導 讀

腦機接口（brain computer interface, BCI）是指在人腦與計算機或其他電子設備之間建立的直接交流和控制通道，通過這種通道，用戶可直接通過大腦思維來表達想法或操縱設備。本篇主要對腦機接口發展歷程與組成結構進行整理介紹。

腦機接口發展歷程與組成結構

1、腦機接口發展歷程

腦機接口最早可以追溯到 1924 年，德國精神科醫生 Hans Berger 在患者頭部檢測到微弱的腦電波，繼而發明了腦電圖 (electroencephalogram, EEG)，這意味著腦機接口的雛形誕生。至今，腦機接口先后經歷了理論萌芽期、概念論證期和技術爆發期，目前已經進入產業發展期1。

自腦電圖發明到1970年，腦機接口領域處于理論萌芽期，早期的腦機接口電極精度低、風險大且效果差；

1970−1999年，腦機接口處于概念論證期。得益于計算機科學和神經科學發展，尤其是20世紀90年代“腦的十年”，歐美各國相繼啟動了大型腦計劃，推動了腦機接口技術的進步。在這一階段，腦機接口的概念在研究界達成共識，初步研發出“P300拼寫器”、基于運動想象 (motor imagery, MI) 的腦機接口和基于穩態視覺誘發電位 （steady- state visual evoked potentials, SSVEP）的腦機接口；研究人員開始重視 EEG 分析并通過EEG幫助嚴重運動障礙患者與環境或計算機通信和交互；

2000−2019年，腦機接口領域處于技術爆發期。研究人員開始使用先進的腦電信號處理和機器學習算法，并采用新型大腦信號獲取技術，開發出新的腦機接口范式。同時，早期的腦機接口如基于 P300 和視覺誘發電位的腦機接口性能明顯提升，逐步進入臨床試驗。2013年，腦機接口開始臨床應用，如癱瘓患者控制神經假體、慢性腦卒中康復等。2015年，Minev 等提出了柔性神經植入物幫助提升神經義肢的長期性能的相關研究，侵入式腦機接口進入高速發展期。2017年，研究人員開始利用卷積神經網絡等深度學習算法進行腦電信號的編解碼。2019年，Neuralink 公司利用神經手術機器人植入96根電極，直接通過USB-C接口讀取大腦信號;天津大學和中國電子信息產業集團聯合研發出國產芯片“腦語者”；

2020 年至今，腦機接口領域進入產業發展期，其特點是開發出多款植入式腦機接口產品，成立了一批初創企業，人與機器的交互性能得到很大提升。

2、腦電信號分類2

不同類型腦電采集設備獲取的信號圖譜及圖譜的特性是不同的。從信號的時域、空域分辨率來說，侵入式腦機接口設備獲取的信號相對高于非侵入式設備獲取的信號。常用的神經電生理信號包括腦電圖（EEG）、腦皮層電圖（ECoG）、局部場電位（LFP）、動作電位（AP）或“峰電位（Spike）”信號等，這些主要通過神經電極進行采集。

圖.神經信號的幅度和頻率范圍3

腦電圖（Electroencephalograph，EEG）通過細胞外空間的體積傳導，將大腦大區域內神 經元活動的集體動態記錄為電場，通常在頭皮上和周圍使用間距超過1 厘米的電極陣列進行測量。在這樣的距離下，來自大腦的生物電位信號的帶寬低于100 Hz。

植入式的方法由于距離神經元更近，可以從電信號中得到更為豐富的神經活動信息。雖然用微電極在細胞內記錄產生強烈而清晰的電壓信號（~70 mVp-p），但由于需要膜穿透，它通常會導致神經元死亡。這種方法通常在臺式記錄設備中使用，而不太適用于高通道數的移動神經記錄。

ECoG使用電極直接記錄大腦皮層表面的電活動，記錄電場的空間分辨率可以大大提高 (<5 mm2)。記錄細胞外的鋒電位信號和局部場電位，即周圍神經元的平均電活動，被廣泛利用。

顱內神經元峰電位（Spike）的信號振幅通常約為 50 - 500 μVp-p，頻率范圍為 0.5 Hz - 10 kHz，而局部場電位（LFP）的振幅在 0.5 - 5 mVp-p 左右，頻率范圍為1 - 300 Hz。Spike 信號由于揭示了大量關于細胞間通信和網絡的信息而被廣泛關注。LFP 記錄已被表明更適合慢性長期監測，由于 LFP 是多個神經信號分量的平均和，因此解碼和識別目標神經元的信號要困難得多。另一方面，spike 直接測量目標神經元的信號，具有比 LFP 更高的時間和空間分辨率。因此現有全植入腦機接口設備通常同時對 LFP 以及 spike 進行采集，以實現在不同尺度對神經活動信息進行分析。

3、腦機接口組成機構

腦機接口系統主要由大腦、腦信號采集、腦信號處理與解碼、控制接口、機器人等外設和神經反饋構成。

圖.BCI系統組成結構示意圖4

腦信號采集：是腦機接口系統的重要組成部分，是其實用化的瓶頸之一，采集到高質量的腦信號至關重要。采集大腦活動的方法有多種，原則上均可為 BCI 系統提供輸入信號，這些方法中包括 EEG、皮層電位（ECoG）、顱內神經元峰電位（Spikes），局部場電位（LFP）。

圖.不通腦電信號空間分辨率以及信號頻率

ECoG 和 Spikes 是侵入式采集電信號的方法，雖然具有較高的空間分辨率、良好的信噪比和更寬的頻帶，但目前這類 BCI 仍面臨著幾個難題:有創帶來的安全性問題、難以獲得長期穩定的記錄、需要相關醫護人員長時間連續地觀察。與 ECoG 和 Spikes 相比，EEG 是從頭皮無創記錄的，具有安全、易于采集和價格低廉的特點。根據腦電采集過程對大腦的侵入程度，腦機接口可分為侵入式、非侵入式與半侵入式。

圖.不同的檢測大腦電活動方式

腦信號處理和解碼：腦信號中通常包含多種噪聲，例如與腦功能無關的神經信號、工頻干擾、眼電和肌電偽跡等，這會在一定程度上降低信號的質量，為此需要對腦信號進行預處理以剔除偽跡并提高信噪比。腦信號預處理后，通常根據特定的BCI范式所設計的腦功能任務相關的神經信號規律來提取特征。提取到可分性好的的腦信號特征之后，可以采用先進的模式識別技術或機器學習算法訓練分類模型。

控制接口：根據具體的通信或控制應用要求，控制接口把上述解碼的用戶意圖所表征的邏輯控制信號轉換為語義控制信號，并由語義控制信號轉化為物理控制信號；

機器人等外部設備：與腦機接口通信或可控制的外部設備是多種多樣的，視具體的應用而不同，可以是計算機系統（操作其字符輸入/光標移動等），也可以是機器系統（如康復機器人、神經假肢和輪椅等）；

神經調控與神經反饋：神經調控與神經反饋是腦機接口的重要組成部分，是實現雙向腦機交互的關鍵技術。應用光聲電磁等物理手段可以直接對大腦活動進行調控，亦可應用條件反射和人腦可塑性通過神經反饋把用戶的腦活動特征、解碼結果以及與外設通信。

資料來源：

[1] 阮梅花,張麗雯,凌婕凡等.2023年腦機接口領域發展態勢[J].生命科學,2024,36(01):39-47.

[2] 王浩傳.全植入腦機接口微系統關鍵技術研究[D].杭州電子科技大學,2023.

[3] Zhang M, Tang Z, Liu X, et al. Electronic neural interfaces[J/OL]. Nature Electronics, 2020, 3(4): 191-200.

[4] 資料來源：2022腦機交互神經調控前沿進展白皮書