信看过X-MAN(X战警)的人对里面的大光头都印象深刻吧?
不是这货!是我老帅老帅的X教授!
作为X战警中的灵魂人物,相信很多人对X教授脑袋上的装置一定印象深刻。轻松连接大网络,直接神游天外,想想都激动的不得了。要是能再像阿凡达一样,通过意识控制机械身体或者部分机体就更加科幻了!如果将其用在身有残疾的残障人士身上,那不就更加方便了么!简直是医学的一大进步!
然而,这个技术可能真的要从电影荧幕走到生活中了!关键就是——脑机接口。
Nature杂志发表了加州大学旧金山分校神经外科华裔教授Edward Chang及同事的一项最新成果,这是一种开发的一种通过解码与人类下颌、喉头、嘴唇和舌头动作相关的脑信号,并合成受试者想要表达的语音的解码器。随着这一文章的发表,我们离科幻作品中所描述的“机械人”、“合成人”等概念又近了一步。
正如名字中所透露的,脑机接口(Brain-Computer Interface, BCI)技术是一种连接大脑和外部设备的实时通信系统,它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。[1] 它形成于20世纪70年代[2],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。
注:马斯克对人工智能持悲观态度,认为人工智能只是一个过渡阶段,充分融合人工智能的人类智能才是智能的更高级形态,并于2017年3月成立脑机接口公司Neuralink,致力于用侵入式的方式获取大脑信息
现阶段BCI旨在服务于残疾人神经功能辅助和康复方面。患者失去了通过神经系统控制肢体完成相关动作的能力,利用BCI可直接将他们的想法传输到计算机进行解析,可以达到辅助患者完成生活中的基本需求的目的[3]。或以解放双手为目的,追求实现不依赖人手的、非接触式的字符输入方式。以此为基石,我们将能实现以往科幻作品中所设想的种种可能,例如远程操作机器人、替换身体零部件等等。
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。信号检测现在有电极内置式和电极外置式两种基本形式[4]。电极内置式脑电波检测仅用于动物实验,在此仅讨论电极外置式BCI系统。信号分析和转换算法是BCI系统最为重要的研究内容。在这一过程中,如何筛选输入信号中的有用信息、如何对所输入的信号去除杂音、优化表达以及通过何种转换算法将其转换成控制信号或命令等是领域内的难点。
可以看到,该领域内的专利持有人以大学和研究机构为主,说明该技术领域发展新颖,离实现市场化尚有一定距离。但这并未掩盖巨大该领域商业价值,相关数据分析市场估值在$39,427,400到$22,134,200之间,但实际上可能远不止如此。
首先我们需要了解的是,由于技术所限,现阶段对脑补信号的收集多采用电极帽,通过对受试者施以合适的感官刺激,例如视觉或听觉等,测量其脑部电波信号变化,收集数据进行解析进行后续操作。现有技术多采用闪烁字符对用户进行视觉刺激,通过检测用户脑补信号峰值进而推断出目标字符的位置坐标。预期用户响应正确的情况下,在目标闪烁后越300ms左右可观察到P300正波峰值,由此反推300ms前用户所关注的目标。或通过稳态视觉诱发电位(SSVEP)字符输入定频闪烁的刺激界面,在刺激过程中,用户注视特定字符模块,通过观察用户头部枕区EEG信号所产生的与刺激频率相对应的SSVEP脑电电位,反推出视觉刺激的频率,进而确定用户所注视的目标字符。
在此我们选取以下三种技术改良方向进行介绍。
1.多种技术组合
有些技术改良将多种测量技术和手段结合在一起,取长补短,多维采集数据或多维分析数据,由此得到更为立体或更为精确的数据分析和操作。
例如CN102609090A中的采用脑电时频成分双重定位范式的快速字符输入方法,其步骤包括在进入字符输入阶段后,同时施加时域和频域的视觉刺激,在用户关注目标字符的同时,对实时采集的头皮脑电图(EEG)信号按时频成分SSVEP和P300将信道分成两组分别进行信号处理。由于该发明同时施加时间和频率的视觉刺激你,并将信号分开处理,因此能够提高目标识别准确率和字符输入速度。同时该发明设计了针对EEG信号频域成分与刺激频率相关性系数的门限值,这意味着系统可以判断出你什么时候在输入字符,什么时候是无意识的看字符。在这样的优化下,大多数用户在不经过大量训练的情况下即可达到较高的字符输入准确率。
CN103150023A同样将SSVEP和P300结合使用,提供一种基于脑机接口的光标控制系统及方法,但其不同之处在于将P300诱发电位刺激和SSVEP诱发电位视觉刺激以界面显示方式提供给使用者,屏幕左侧和右侧为SSVEP刺激,屏幕上方和下方为P300刺激,分别代表垂直方向和水平方向,进行光标控制。
CN103699226A则认为单一范式的BCI系统不足以支持用户完成日常生活中某一特定的任务和动作,现有的脑机接口设备利用单一类型的脑电信号操纵人机接口,导致应用范围较窄,公开了一种基于多信息融合的三模态串行脑机接口方法。其在处理数据时,依照顺序首先进入光标移动状态的判断,截取前2秒的脑电数据进行典型相关分析及咬合操作的判断。换言之,用户在使用该发明时不仅需要用自己的眼睛,同时还需要进行咬合动作,系统通过咬合动作持续的时间长短对信号输出进行识别。
CN104965584A选择将常见的SSVEP与缺省刺激电位(OSP)组合。OSP是重复性感官刺激的停止可以引起头皮电位的一系列模式特征,可以在视觉、听觉及感受领域中被找到。其中,快“OSP”只需要受试者对刺激进行盯视,不需要提供注意力。基于SSVEP与OSP的混合脑机接口方法,受试者穿戴好电极帽,将SSVEP-OSP混合范式通过计算机屏幕在受试者面前播放,通过采集系统将受试者盯视刺激目标时产生的脑电信号,经脑电采集仪放大、滤波及模数转换后,用电脑对数据进行相关分析后及时将识别结果显示在屏幕上以反馈给受试者,然后进行下一次识别。
2.改良数据采集
CN102184019A是一种基于隐性注意的视听联合刺激脑机接口方法。隐性注意(covert attention)是目前脑机接口领域较为前沿的一种刺激模式,区别于传统的视觉刺激模式,即现行注意(overt attention),隐性注意不需要眼球的移动,通过注视特定刺激界面的固定点,利用潜意识“关注”目标的闪烁情况,当所关注的目标闪烁时即可诱发P300脑电特征信号。对于特殊残障人士,听觉刺激诱发模式提供了一种与外界交流的通道,声音中的频率特征和空间方位信息已经被广泛认为是最能够区别不同声音的有效成分。该发明的刺激界面是八个填充有不同颜色的圆圈以顺时针的方向位于中心十字的周围,声音刺激则采用二维方式,空间信息从左到右依次为左耳、双耳和右耳,频率特征则从上到下依次分布为1000Hz、500Hz和100Hz。对于八个圆中的任意一个圆,仅有一种颜色、声音刺激与之对应,八个圆圈随机闪烁,每次闪烁时间为200ms,间隔100ms。使用者在使用系统过程中,双眼需要始终注视刺激界面中间十字,根据操作人员的提示,利用隐性注意 “关注”目标。
该发明使用过程中不需要受试者进行眼部的运动,避免了由于某些疾病引起的不能利用视觉系统进行交流沟通的患者无法使用脑机接口的情况。但该发明自己也标注在进一步研究后可得到较为完善的脑机接口,然后有望投入市场获取社会和经济效益。
3.改良数据输出
CN103845137A中的发明名称为基于稳态视觉诱发脑机接口的机器人控制方法,其首先将实际采集得到的脑电信号通过带通滤波进行预处理,分析得到独立成分,然后用希尔伯特黄变换(HHT)对独立成分分解获得模态函数,最后进行频谱分析得到所需特征,将特征分类结果翻译成机器人能识别的信号,从而实现对机器人的实时控制。与现有技术相比,该发明具有传输率高、设备装置简单等优点,而且不需要做太多的训练工作,同时由于在特征提取过程中结合了独立成分分析(ICA)和希尔伯特黄变换,使特征提取更有效。在经过简单的训练后,重症瘫痪但脑功能正常的残疾人将可以控制机器人辅助他们进行日常生活。
CN104083258A中公开了一种基于脑机接口与自动驾驶技术的智能轮椅控制方法。其通过网络摄像头获取当前图片对障碍物实现定位,用户通过脑机接口选择目的地,系统将结合航迹点规划最优路径,计算轮椅当前位置于最优路径的位置差作为PID路径跟踪算法的反馈,并将里程数据转化为当前的角速度和线速度信息作为PID运动控制器的反馈,实时控制轮椅行驶至目的地。该发明通过引入自动驾驶精确的控制能力对不稳定的脑部信号进行了补足,利用传感器充分感知障碍物信息并自动导航,用户可以基于运动想象或者P300的脑机接口选择一个目的地。在轮椅行驶至目的地的过程中,用户能通过脑机接口发送停止命令。在整个操作过程中,用户的精神负担极大程度地被减轻。
CN101968715A的发明则让人想起应用于电脑或手机上的眼球追踪技术,眼球追踪技术使用户无需触摸屏幕即可反动页面,而该发明公开了一种基于脑机接口鼠标控制的网页浏览方法,基于运动想象和P300脑电电位控制鼠标在界面内移动至目标区域,并可切换为文本输入界面,具有控制速度快、精度高、效果好、工作稳定且可实现连续控制的优点。
看完以上的专利分析,大家是否会感到失望呢?人脑信号的复杂程度使得其识别和处理变得极为困难,想达到像科幻作品中描述的“身随心动”显然还有很多的工作要做。但我们也应该看到的是,脑机接口技术在短短数十年间发展迅速。2017年,Facebook宣布“意念打字”项目,希望未来能通弄过脑电波每分钟打100个字。人机共生的未来也许离我们没有想象中遥远。
责任编辑:Dr发明家(微信公众号同,求加~~)
Dr发明家,垂直医药领域“创意-发明-转化”的一站式服务平台
[1] P R Kennedy, K D Adams. A decision tree for brain-computer interface devices[J]. IEEE Transaction on Neural Systems and Rehabilitation Engineering, 2003, 11(2): 148-150.
[2] J R Wolpaw, N Birbaumer, D J McFarland. Brain-Computer interface for communication and control[J]. Clinical Neurophysiology, 2002, 113 (6): 767-791.
[3] Allision B, Graimann B, Graser A. Why use a BCI if you are healthy[C]. ACE Workshop-Brain-Computer Interfaces and Games, 2007: 7-11.
[4] D R Kipke, R J Vetter, J C Williams. Silicon-substrate intracortical microelectrode arrays for long-term recording of neuronal spike activity in cerebral cortex[J]. IEEE Transaction on Neural Systems and Rehabilitation Engineering, 2003, 11(2): 151-154.