论文笔记：Brain–machine interfaces: past, present and future

Brain–machine interfaces: past, present and future

论文链接

这篇论文主要是对于脑机接口技术的一个综述，发表于2006年，可以大概了解这一领域的发展历程

摘要

自从研究者证明了大脑皮层的神经元集群产生的电信号能够直接用于控制机械臂之后，脑机接口（BMIs）相关的研究就得到了显著的增长。

脑机接口的研究，无论是实验性质的还是临床的，其目标都是将原始的神经信号转换为对机械臂或者人造制动器的运动指令，从而达到帮助瘫痪病人恢复肢体运动的效果。

然而，在达到这个目标之前，还有很多难题需要解决：
1、设计一种完全可移植的，生物相容的信号记录设备
2、开发一种实时更新的计算机算法
3、设计一种从执行器向大脑提供感觉反馈的方法
4、设计并制造一种人工假体，能够受脑信号直接控制

通过解决这些难题，未来脑机接口就能自由控制假体就像人真实的手臂一样。

介绍

1、非侵入式脑机接口

非侵入式脑机系统利用了脑电图（electroencephalograms，EEGs）去控制电脑光标或者其他设备。这种方法被证明能够有效地帮助瘫痪病人提升与外界世界交流的能力。

然而，基于EEG的技术提供的能力是有限的，尽管其非侵入式的特点在安全性上有很大的保障。其转化率还不足以用于控制拥有高自由度的假肢或者机械臂。但在过去和现在的研究中表明，基于EEG的BMIs在未来可以继续提供一些实际的解决方案，如光标控制、沟通交流、电脑操作以及轮椅控制等。

一般来说，基于EEG的脑机接口尝试去通过测量大量神经元的组合电活动来解析目标主体的自发意图和决定。由于不同的大脑皮层区域产生的电活动存在一定的重叠，这就导致了EEG的时间和空间分辨率变得相对受限。此外，由于EEG信号的低通滤波，这些信号经过了脑组织、骨骼和皮肤的传导之后，分辨率也会损失。EEG也容易受到肌电图(EMG)、眼电图(EOG)和机械装置的影响。

尽管EEG有这么多的缺点，这种技术仍然能检测大脑活动的调节，比如与视觉刺激、注视角度、自发意图和认知状态相关的调节。这些特性也导致了多种基于EEG的系统的开发。其中一种系统利用了视觉诱发电位（VEPs），它检测到受试者在电脑屏幕上观看特定物品或注意到这些物品时出现的VEPs。基于P300诱发电位的BCIs通过区分顶叶皮层对偏好刺激和非偏好刺激的反应来揭示受试者的选择。

一般需要训练几天去操作一个基于EEG的脑机接口系统。视觉反馈是这些训练中至关重要的一环。一些脑机接口通过受试者自身的生物反馈来提升对自己大脑活动的控制能力，而另一些则利用分类算法来识别与特定自发意图相关的脑电图模式。最近，已经实现了在训练过程中不断更新分类器参数的自适应算法。

为了提升脑电位的分辨率，皮质脑电图（ECoGs）使用了更加侵入式的记录方式，使用了植入硬膜下的电极记录信号。与常规脑电图相比，ECoGs从更小的皮层区域采集神经元活动样本。因此，基于ECoGs的BCIs比基于EEGs的BCIs具有更好的准确性和更短的训练时间。

基于mu节律和beta节律的BCIs也在严重瘫痪的患者中进行了测试。一项研究报告称，一名四肢瘫痪的病人，在脑电接口(BCI)的帮助下，能够用他瘫痪的手来抓东西。脑电接口检测到他感觉运动皮层中的beta波，并激活一个功能性电刺激装置。另外，四肢瘫痪患者能够通过基于P300诱发电位的BCI获得一定程度的控制能力。有分析显示，P300电位可用于获取肌萎缩侧索硬化症患者刺激选择的信息。

除了使用脑电图，例如如功能磁共振成像(fMRI)的图像技术也开始被挖掘成为脑信号的新来源来驱动脑机接口发展，虽然基于fMRI的BCIs不适合日常使用，且存在几秒钟的时间延迟，但它们具有良好的空间分辨率，最重要的是，可以对大脑深部结构的活动进行采样。

肌电信号系统利用部分瘫痪患者和截肢患者未受影响肌肉的自发活动，并利用这些信号来控制假肢和外骨骼，是现有非侵入式BCIs的一种替代方案。目前，这些系统比基于脑电图的BCIs在日常情况下更实用。

总的来说，严重和轻度的瘫痪病人可以通过基于EEG的系统来获取一定的交流和运动能力，但是这种能力是很有限的。目前也没有研究表明，这种能力可以在短期内得到显著提升。即便如此，这也不影响其在临床上的应用。如帮助病人恢复拼写能力。但是，如果脑机接口的目标是通过人工假肢来恢复高自由度的运动，这就必须要大脑的高分辨率信号，且可以通过侵入式的方法来实现。

2、侵入式脑机接口

侵入式脑机接口方法是基于单个神经元集群（或者多个神经元的活动）的信号记录的技术。其过程为移除一部分颅骨，在大脑中植入电极，再放回颅骨。

在过去的三年里，大多数发表的关于BMIs的研究都是在恒河猴身上进行的。这种脑机接口方法依赖于长期记录的大规模神经元活动（100–400 units）。有几个重要的不同来区分不同的侵入式的BMIs：
1、皮层植入物的数量
2、植入皮层的位置
3、记录的神经信号的类型（局部场电位 || 单个单元或多单元信号）
4、神经样本的大小

除了杜克大学使用的BMIs之外，其余所有在猴子身上测试的BMIs系统都依赖于单个皮层部位的记录：局部场电位或者神经元或多单元神经元的小样本。这些小样本BMIs大多使用的是初级运动皮层中记录的神经信号。尽管有一组研究关注BMIs处理后顶叶皮层中记录的神经信号。杜克大学实施了一项BMI策略，基于帕金森病人手术中放置的深脑刺激器所记录的单个单元记录。

3、BMI操作的原则

侵入式脑机接口系统依赖于人体大脑皮层和皮层下神经元能够对运动活动进行调节的生理特性。Evarts在40年前首次记录的研究表明，这种调节变化幅度非常大，无论是神经元与神经元之间还是实验与实验之间。即便是在执行一个特定的动作时，相邻的神经元可能会表现出高度不同的放电调节模式，而在执行同样的动作时，单个神经元在不同实验中的放电也会有很大差异。

然而，如果对大量实验进行平均后，就能得到相当一致的放电模式。同理，对大量的神经元进行平均也可以显著降低单个神经元信号的可变性。

从神经元群的放电模式中提取运动控制信号，并使用这些控制信号在人工执行器中复制运动行为，是临床可行的BMI应该完美执行的两个关键操作。为了让患者能够完全接受，BMI设备需要让患者感觉像是自己的手臂一样运作。最近的研究发现这项任务需要创造条件让大脑经历一个经验依赖的可塑性过程并将人工假肢同化成自己身体的一部分一样。然而，一种更有效的同化假肢的方法是使用多个人工反馈信号，这些信号来源于放置在 假肢上的压力和位置传感器。这些反馈信号将有效地训练大脑，使其将假肢的特性与皮层和皮层下区域神经元的调谐特性结合起来，这些神经元维持着受试者身体的表征。

4、未来BMI的发展路线

目前BMI想达到临床上可用、有效地恢复上肢活动能力，必须克服以下几个关键难题：
1、保持稳定，需要进行非常长期的大规模神经元信号的记录，这就需要开发新型生物相容的3维电极阵列，在植入时产生少量的组织损伤，并且在植入后产生最小的炎症反应，可产生数千个记录通道。
2、开发有效的算法，能够将神经活动高准确率地转换为控制信号来控制人工制动器
3、学习怎么样利用大脑的可塑性去合并假肢，这需要让人感觉像是自己的手臂一样
4、实现一种新型上肢假体，能够接受大脑控制信号并具有高自由度

这里讨论一些解决前三个主要挑战的潜在途径：

挑战一：大脑多个区域神经元活动的长期记录：
首先提出一个问题：一个BMI需要采样多少神经元才能产生有效的运动输出?

这个问题最早在几年前被提出，并引起了一系列的争论。一些人认为小规模的神经元记录能够在BMI上表现的更好，选定的高度调谐神经元群体确实可以准确地预测运动参数。然而，高度调谐的神经元几乎不会存在于一个典型的皮层神经元随机样本中。考虑到所有长期记录的神经元都是由神经元的随机取样产生的，指望这些神经元中大部分都被高度调整到特定的运动变量也是不现实的。此外，指望一个小的神经元样本能够表征很多感兴趣的变量是更不现实的。因此，最好记录大样本的神经元，至少能够选择足够数量的高度调谐神经元。

选择大规模样本神经元不仅仅是为了能选择到表现最好的神经元，还因为其预测的精确率和可靠性。因为运动信息似乎在大脑皮层中以一种高阶分布的方式呈现。

当前，长期植入的微波阵列在安全性、记录寿命和进行BMIs操作所需的神经元产出之间提供了最好的折衷方案，但要想真正作为一种长期的临床方案应用在人类身上，还有几个关键点需要解决：
1、必须妥善解决生物相容问题
2、必须实施利用无线头戴式装置放大神经信号的植入技术，以减少因使用连接大脑植入物与外部硬件的电缆而带来的感染风险

当前设计的微电极能够高质量地记录多个月的神经元信号，在某些情况下，这些记录可以持续数年。然而，记录质量经常会突然变差，可能是因为电极包裹物附近的纤维组织细胞死亡导致的。一些研究者提出在电极中包含神经营养介质，或者包裹促进神经生长的因子和各种抗炎化合物，可能是一种应对方法。但目前并不清楚这些方法是否有效。

解决生物相容性问题必须与开发新的3D电极基质同时进行，其目标应该是提高每个植入探针的神经元信号的平均产量。

最近，人们提出了许多关于如何改进神经记录的新想法。这些技术范围从陶瓷基多电极阵列到通过血管系统进入大脑的纳米探针。在后一种设计中，探针记录了神经元的活动而不损害脑实质。但毫无疑问，还需要更多的测试来确定这些想法中哪些是可行的。

挑战二：开发有效的算法，能够将神经活动高准确率地转换为控制信号来控制人工制动器：
目前，神经科学家还远远没有弄清楚运动和认知信息是如何被形成大脑回路的神经元群体处理的。但实际上，大脑回路所进行的具体的计算方式对于建立临床相关的BMIs并不是至关重要的，研究者提出了速率编码、时间编码和种群编码等一系列原则，并展开了各种实验范式以测试这些概念的有效性。皮质神经元放电和感兴趣的运动参数之间存在显然的相关性，BMI系统利用了这一点，并进行反向计算，从神经元放电模式中预测运动参数。一般来说，运动参数的预测并不意味着神经元活动和运动的产生之间的因果关系。神经元活动与运动之间的这种相关性被称为定向调谐，神经元活动与运动的运动学和动力学参数之间的相关性也已被描述。

尽管已经提出了大量的线性和非线性算法来将神经元活动转换为命令到人工执行器，但在许多实际的BMI设计中，相对简单的多元线性回归模型会更为有效。

在这些模型中，预测的运动参数是由过去不同时间点测量的神经元放电率的加权总和得出的。模型中的回归器数目和用于预测的时间窗可以针对每一个具体的BMI应用进行优化。

在几个独立的线性模型并行运行的研究中发现，一些运动参数，如手臂位置、速度、加速度和手握力，可以通过对同一原始神经元池的活动进行单独组合来同时预测。这一发现支持了多个运动参数是由重叠的神经元集合处理的观点。由此可以得出，单个皮层神经元活动可以同时用于多种预测。

未来临床中的BMIs中所提取的运动参数的选择将取决于这些应用的主要康复或治疗目标。例如在一个目标抓取的BMI实验中，对手的速度和握力进行了预测，这些速度与握力参数与装有钳子的机械臂的特征一致。未来的临床应用还可能利用BMIs预测肌电信号，与预测运动参数相比，这种预测肌电信号方法的好处是，可以用单个肌肉信号来控制仿生装置，从而扩大了执行器的刚性范围。就是说能够操纵具有不同物理特征的物体，这是未来一代假肢所需要的重要特性。预测肌电信号的BMIs的另一个有价值的未来应用是构建大脑-肌肉接口，直接刺激瘫痪患者的肌肉，从而通过患者自己的肌肉骨骼器官来恢复活动能力。这种BMIs很可能更容易被患者接受，特别是因为放大、传输和处理脑源控制信号所需的硬件，以及由这些神经信号驱动的肌肉刺激器能完全包裹在病人体内。

早期的BMI设计侧重于从神经元活动中解码运动参数。最近，有研究者认为BMIs可以直接解码认知信号，例如，解码在移动执行前的延迟期间预期到达的方向。虽然这个想法很有吸引力，但仅仅基于认知信号的BMI不能持续地控制运动参数。相反，它解码运动的高阶特征，如到达方向或被抓取物体的特征，并将执行动作的低阶细节委托给执行器控制器。

在未来，利用运动相关的变量的高阶神经元表征的BMIs也将出现，这些BMIs可能会从运动序列的表征、连续参考帧、潜在的运动目标以及同时对多个空间变量进行编码，如运动方向、选择性空间注意力方向和凝视角度。利用这些广泛的信息将使BMIs对假肢的控制更加灵活。

我们也相信未来的BMIs将利用关于神经回路如何编码时间运动特征的新见解，最近的研究表明，大脑中可能存在一种相当分布式的时间信息表征。当猴子执行自动计时按钮按下时，从初级运动和前运动皮层整体获得的记录能够预测猴子按下按钮后所经过的时间以及按钮被释放的时间。因为任何运动行为都有其时间结构,因为运动执行的过程实际上包含了准备运动时的静止时间，BMI行为时间进行解码能够在等待时间抑制运动执行器并在适当的时间释放执行器。

挑战三：学习怎么样利用大脑的可塑性去合并假肢：
通过BMI来控制一个人造执行器有点像去操作一个工具来完成相关动作。这种能力是只有高级灵长类动物才具有的能力，如黑猩猩和人类。

有研究表明，长期使用由大脑活动直接控制的人工执行器可能会导致大量的皮层和皮层下神经元重塑。因此，这个过程可能会产生更加真实的知觉，即人工执行器成为身体的一部分，而不仅仅是一个工具。

而最令人震惊的是，有实验观察到老鼠和灵长类动物学会直接通过BMI来操控执行器，而不需要使用他们自己的手臂。在这些实验中，解码算法最开始只是用于从神经元群体活动来训练预测动物肢体移动。值得注意的是，在这些动物开始直接用神经活动来控制执行器的时候，他们的肢体最终停止了移动。对这一发现的最简单的解释是，大脑能够经历一个对执行器逐渐同化的过程，这种同化过程是建立一个跟大脑对身体一样的映射。然而，调节这种可塑性的神经机制还远未被理解。

对BMI操作进行训练的过程中，神经元放电率变化幅度会增加，而随着BMI控制质量的提高，这种神经元放电变化幅度的增加会逐渐消退，这个过程可以用神经元放电模式的可塑性变化来解释，通过不断的训练，使得人工执行器在神经元空间中得到生理性结合。

挑战四：实现一种新型上肢假体，能够接受大脑控制信号并具有高自由度：
周围的触觉和本体感觉有助于一个人四肢的正常运作和正常知觉，他们是身体的一部分。为了让假体成为受试者身体的一部分，它必须配备各种传感器，这些传感器可以向受试者的大脑提供多种渠道的“感觉”信息。在目前的BMI设计中，受试动物通过视觉反馈从执行器接收感官信息。在没有视觉反馈的情况下，运动参数的预测稳定性会明显变差。

奇怪的是，在BMI研究中，利用触觉和本体感觉反馈的研究领域还未被深入探索。之前的研究表明，猴子能够感知微刺激模式，并利用它们来指导自己的行为反应。在最近的一项长期研究中，猴子能够通过解码施加在它们手臂上的振动刺激来指导它们的伸展运动。接下来，通过植入初级躯体感觉皮层的电极，采用相匹配的微刺激代替振动刺激。猴子仍然能够正确地解释皮层微刺激所提供的指令，而在这种方式下，它们能表现出比当振动刺激应用于它们的皮肤时更高的水平。这些结果表明，皮质微刺激可能成为一种新的有效方式来传递假体的信息反馈，并可能有助于开发全新一代假体装置。

5、结束语

我们希望在未来10-20年后能够出现一个完全植入式的记录系统能够无线传输来自成千上万神经元的多源电信号，能够解码运动和间歇期的时空特征以及预期行为的认知特征的BMI。这个BMI将结合高阶运动指令(来自皮层和皮层下神经元活动)和外围低阶控制信号(来自人造的“反射式”控制回路)。这种共享控制的BMI操作模式，用于控制一个高自由度的执行器，或通过植入式刺激器直接刺激多个周围神经和肌肉。

这种高精度检测的人工执行器，包含一系列的触觉和位置传感器，将产生多种感觉反馈信号流，可以直接通过多通道、时间空间混合的微刺激模式传送到受试人的大脑皮层和/或皮层下体感区域。这种闭环的、混合的BMIs将使许多患者更接近于实现恢复大量运动功能的梦想。