立即注册
查看: 572|回复: 0

基于EEG的脑机接口发展综述

已绑定手机
发表于 2022-8-1 11:38:20 | 显示全部楼层 |阅读模式 来自 广东省深圳市
摘要∶随着无线传输、机器学习、人工智能等技术的进步,基于脑电图(EEG)的脑机接口(BCI)技术的研究相应增加,作为一种变革性的通讯和控制技术,脑机接口可以广泛地应用于康复医疗、游戏娱乐、军事应用、家居智能等领域,具备千亿级别的应用市场;综述了基于EEG的典型脑机接口范式,包括MI-BCI、P300-BCI、SSVEP-BCI等范式的基本原理、研究现状和典型应用场景,对各类范式的优缺点进行了评价,提出了当前研究中面临的技术和伦理等方面的风险挑战,并对其发展和应用前景作了展望。
近年来,中、美、欧等国家和地区纷纷启动了脑科学计划m。我国将“脑科学与类脑研究”列为“十四五”规划纲要重大项目,美国国防部高级研究计划局(DARPA)较早展开了脑机接口(BCI,brain-computer interface)在军事领域的应用研究,特斯拉创始人埃隆·马斯克创立的Neuralink公司在脑机接口技术前沿领域广受关注。当前,该技术已经在康复医疗、人工智能、机械控制、家居智能、游戏娱乐、军事应用等领域展开了广泛而深入的研究。但基于脑电图(EEG,electroencephalogram)技术的脑机接口技术相关综述文章鲜见发表,已发文章大多是对于信号处理方法的研究现状分析,对其各类应用、发展和挑战则着墨较少。

1  脑机接口技术
1.1  脑电图(EEG)
从大脑采集电信号的方法分为植入式、半植入式和非植入式。脑电图(EEG)I2l是从人类或动物的头皮上记录到的电位变化,是最常见的非侵入式大脑信号采集技术。侵入式技术和半侵入式技术具有显著的缺点∶手术存在风险和所记录信号将逐渐减弱甚至消失。非侵入性电信号采集方式包括脑电图(EEG)、脑磁图(MEG,magnetoenceph-alography)、近红外光谱(NIRS,near-infrared spectros-copy)、正电子发射型断层显像(PET,Positron Emis-sion Tomography)、功能性核磁共振成像(FMRI,func-tional magnetic resonance imaging)等方法。其中 EEG 信号的明显优势在于它可以达到毫秒级别的高时间分辨率,可以较好的进行实时监测和在线传输,且采集设备简单,操作方便、安全,便于临床使用,因此 EEG 技术更受重视。
脑机接口使用的 EEG 信号主要有两种∶自发脑电(Spontaneous EEG)和诱发脑电(Evoked EEG)。自发式的脑电信号是通过被试主动执行特定的大脑意识活动任务,产生相应的特征电位。被试所执行的认知任务主要包括运动想象(MI,moter imagery)、音乐想象(music imagery)、心算(mental arithmetic),以及用于改变慢皮层电位(SCP,slow cortical potential)的意念控制任务等。诱发脑电是在给予特定刺激(如声、光、电)时诱发产生的脑电位变化,包括听觉诱发(AEP,auditory evoked poten-tial)、视觉诱发(VEP,visual evoked potential)、触觉诱发(SEP,somatosensory evoked potential)等。自发脑电具有背景噪声强、信号幅度微弱、非平稳性和随机性强、频域特征比较突出等特点,且受被试个体差异影响较大,需要进行大量训练,因此在BCI中的应用范围不及诱发脑电广泛。相较于自发脑电,诱发脑电不需要经过特别训练就可以获得时间较为集中、特征更加明显的信号,且正确率较高。

1.2  脑机接口的定义
1973年,Jacques Vidal首次使用 BCI这一概念,他使用该术语描述任何能够产生关于脑功能详细信息的基于计算机的系统D81。第一次BCI国际学术会议对BCI做出了比较权威的定义∶是一种不依赖于大脑外周神经与肌肉正常输出通道的通讯控制系统09-201。它通过采集和分析人的脑电信号,在人脑与计算机或其它电子设备之间建立起直接的交流和控制通道,从而可以不需语言或肢体动作,直接通过控制大脑电信号来实现对外通联或控制设备。人们通过大脑信号而不是肌肉来行动,这种可能性吸引了全球各领域广泛的重视和研究,而其潜在的价值和意义也在不断推动BCI研究这一新兴领域的发展。图1是近21年来关于BCI技术的科研文章数量趋势图,可见其近年来呈快速增长态势。
1.jpg
1.3  基于EEG的BCI系统组成
基于EEG的BCI系统组成包含信息采集、信息处理、信号控制和反馈4个部分,其结构如图2所示。该系统工作流程为∶从头皮或大脑皮层采集反应大脑活动的 EEG信号,经过预处理(放大并数字化)后,提取EEG信号中反应用户意图的相关特征,将其转换为可以控制外部应用设备的命令,如光标控制、轮椅转动等。反馈环节可以将命令实施的具体结果反馈至用户,可以有效增强交互效果。
2.jpg
1)信号采集信号采集模块负责采集和放大脑源信号,并将信号传送至信号处理模块。该部分主要包括电极帽、放大器、滤波器和A/D转换器。
2)信号处理∶信号处理模块是BCI系统的核心部分,主要过程包括信号预处理、特征提取、分类识别。预处理是通过主成分分析(PCA)、独立成分分析(ICA)、非线性滤波等方法最大程度去除信号中的噪音干扰,提高EEG信号的信噪比。特征提取和分类识别过程是从繁复无章的背景信息中提取出所需的源信号并将这些信息转化为简单的控制命令,这需要较好的信号处理技术和针对性的分类算法。
3)设备控制∶设备控制模块是BCI系统的输出端,可以将EEG信号转换为设备操作的控制命令。当前应用于医疗和研究的主要输出设备包括机械臂、计算机屏幕、应用程序、无人机和轮椅等。
4)反馈∶反馈环节将操作结果及时反馈至被试,可以提高系统的准确率。当系统运行终端出现问题时,及时的反馈能够帮助被试及时调整状态,增加了系统的人机交互性,也提高了系统的工作效率。

2  基于EEG的BCI系统及其应用
本文重点讨论基于EEG的单一模式的BCI系统。该类系统的主要研究方向包括基于慢皮层电位(slow cortical potential,SCP)的BCI、基于运动想象(MI,motor im-age)电位的BCI、基于事件相关电位(ERP,event-relate potential)P300的BCI和基于稳态视觉诱发电位(SSVEP,steady-state visual evoked potential)的 BCI 等。其中,SCP-BCI系统在脑机接口发展初期研究中占主导地位,并且在一些临床研究中投入应用。但由于该系统需要大量训练且ITR较低E21,因此学者们基本放缓了对该系统的进一步研究,因此本文不作讨论。

2.1  基于MI的BCI系统
基于运动想象(MI)的 BCI是以感觉运动节律(SMR,sensorimotor rhythm)信号作为输入的 BCI。SMR信号相伴运动或感知运动产生,包括μ节律(频率为8~12Hz)、β节律(频率为18~26Hz)等,但主要以μ节律为主。研究表明,在进行运动准备、想象或执行活动时,大脑对侧的μ节律会减弱,而在空闲状态时则会增强,这种现象被称为事件相关去同步(ERD,event-relate de-synchronization)和事件相关同步(Event-relate synchroni-zation,ERS)。ERD/ERS事件即出现在产生于大脑皮层的μ节律和β节律的频率范围。

更多详细内容请下载附件查看
游客,如果您要查看本帖隐藏内容请回复
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

合作/建议

TEL: 19168984579

工作时间:
周一到周五 9:00-11:30 13:30-19:30
  • 扫一扫关注公众号
  • 扫一扫打开小程序
Copyright © 2013-2024 一牛网 版权所有 All Rights Reserved. 帮助中心|隐私声明|联系我们|手机版|粤ICP备13053961号|营业执照|EDI证
在本版发帖搜索
扫一扫添加微信客服
QQ客服返回顶部
快速回复 返回顶部 返回列表