《脑机接口系统介绍(Neuroscan BCI System)》由会员分享,可在线阅读,更多相关《脑机接口系统介绍(Neuroscan BCI System)(9页珍藏版)》请在金锄头文库上搜索。
1、word今天,如果我们想要看电视,我们需要用手控制遥控器;我们想操纵电脑,也必须使用双手。然而,也许有一天,我们可以改变这一切,因为在不远的将来,人类与机器可以直接对话,不需通过肢体,只需要思维。这是在做梦吗?不,这是一项新技术“脑机接口。脑机接口Brain-puter Interface,以下简称BCI,是近年来开展起来的一种人机接口,它不依赖于大脑的正常输出通路即外围神经和肌肉组织,就可以实现人脑与外界 计算机或其它外部装置直接通信的系统。广义上讲,这种通信也可以是双向的,一方面外界的信息声音、需要记忆的容等可以直接传入大脑,比如电子耳 蜗、大脑记忆芯片等;另一方面大脑可以直接控制外界环境
2、,本文介绍的是后者。BCI技术的出现,使得用大脑信号直接控制外界环境的想法成为可能。要想实现BCI,有三个必要条件:第一,必须有一种能够可靠反映大脑思维的信号;第二,这种信号能够被实时且快速的收集;第三,这种信号有明确的分类。目前可用于BCI 的人脑信号有:EEG脑电图,EMG脑磁图和fMRI功能性核磁共振图象等。目前大多数BCI研究机构采用的大脑信号是EEG。人类的每一闪思维,每一种情绪,每一个想法,在大脑 中都会产生特定的EEG信号,这种信号由千百万个神经元共同产生,并在大脑传播。不同思维情况下产生的神经电活动信号表现出不同的时空变化模式,会导致 EEG信号的不同,将检测到的EEG信号传送
3、给计算机或相关装置,经过有效的信号处理与模式识别后,计算机就能识别出使用者的思维状态,并完成所希望的控 制行为,比如移动光标、开门、打字和开机等。一、根本原理1.1 BCI系统的根本结构 BCI系统一般都具备信号采集,信号分析和控制器三个功能模块。 1信号采集:受试者头部戴上一个电极帽,采集EEG信号,并传送给放大器,信号一般需放大10000倍左右,经过预处理,包括信号的的滤波和A/D 转换,最后转化为数字信号存储于计算机中。 2信号分析:利用ICA、PCA、FFT、小波分析等方法,从经过预处理的EEG 信号中提取与受试者意图相关的特定特征量如频率变化、幅度变化等;特征量提取后交给分类器进展分
4、类,分类器的输出即作为控制器的输入。 3控制器:将已分类的信号转换为实际的动作,如在显示器上的光标移动、机械手运动、字母输入、控制轮椅、开电视等。 有些BCI系统还设置了反响环节如图1中所示,不仅能让受试者清楚自己的思维产生的控制结果,同时还能够帮助受试者根据这个结果来自主调整脑电信号,以达到预期目标。BCI系统根本结构1.2 BCI分类 BCI系统没有固定模式,有多种分类方式: 1按照信号获取的方式不同可分为有创伤系统和无创伤系统两种。有创伤系统需要将电极放置于大脑部,采集大脑部的电信号,此法更准确,但有一定创伤风险;目前绝大多数BCI系统为无创伤系统,毋需动手术,只需在受试者头上戴上电极帽
5、以记录EEG信号,没有创伤风险。 2按照信号控制的方式不同可分为同步系统和异步系统。同步系统要求受试者必须在特定的时间产生特定的思维意识,这样便于信号分析,目前大多数BCI系 统属于同步系统,一般用于初始阶段;异步BCI系统如此不限定受试者何时产生特定的思维意识,系统自动判定并完成相应的控制,受试者可以随心所欲通过思维来 完成对外界的控制。真正实用的BCI系统是异步系统。 3根据信号处理的实时性可分为在线系统和离线系统。在线BCI系统中,信号采样、处理、分析和控制都是实时实现的,同时给受试者反响,大多数BCI系 统是在线系统;离线BCI系统实时记录EEG数据,离线分析这些数据,一般来说离线BC
6、I系统只用来评估测试和抽取特征量。 4根据所采用的脑电信号的不同可分为基于P300的BCI、基于慢皮层电位SCP的BCI、基于视觉诱发电位VEP的BCI、基于事件相关电位ERP的BCI等。 目前的BCI系统大多是在线的、同步的和无创伤系统。二、方法2.1 EEG 信号采样与存储 1电极 目前多数采用按照国际1020 系统设定好电极位置的电极帽来提取EEG信号。 2电极数目确实定和位置的选择 在BCI 研究中,需要确定测量EEG 信号的电极的数目。较多的电极数目,在提高EEG信号定位的准确性的同时增加了处理的复杂度,建议使用尽可能少的电极。电极位置的选择取决于BCI系统本身的要求与与EEG信号特
7、征变化相关的脑区。 3预处理 信号采集过程中,会夹杂干扰,常见的有市电干扰、眼动干扰、声音干扰等,必须通过某种方式减弱或除去干扰,同时保证原有信号成分特征不被改变。 4存储 通过电极帽采集的信号是模拟信号,在输入到计算机处理之前,必须通过A/D板将其转化为数字信号,以便存储在计算机进一步分析处理。2.2 BCI 研究中采用EEG信号的类型 1P300 P300 是一种事件相关电位,其峰值大约出现在事件发生后300毫秒,相关事件发生的概率越小,所引起的P300越显著。 2视觉诱发电位视觉器官受到光或图形刺激后,在大脑特定部位所记录的EEG电位变化,称之为视觉诱发电位VEP。 3事件相关同步或去同
8、步电位单边的肢体运动或想象运动,对侧脑区产生事件相关去同步电位ERD,同侧脑区产生事件相关同步电位ERS。 4皮层慢电位皮层慢电位SCP是皮层电位的变化,持续时间为几百毫秒到几秒,实验者通过反响训练学习,可以自主控制SCP 幅度产生正向或负向偏移。 5自发脑电信号在不同的意识状态下,人们脑电中的不同节律呈现出各异的活动状态。按照所在频段的不同分类,一般采用希腊字母、来表示不同的自发EEG 信号节律。比如节律在8-13Hz频段,而节律如此在13-22Hz频段。 采用以上几种脑电信号作为BCI输入信号,具有各自的特点和局限。P300和VEP 都属于诱发电位,不需要进展训练,其信号检测和处理方法较简
9、单且正确率较高,不足之处是需要额外的刺激装置提供刺激,并且依赖于人的某种知觉如视觉。其它几类信号的优点是可以不依赖外部刺激就可产生,但需要大量的特殊训练。BCI所使用的EEG信号信号名称描述m 节律m波都是一种8-12 Hz的 自发EEG,它与运动相关,在感觉运动皮层记录幅度最大,幅度大小可以通过训练人为控制。事件相关同步/去同步电位ERS/ERD运动相关的频率域增强或减弱,在运动皮层记录幅度最大。受试者可以通过训练改变相关频率段信号幅度,甚至在受试者想象运动,但实际上没有运动时也存在。慢皮层电位SCPEEG信号较大的正向或负向偏移,时程在300毫秒至几分钟。受试者可以通过训练产生这种偏移。诱
10、发电位的P300成分EEG信号的正向偏移,在刺激后300-400毫秒达到峰值。在中央顶叶区域可以记录到最大幅度,不需要训练。短时程视觉诱发电位VEP短时程视觉刺激所引起的脑电变化,最大幅度出现在枕区,不需要训练。稳态视觉诱发电位 (SSVEP)特定频率段视觉刺激引发的脑电变化,可以通过刺激调整脑电变化幅度,从而达到控制外界的目的。2.3 训练 时至今日,大多数BCI研究主要集中于技术层面的研究,即如何更好地采集、处理和分类EEG信号。然而,EEG信号的产生者是人,而不是机器,他她的一举一动都可能会对实验产生影响。因此,BCI实验中对受试者的训练也是值得关注的。 如何对受试者进展训练呢?也就是说
11、,我们用什么实验方案?不同的BCI系统采用不同的实验方案。一般来讲,方案几个阶段,每个阶段又分成假如干小节,每一小节大概持续几分钟,每个方案可能会持续半个小时到几个小时。 某些BCI系统基于事件诱发电位的,如P300 或VEP,并不需要训练,受试者按照指示就能启动实验。通常,为了实验能够顺利开展,在初次实验前,对受试者都要进展训练,只是时间长短而已。训练的时间和过程因BCI 系统和受试者而异。 在某些BCI系统中,用户必须了解如何自主调节自身的EEG信号幅度,这时训练是必不可少的,而且训练时间可能会很长;在基于模式识别的BCI系统中,训 练侧重于获得相应的参数;在基于操作条件方法的BCI系统中
12、,可能需要受试者反复训练,可能长达数月才能达到预计的效果。 Neuroscan脑电系统2.4 反响 大多数BCI系统是需要反响的,最常见的反响形式是光标控制,受试者把光标移到指定目标位置,只能使用上/下或左/右两组命令。一开始,光标在屏幕中央, 每一节以光标碰到目标位置或相反位置为完毕。当碰到目标位置,光标会闪烁,说明成功;这种反响能够加强受试者用意念操作光标的信心。光标控制提供的反响是 持续性反响,受试者能够亲眼看到自己意念驱动光标在移动,如方向不对可以与时调整。 在BCI系统中,特别是基于操作条件的BCI系统中,反响是必要的,受试者需要知道哪种意念能够移动光标朝哪个方向运动,反响既有好处也
13、有负面影响。 1、好处: 1激励持续性实验的动力。看不到结果的实验令人沮丧,不断看到自己能用意念操纵光标朝目的地移动无疑是一种巨大的激励。 2吸引受试者的注意力。不断有进展,会使受试者倍感兴趣,注意力不易分散。 3提供反响给信号处理模块,增强系统的稳定性和准确性。 2、负面影响 1反响可能会引起意念“不纯。反响会使受试者会产生实验以外的意念,从而使采集的EEG信号并不仅仅反映实验的容。 2反响的结果会对受试者EEG信号有影响。如光标移动中,正确的移动会使受试者加快移动速度;错误的移动会使受试者丧气,两者都会对EEG信号产生影响。 3视觉刺激反响可能会影响?节律。 Scan采集分析软件2.5 算
14、法 BCI的算法是指在信号处理阶段,能够将BCI 输入的信号转化为对实际装置进展控制的命令的一系列信号处理算法,也就是说,这些算法可以从当前使用者的脑电信号获得抽象的特征向量,并将这些向量转化为 决定设备控制的命令。一般来讲,这些特征量是包含在特定的频率段,如果某一特征量代表的思维状态过多,交叉过大,使用这一特征量就很难区分不同思维状 态;反之,如果某一特征量能够严格区分不同思维状态,使用这一特征量就能具有很好的成效。总之,无论采用哪种算法,都以实现最优的性能与良好的实用性为目 的。 下面简单介绍几种在信号处理阶段实际用到的算法: 1独立分量分析ICA 在脑机接口分析中的应用ICA 方法可从脑电信号中别离出各种不同的独立分量。在进展预处理之后,可以继而通过设计实验,如进展鼠标移动、手的想象移动、开灯等,对脑电信号进展特征分析 和提取,提取进展这些实验时的脑电信号特征,从中发现与之相对应的稳定的思维脑电独立分量模式,