键盘、相机和操纵杆一样的人机交互设备，在脑机接口中最常用的设备是EEG帽，这种帽子上分布了许多电极，用来采集人有着不同脑功能的不同脑区域的活动，这些不同脑区域的活动可以由很多事件激发，比如游戏者正在经历游戏，游戏本身会让他们产生一系列困惑、投入、无聊或紧张的情绪；另外因为游戏的竞赛性，游戏者自身也会有意识地通过精神想象来激发脑部活动来更好地控制游戏以赢得比赛的胜利。3.5导航基于脑机接口的导航系统为肢体严重残疾的患者提供了一个独立活动的机会，利用导航设备如脑机接口系统的轮椅，使用者可以利用运动想象产生脑电波，进而以此来控制轮椅的运控。这种系统一般只有三种控制命令：向左、向右和前进。对不间断的运动想象相关变化的脑电波信号进行检测和分类，脑电波信号实时分类以后在线反馈给使用者，使其及时调整前进的方向。3.6其他除了上述一些脑机接口目标应用之外，近些年对其他的一些应用的研究也逐渐增多，表明了脑机接口技术被越来越多地应用于新产品上。用来打开和关闭脑机接口系统的脑开关，移动电话应用，实时睡意检测系统，脑控制智能家居系统和认知能力评估系统等都是近些年在基于EEG的脑机接口技术的进步上发展起来的。4脑机接口技术目标应用目前存在的问题脑机接口技术的目标应用移动外设控制目前还存在很多问题，如实时性不高、安全性能差等。由于用户的注意力无法长时间地完全高度集中而可能会导致设备控制出现一些问题，执行错误的功能，而造成很多麻烦。另外，因为控制脑机接口设备需要用户高度集中注意力，很容易导致用户疲劳，工作效率不高，比如精神拼写脑机接口设备每分钟只能拼写5个左右字母，如果用户想拼出一个较长的单词需要花费几分钟，如果想写出完整表达意思的一句话，这个时间往往就更长了，用户花费的精力也很多，造成了精神拼写设备的不实用，在以后的研究中需要寻找更高效的算法来解决速度和效率的问题。参考文献[1]张剑慧基于P300的在线脑机接口系统浙江大学计算机学院2010.03.07[2]维基百科[3]AliBashashati,MehrdadFatourechi,RababKWard,GaryEBirch.Asurveyofsignalprocessingalgorithmsinbrain–computerinterfacesbasedonelectricalbrainsignals.JournalofNeuralEngineering4(2007)R32–R57,27March2007[4]Han-JeongHwang,SoyounKim,SoobeomChoi，ChangHwan。EEG-BasedBrain-ComputerInterfacesAThoroughLiteratureSurvey。InternationalJournalofHuman-ComputerInteraction。23Sep2013[5]HubertCecotti.ASelf-PacedandCalibration-LessSSVEP-BasedBrain–ComputerInterfaceSpeller.IEEETransactionsonNeuralSystemsandRehabilitationEngineering.VOL.18,NO.2,APRIL2010[6]DennisJMcFarland1,DeanJKrusienski,WilliamASarnacki,JonathanRWolpaw.Emulationofcomputermousecontrolwithanoninvasivebrain–computerinterface.JournalofNeuralEngineering5(2008)101–110.5March2008.[7]ShinsukeINOUE,YokoAKIYAMA,YoshinobuIZUMI,ShigehiroNISHIJIMA.TheDevelopmentofBCIUsingAlphaWavesforControllingtheRobotArm.IEICETransactionsonCommunications,Vol.E91-BNo.7pp.2125-2132.1July2008.