当前位置:首页 > 百科知识 > 机器人 > 正文

脑机接口技术

脑机接口是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作,这可以有效增强身体严重残疾的患者与外界交流或控制外部环境的能力,以提高患者的生活质量。脑机接口技术是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。

  背景

  直接用大脑思维活动的信号与外界进行通信,甚至实现对周围环境的控制,是人类自古以来就追求的梦想。自从1929年HansBerger第一次记录了脑电图以来,人们一直推测它或许可以用于通信和控制,使大脑不需要通常的媒介—外周神经和肢体的帮助而直接对外界起作用。然而,由于受当时整体科技水平的限制,加之对大脑思维机制了解尚少,这方面的研究进展甚微。

  脑机接口(Brain-ComputerInterface,BCI)技术形成于20世纪70年代(1973年,Vidal),是一种涉及神经科学、信号检测、信号处理、模式识别等多学科的交叉技术。20多年来,随着人们对神经系统功能认识的提高和计算机技术的发展,BCI技术的研究呈明显的上升趋势,特别是1999年和2002年两次BCI国际会议的召开为BCI技术的发展指明了方向。目前,BCI技术已引起国际上众多学科科技工作者的普遍关注,成为生物医学工程、计算机技术、通信等领域一个新的研究热点。

  BCI简介

  BCI是一种连接大脑和外部设备的实时通信系统。BCI系统可以把大脑发出的信息直接转换成能够驱动外部设备的命令,并代替人的肢体或语言器官实现人与外界的交流以及对外部环境的控制。换言之,BCI系统可以代替正常外围神经和肌肉组织,实现人与计算机之间或人与外部环境之间的通信。

  BCI技术的核心是把用户输入的脑电信号转换成输出控制信号或命令的转换算法。BCI研究工作中相当重要的部分就是调整人脑和BCI系统之间的相互适应关系,也就是寻找合适的信号处理与转换算法,使得神经电信号能够实时、快速、准确地通过BCI系统转换成可以被计算机识别的命令或操作信号。

  BCI系统原理及概念

  神经科学的研究表明,在大脑产生动作意识之后和动作执行之前,或者受试主体受到外界刺激之后,其神经系统的电活动会发生相应的改变.神经电活动的这种变化可以通过一定的手段检测出来,并作为动作即将发生的特征信号.通过对这些特征信号进行分类识别,分辨出引发脑电变化的动作意图,再用计算机语言进行编程,把人的思维活动转变成命令信号驱动外部设备,实现在没有肌肉和外围神经直接参与的情况下,人脑对外部环境的控制.这就是BCI的基本工作原理。

  第一次BCI国际会议给出的BCI的定义是:“脑计算机接口(BrainComputerInterface)是一种不依赖于正常的由外围神经和肌肉组成的输出通路的通讯系统”。BCI完全不依赖肌肉和外围神经的参与,直接实现脑和计算机的通信.这对完全没有活动能力的患者(如脑中风,肌萎缩性(脊髓)侧索硬化,脑瘫等)的辅助治疗和语言功能、行为能力的恢复,对特殊环境中外部设备的控制,甚至对娱乐方式的改进都具有非常重要的意义。

  BCI系统基本结构

  基于各种不同的需求,人们已经设计出多种可以在实验室中进行演示的基于脑电的BCI原型系统。原理上,BCI系统一般由输入、输出和信号处理及转换等功能环节组成。输入环节的功能是产生、检测包含有某种特性的脑电活动特征信号,以及对这种特征用参数加以描述。信号处理的作用是对源信号进行处理分析,把连续的模拟信号转换成用某些特征参数(如幅值、自回归模型的系数等)表示的数字信号,以便于计算机的读取和处理,并对这些特征信号进行识别分类,确定其对应的意念活动.信号转换是根据信号分析、分类之后得到的特征信号产生驱动或操作命令,对输出装置进行操作,或直接输出表示患者意图的字母或单词,达到与外界交流的目的。作为连接输入和输出的中间环节,信号分析与转换是BCI系统的重要组成部分。在训练强度不变的情况下,改进信号分析与转换的算法,可以提高分类的准确性,以优化BCI系统的控制性能。BCI系统的输出装置包括指针运动、字符选择、神经假体的运动以及对其他设备的控制等。

  BCI的分类

  第一次BCI国际会议根据输入信号的性质把BCI系统分成两大类,即:使用自发脑电信号的BCI系统和使用诱发脑电信号的BCI系统。

  基于自发脑电的BCI系统是应用自发脑电作为系统的输入特征信号。其特点是,受试者经过训练之后能够自主地控制脑电变化,从而直接控制外部环境,但通常需要对受试者进行大量的训练,容易受其身体状况、情绪、病情等各种因素的影响。

  诱发脑电信号的BCI系统使用外在刺激诱发大脑皮层相应部位的电活动产生变化,并以其作为特征信号。外部诱发BCI系统不需要对受试者进行过多的训练,但需要特定的环境(如排成矩阵的闪烁视觉刺激输入),这不利于系统的推广和应用。

  在系统输出模式上,前者能使操作者把指针移到任意的二维或者多维位置,而后者只能使操作者在所列出的选项中进行选择。根据信号检测的方式不同,也可以把BCI分为电极内置式和电极外置式两种基本形式。

  电极内置式信号检测方法使电极直接和大脑皮层接触或进入大脑皮层,测量的信号噪声小、损失低,但由于涉及外科手术,操作复杂,需要具有专业技术的操作人员,而且容易感染。

  电极外置式信号检测方法,操作简单,安全,有利于BCI系统的推广,但由于电极距离信号源较远,噪声较大.在BCI系统设计中,使用何种方案应根据信号的特征、测量技术的水平以及实际要求的精度等因素综合考虑。

  BCI关键技术

  BCI系统由信号的产生、处理、转换、输出以及开关和时钟等单元组成。在BCI技术的发展中,信号分析和转换算法是其最为重要的研究内容。

  源信号的获取

  BCI源信号的获取过程包括信号的产生、检测(电极记录)、信号放大、去噪和数字化处理等。

  人类大脑能够产生多种信号,包括电的、磁的、化学的以及对大脑活动的机械反应等各种形式。这些信号可以通过相应的传感器进行检测,从而使得BCI的实施成为可能。由于对磁和化学等信号的检测技术需要更高的要求,目前BCI信号的获取主要基于技术相对简单、费用较为低廉的EEG检测技术。

  信号的产生

  根据要获取的信号的特征和性质,必须采取相应的产生特征信号的方法。信号产生方式包括利用视觉诱发电位、利用事件相关电位、模拟虚拟环境以及自主控制脑电等多种形式。

  信号的检测

  信号的检测方法依赖于待测神经电信号的性质.根据电极类型,BCI系统可以分为电极内置式和电极外置式两种基本形式。

  信号的处理方法

  BCI系统中的信号处理包括信号预处理、特征提取、识别分类等过程.传统的脑电信号分析方法是对信号进行多次检测并进行均值滤波,再用统计学的方法寻找EEG的变化规律.这种方法信息传输率低,也不能满足实时控制的需求.目前对EEG信号的处理一般采用对单次训练信号进行研究.其中特征提取和识别分类是BCI信号处理最为关键的环节。

  BCI中的特征提取方法

  特征提取就是以特征信号作为源信号,确定各种参数并以此为向量组成表征信号特征的特征向量.特征参数包括时域信号(如幅值)和频域信号(如频率)两大类,相应的特征提取方法也分为时域法、频域法和时-频域方法。

  特征信号的分类识别

  特征信号分类是基于脑电信号根据不同的运动或意识能使脑电活动产生不同响应的特性,确定运动或意识的类型与特征信号之间的关系.信号分类结果的好坏取决于两个方面的因素:一是要进行分类的特征信号是否具有明显的特征,即特征信号的性质;二是分类方法是否有效。几种具有代表性的BCI特征信号分类综述如下:人工神经网络;贝叶斯-卡尔曼滤波;线性判别分析;遗传算法;概率模型。

  BCI的应用

  作为一种多学科交叉的新兴通信技术,目前,BCI的研究大多处于理论和实验室阶段,离实际应用还有一定的差距。但从其性能来看,BCI系统及其技术将在涉及人脑的各个领域发挥重要的作用,尤其是对于活动能力严重缺失患者的能力恢复和功能训练具有重要意义。目前,对BCI应用的研究主要集中在以下几个方面:

  交流功能

  这类研究的目的是提高语言功能丧失患者与外界的交流能力。

  环境控制

  目前,对BCI环境控制的研究主要是基于虚拟现实技术.虚拟现实具有相对安全和目标可移动的特点,它能为训练和调整神经系统活动提供一个安全可靠的环境。受试者大脑发出操作命令,这种命令不是由肌肉和外围神经传出并执行,而是由BCI系统经过检测、分析和识别相应的脑电信号,确定要进行的操作,然后由输出装备对目标进行控制。

  运动功能恢复

  由BCI系统完成脑电信号的检测和分类识别过程,然后把命令输出给神经假体,完成已经失去功能的外围神经应有的功能,或者把命令信号输出给轮椅上的命令接受系统,完成运动、行走等功能,使四肢完全丧失功能的患者能够在无人照看的情况下自己进行一些简单的活动,或进行功能性的辅助训练。

  其他领域的应用

  从理论上讲,只要有神经电参与的通信系统,都可以应用BCI技术,如适用于残疾人的无人驾驶汽车,就是把操作过程中脑电信号的一系列变化,由BCI系统实时的转换成操作命令,实现无人直接驾驶的目的。

 


内容来自百科网