匯報人：朱同學腦機接口BCI研究綜述BCI基本概念BCI神經影像方法與控制信號BCI分類算法BCI模式識別BCI應用現狀目錄BCI(brain-computerinterface)有時被稱為MMI、DNI、STI以及BMI，是一種不依賴于外周神經和肌肉組織等常規大腦信息輸出通路，而運用工程技術手段在大腦和計算機或者其他機電設備之間建立直接“讓思想變成行動”的對外信息交流和控制新途徑。BCI基本概念BCI是一種人腦與設備的共存，其將處理后的信號去控制外部設備，將外部設備作為身體一種自然存在BCI被設計完成人體感官恢復，感覺信息傳輸回大腦活通過人為產生的電信號刺激大腦。BCI基本概念圖1BCI模型BCI基本概念圖2BCI基本處理模型BCI基本概念|工作原理圖3BCI工作模式BCI基本概念|工作原理圖4BCI操控原理圖BCI基本概念|工作原理圖5BCI工作模式BCI神經影像方法與控制信號神經影像方法測量活動直接/間接時間分辨率空間分辨率風險便攜EEG電力的直接~0.05s~10mm非侵入式便攜MEG磁性的直接~0.05s~5mm非侵入式不便攜ECoG電力的直接~0.003s~1mm侵入式便攜INR電力的直接~0.003s~0.5mm（LFP）~0.1mm（MUA）~0.05mm（SUA）侵入式便攜fMRI變化的間接~1s~1mm非侵入式不便攜NIRS變化的間接~1s~5mm非侵入式便攜表1神經影像方法匯總侵入式侵入式BCI系統是在神經外科手術中直接植入到大腦灰質中因為芯片植入在灰質中，侵入式裝置產生最高質量的BCI系統信號，但容易產生創傷組織的積聚，從而導致該信號變弱，甚至消失。BCI神經影像方法與控制信號腦電（EEG）通過在頭皮安置檢測電極描記所得的數以億計大腦皮層神經細胞的群體活動在頭皮表面感應到電位分布。根據臨床電生理學理論，EEG反應了大腦皮質某一特定區域神經細胞群同步的電位差。BCI神經影像方法與控制信號半侵入式和非侵入式腦皮層電圖

（ECoG）采集顱骨下方的大腦活動的電信號，與非侵入式的EEG相似，但電極被嵌入在一個放置于皮層上方，硬腦膜下方的薄塑料墊fMRI=FunctionalMagneticResonanceImaging（功能磁共振成像）

利用攜帶氧的血紅蛋白的磁特性。被激活的大腦部分增加了氧含量，從而提高了含氧血紅蛋白與脫氧血紅蛋白間的比率。腦磁圖（MEG）檢測大腦中所創建的“火”的單個神經元的小磁場。它可以精確定位活動區域（毫米級）并且能夠追尋在大腦中傳播時的腦活動的運動BCI神經影像方法與控制信號半侵入和非侵入?BCI目的是通過檢測大腦活動的方法來解釋用戶的意圖。大腦信號涉及眾多與認知任務相關的現象。而他們也尚未被理解，初始點亦不可知。然而某些生理現象的腦信號已被人們解碼，被視為可能的控制信號。目前在BCI采用的控制信號的討論如表2所示。BCI神經影像方法與控制信號信號生理學現象訓練傳輸速率成果VEP（視覺誘發電位）大腦信號在視覺皮層加工處理否60-100bits/min被試可通過學習如何控制自身視覺誘發電位幅值來控制飛行器方向、電話撥號系統SCP大腦信號中緩慢的電壓變化是5-12bit/min擊中光標，被試(如肌萎硬化癥)可以使用思維翻譯工具來訓練產生自發SCP變化P300正向峰值出現在相關事件后約300ms否20-25bits/min虛擬打字系統（根據隨機閃爍光標）、猴子遠程控制機械手臂、2013廣西意見控制賽車SMR（感覺運動節律）與運動行為同步的節律變化是3-35bits/min廣泛應用，知名的Wadworth、Berlin、Graz。可應用于ERS/ERD；想象左右手運動（上交籃球）表2控制信號討論BCI神經影像方法與控制信號類型半侵入侵入非侵入神經手術ECoGEEG,MRIBCI系統分類此外，根據輸入信號產生方式分為：誘發式BCI/自發式BCI，前者需要額外刺激裝置（加自身通路），后者完全來自使用者自發腦電（環境、情緒影響）；根據BCI系統工作方式：同步BCI/異步BCI，前者需要在預定時間內進行特定思維活動，后者通信不由系統控制，由用戶初始化。BCI模式識別不同思維活動產生不同模式的腦信號，BCI被看作一個模式識別系統。設計一個合適的特征集是一個難點。大腦信號隱藏于大量的噪聲環境下（在時間、空間中重疊），因此在多數情況下，使用簡單的方法（如帶通濾波器）是不夠的。腦信號本質上是不固定的。特征出現的時間信息需要獲取。一些方法是把信號分割為小段，參數可由每段估計。然而，片段的長度會影響估計的準確性。傅里葉變換在此效果不好，小波變換和自適應回歸（ＡＲ）是優選，以揭示大腦信號的非平穩時間變化。另外一種新型的稱為靜止子空間分析（ＳＳＡ）被提出用于非平穩ＥＥＧ信號。BCI模式識別方法性質應用降維ＰＣＡ－線性變換－可能相關集合變換為非相關集合－最優的表示數據的最小平方和－有效的減少噪聲和維度的方法。ＰＣＡ要求參數為不相關的ＥＥＧＩＣＡ－分解混合信號到原始信號－相互統計獨立的潛在來源－強大而有效的噪聲清理工具。成分要求與ＥＥＧ信號相互獨立空間ＣＳＰ（共空間模式濾波）－空間濾波器用于兩類信號，多級擴展存在－在同步ＢＣＩ中效果好，異步較弱－其性能受空間分辨率影響。一些電極的位置為特定的大腦活動提供更多的判別信息－改進：ＷＣＳＰ，ＣＳＳＰ，ＣＳＳＳＰ時域｜頻域ＡＲ－頻譜模型－短時段的高頻率分辨率－不適用于非穩定信號ＭＦ（匹配濾波）－檢測與預測已知的信號或者模板相匹配的特定模式－適用于檢測相一致的時間波形特點ＣＷＴ－提供頻率和時間信息－適用于非穩定信號ＤＷＴ－降低了ＣＷＴ冗余性和復雜性表３

模式識別方法討論BCI模式識別表３

模式識別方法討論（續）方法性質應用特征選擇ＧＡ－高資源消耗－可能過早收斂ＳＦＳ／ＳＢＳ－找出特征最優子集，通過順序添加／刪除特征集，順序向前和順序向后ＳＦＦＳ／ＳＢＦＳ－改進版本－基于加Ｌ－除ｒ算法－部分克服了ＳＦＳ／ＳＢＳ的不足ＢＣＩ不良信號（噪聲和偽跡）主要分為兩類：生理學和非生理學（技術）：前者通常由于肌肉、眼部和心臟活動引起；后者多歸因于電力線噪聲或者電極阻抗改變。（被試）ＢＣＩ系統中分類旨在基于模式識別步驟下所提供的大腦活動特征向量的基礎上認知用戶的意圖。回歸和分類算法均可以實現該目標，但分類算法是目前最常用方法。ＢＣＩ分類算法回歸算法使用ＥＥＧ信號提取出的特征作為獨立變量去預測用戶意圖。相反，分類算法將提取出的特征作為獨立變量來定義特征空間中不同目標的邊間。圖６分類與回歸區別ＢＣＩ分類算法方法性質應用生成模型貝葉斯分析－分配觀測特征向量到標記它所屬最高概率的類中－產生非線性的決策邊界－在ＢＣＩ系統中不常見線性方法線性判別分析－簡單分類與可接受準確度－低計算需求－不適用于異常值或者強噪聲的存在，需正規化－通常為兩類。擴展多類版本支持向量機－線性和非線性（高斯）方式－二類或者多類方法－最大化最近的訓練樣本之間的距離和超平面－不適用于異常值或者強噪聲的存在，需正規化－快速分類非線性ｋ－近鄰分類－使用測試特征集與其近鄰間的公制距離－多類－高效處理低維特征向量，對其維數非常敏感人工神經網絡－非常靈活的分類－多類－多種架構表４

分類方法討論許多研究者關注在構建ＢＣＩ應用系統，以期該項技術可以幫助那些患有嚴重運動障礙疾病的人們。最近應用的發展主要歸功于基于ＥＥＧ的ＢＣＩ領域，因為它們提供可接受質量的信號并且低成本、便操作的設備。其應用系統不僅希望提升嚴重殘疾人群的生活質量同樣也使得照顧者們減輕生活的繁重。此外，ＢＣＩ代表著一個可以揭示隱藏在用戶腦中不能被表達的信息工具。ＢＣＩ應用現狀圖７ＢＣＩ應用領域間關系，ＢＣＩ轉換速度和用戶能力ＢＣＩ的應用主要分為五類：交流；運動修復；環境控制；運動；娛樂；ＢＣＩ應用現狀圖８吃豆子游戲、應用BRAINGATE

傳感器置于用戶腦中，用于獲取用戶的意圖信息HONDAASIMoCONTROL

研究人員已經開發了本田公司的阿西莫機器人，人們可以通過思維去控制它GAMINGCONTROL

游戲控制采用可穿戴式無線腦電圖為基礎的新穎干泡式傳感器接口BIONICEYE

視覺假體，通常被稱為仿生眼，是一種實驗視覺裝置，幫助部分或者完全失明的或者恢復視力功能未來..?結論技術：

更加有效的預處理算法