《脑机接口技术综述》由会员分享，可在线阅读，更多相关《脑机接口技术综述（11页珍藏版）》请在金锄头文库上搜索。
1、脑机接口技术的商量综述摘 要脑机接口( Brain- Computer Interface, BCI)是在大脑和计算机或其他电子设备之间建立的不依靠于常规大脑信息输出通路(外周神经和肌肉组织)的一种全新通讯和掌握技术。脑机接口作为当前神经工程领域中最活跃的商量方向之一，在生物医学、神经康复和智能机器人等领域具有重要的商量意义和巨大的应用潜力，近10年来，脑机接口技术得到了长足的进步和飞速的进展，应用领域也在逐渐扩大。本文概述了基于脑电信号( EEG )的BCI系统的组成和基本原理、涉及的关键技术和商量现状, 最后分析了脑-机接口技术目前存在的问题与应用前景。关键词：脑机接口；脑电信号；特征提取
2、；特征分类一、引 言脑机接口是一种不依靠大脑外周神经与肌肉正常输出通道的掌握系统，通过采集和分析人脑生物电信号，在人脑与计算机或其他电子设备间建立起直接沟通和掌握的通道，这样人就可以直接通过大脑来表达意愿或操纵设备，而不需要语言或肢体的动作1-2。商量和进展脑机接口技术可以帮助肌肉萎缩、脊髓损伤等神经肌肉方面的患者以及沟通障碍者有效地完成对外界沟通和掌握3。脑机接口技术形成于20世纪70年月，是一门涉及纳米技术、生物技术、信息技术、心理认知科学、计算机科学、生物医学工程和应用数学等多学科的交叉技术，20多年来，随着人们对神经系统功能生疏的提高和计算机技术的进展，BCI技术的商量呈明显的上升趋势
3、，特别是1999年和2002年两次BCI国际会议的召开为BCI技术的进展指明白方向。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商量热点。BCI技术的核心是把用户输入的脑电信号转换成输出掌握信号或命令的转换算法。BCI商量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、精确地通过BCI系统转换成可以被计算机识别的命令或操作信号。BCI技术的进展目前还存在着很多问题，有待于更多的科技工作者致力于深化的商量。为促进BCI技术的进展，本文在查阅有关资料的基础
4、上，对BCI的原理、结构做了较为简略的综述，并对其应用前景、存在的问题以及评价标准进行了探讨。二BCI系统的工作原理及其基本结构2.1 BCI系统的工作原理神经科学的商量表明，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转变.。神经电活动的这种变化可以通过肯定的手段检测出来，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，实现人脑在没有肌肉和外围神经直接参加的情况下对外部环境的掌握.。这就是BCI的基本工作原理.。2.2 脑机接口
5、的基本结构脑机接口技术是通过信号采集设备从大脑皮层采集脑电信号经过放大、滤波、A/D转换等处理转换为可以被计算机识别的信号，然后对信号进行预处理，提取特征信号，再利用这些特征进行模式识别，最后转化为掌握外部设备的简略指令，实现对外部设备的掌握。一个典型的脑机接口系统主要包含4个组成部分：信号采集部分、信号处理部分、掌握设备部分和反馈环节3。其中，信号处理部分包括预处理、特征提取、特征分类3个环节。脑机接口的结构框图如图1 所示。图1 脑机接口技术信号处理结构框图1) 信号采集部分 此部分负责通过相关设备采集大脑活动产生的电信号。目前，对脑电信号的采集主要有2 种方法：侵入式和非侵入式。侵入式方
6、法是将电极插入脑皮层下，该方法采集的大脑神经元上的脑电信号具有较高的精度，而且噪声较小。缺点是无法保证脑内的电极长时期地保持结构和功能的稳定，而且将电极植入脑皮层内存在平安问题。非侵入式方法测量的是头皮表面的脑电信号，通过将电极贴附在头皮上，就可直接获得人大脑活动产生的脑电信号，易采集，无创性等特点使之成为BCI技术商量的主要方向。2) 信号处理部分 脑电信号的处理主要包括预处理、特征提取和特征分类3 部分。预处理主要用于去除脑电信号中具有工频的杂波、眼电、心电以及肌电等信号的伪迹。特征提取的主要作用是从脑电信号中提取出能够反映受试者不同思维状态的脑电特征，将其转换为特征向量作为分类器的输入。
7、特征提取是脑电信号处理中十分重要的一步，提取出的特征的好坏将直接影响脑电信号的识别率。特征分类主要是寻找一个以特征向量为输入的判别函数，并且该分类器能识别出不同的脑电信号。3) 掌握设备部分 掌握设备主要是把经过处理的脑电信号转换为外部设备的掌握指令输出，从而掌握外部设备实现与外界进行交互的目的。4) 反馈环节 反馈主要是把外部设备的运行情况等信息反馈给使用者，以便使用者能实时地调整自己的脑电信号。三、基于EEG的脑机接口商量方法人和动物的大脑,特别是皮层细胞，存在着频繁的自发电活动，无需任何外界刺激。从脑电极记录到的电位是对脑部大量神经元活动的反应，低至微伏级，这种电活动的电位随时间的波动称
8、为脑电波(EEG) 。EEG反应了大脑组织的电活动及大脑的功能状态，脑的简单活动反应在头皮上的电位活动就是EEG轨迹 5 。所以理论上，人的意图通过脑电应该可以被探测识别出来。BCI的前驱曾经指出“在理论上,脑的感觉、运动及认知意识在自发EEG中应该是可辨识的”，,因此EEG成为BCI商量的首选工具。BCI技术就是要通过识别这种意图，将之表达为对外部设备的直接掌握。由于脑电信号的本质还未知,难以确定一种特定的信号识别方法。假设脑电信号是线性的，那么大多数BC I使用的线性识别方法足以应用。反之，则线性识别算法对于盼望被识别的信号可能是最糟糕的描述。但无论何种情况，BCI技术的首要任务就是从EE
9、G中识别出人的主观操作意识,并将之表达为对外部设备的直接掌握。3.1脑机接口商量中所使用的脑神经信号 P300 (诱发电位)P300是一种大事相关电位(ERP)，在时间相关刺激300400ms后消失的正电位，主要位于中央皮层区域，其峰值大约消失在时间发生后300ms,相关大事发生的概率越小，所引起的P300越显著。基于P300的BCI的优点是P300属于内部相应,使用者无需通过训练就可产生P300 6 。 视觉诱发电位(诱发电位)视觉诱发电位是指从视觉通路的不同水平区域记录的不同生物电反应,其诱发刺激可以是荧光、闪光刺激。视觉诱发电位又可以分成短时视觉诱发电位和稳态视觉诱发电位两种。 时间相关
10、同步或时间相关去同步电位(自发脑电)单边的肢体运动或想象运动，大脑同侧产生大事相关同步电位( ERS) ，大脑对侧产生时间相关去同步电位( ERD)。ERS、ERD是与运动相关的,主要位于感觉运动皮层。 皮层慢电位(自发脑电)皮层慢电位也称慢波电位( Slow Cortical Poten2tials, SCPs) ,是皮层电位的变化,是脑电信号中从300 ms持续到几秒钟的大的负电位或正电位,能反应皮层和层的兴奋性,个人可以通过生物反馈训练产生这种电位 7 。 自发脑电信号(自发脑电)在不同的知觉意识下，人们脑电中的不同节律呈现出各异的活动状态。这些节律是受不同动作或思想的影响。依据所在频段
11、的不同分类，一般接受希腊字母(、)来表示不同的自发EEG信号节律。比如节律在813 Hz频段,而节律则在1322 Hz频段。接受以上几种脑电信号作为BC I输入信号，具有各自的特点和局限。P300和视觉诱发电位都属于诱发电位，不需要进行训练,其信号检测和处理方法较简洁且正确率高。不足之处是需要额外的刺激装置供应刺激，并且依靠于人的某种知觉(如视觉) 。其它几类信号的优点是可以不依靠外部刺激就可以产生,但需要大量的特别训练。3. 2 特征提取和转换方法特征提取涉及如何从EEG中提取少量的有用的信息，分别利用这些信息进行不同脑状态的区分。常用的特征提取的算法如:：FFT ( Fast Fourie
12、r Transform Algorithm)、相关性分析、AR (Auto Regression)、参数估量、CSP ( Common Spatial Patterns)、Butter2worth低通滤波、遗传算法等。算法的选择与所利用的信号特征及电极位置有关。信号处理的目标是最终从信号中识别出使用者的意图并执行，系统的首要任务就是最大化。信噪比，尤其是当噪声和信号极为相像的时候就显得更为重要。提高信噪比的技术有很多，简略有空间准时间滤波方法、信号平均以及单次识别方法。BCI转换算法把信号特征(如节律幅值或神经元放电率)转换为简略的掌握命令。四、脑机接口的商量进展近些年来，脑机接口技术得到了飞
13、速进展。1995年不到6个商量小组，到1999 年商量小组的数量已超过了20个，现在世界各地有近百个商量小组。1999年，2000年和2006年3次脑机接口国际会议的召开为脑机接口的进展推波助澜。下面是近些年一些较有影响的脑机接口小组商量成果：奥地利 Graz 高校：Pfurtscheller 等进行了一系列基于ERD的脑机接口系统商量，并实现了Graz I 和GrazII 两个代表性的脑机接口系统。目前商量的重点是时域内两种不同的想象运动的分类问题。德国 Tubingen 高校：wolpaw 等7设计了一个名为思想翻译器的装置，通过慢皮质电位的变化来实现对外界的掌握，使用视觉反馈，实现了字母
14、拼写等功能。美国 Wadsworth 中心：Wadsworth 中心始终商量如何用从运动感觉皮质测得的脑电信号掌握指针的一维或二维运动。另外，为了便于比较和评估，他们研制BCI-2000通用系统，该系统已在世界上200多个实验室中使用7。中国清华高校：高上凯等人深化分析了稳态视觉诱发电位（SSVEP）的特征和提取方法，设计了具有高传输速率的基于稳态视觉诱发电位的脑机接口系统，可用于残疾人的动作掌握或环境设备掌握等领域。五、脑机接口存在的问题及应用前景5.1 脑机接口存在的问题BCI是一门新兴的商量领域，涉及计算机科学、神经科学、心理认知科学、生物医学工程、数学、信号处理、临床医学、自动掌握等多
15、个领域，仍有大量的问题尚待解决,目前主要存在以下问题：1) 信号处理和信息转换速度慢。目前，BCI系统的最大信息转换速度可达68 bit /min，此速度与正常沟通时所需的速度相差甚远9。2) 信号识别精度低。目前，基于自发脑电的BCI系统，对运动想象脑电信号进行的商量，2类思维任务的识别率约为90%10，3类任务得到其识别率在80%左右11。对4类运动得到的识别率仅有70%左右12。掌握指令多时，识别率低的问题使得BCI系统在实际应用中受到了严峻的限制。3) 信号采集和处理方法需改进。脑电信号采集过程中，夹杂着不少干扰成分，如肌信号干扰等13，因此设计抗干扰能力强的脑电信号采集设备等问题有待
16、解决; 如何改善信号处理方法使之系统化、通用化，从而快速、精确、有效地设计出有用BCI 系统的问题也有待商量。4) 自适应性较差。自适应性包括随时间和空间变化的自适应性和随自身变化的自适应性14。目前，BCI 的自适应性还比较差。5) 缺乏能对BCI 系统的性能进行科学评价的评价标准。总之，作为一种新兴的、简单的、涉及多学科的通信技术，BCI 的进展还很不完善，存在的问题还很多，有待于科研工作者们下大气力商量解决。5.2 脑机接口机器人的应用前景脑机接口机器人接受BCI进行人机交互，由人的思维掌握机器人从事各种工作。脑机接口机器人不仅在残疾人康复、老年人护理方面具有显著的优势，而且在军事、人工智能、娱乐等方面也具有宽阔的应用前景15。1. 在医学方面的应用
