脑机接口技术在医疗健康领域应用白皮书.pdf

脑机接口技术在医疗健康领域应用白皮书脑机接口技术在医疗健康领域应用白皮书（2021 年）中国人工智能产业发展联盟2021 年 7 月I前 言随着人工智能技术的发展，机器智能得到了飞速的提升，但仍与人脑所具备的自主意识和思考创新能力有着很大的差距。另一方面，随着脑科学的深入研究，人们对人类智能的认知与神经科学基础有了更好的理解，这可以启发并进一步提升机器的智能。人工智能和脑科学的交叉融合发展为机器智能与人类智能的融合提供了可能。因此，在可预见的未来，人类智能与机器智能将逐步融为一体，充分发挥机器的存储和运算能力，融合人脑的思维与创新能力，以推动人工智能达到一个更高的层次脑机智能融合。实现脑机智能融合的关键技术环节之一是实现人脑与机器之间的信息交互，即脑机接口（Brain-computerinterface,BCI）技术。脑机接口在大脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道，从而实现大脑与外部设备的直接交互。该技术能够在人（或其他动物）脑与外部环境之间建立沟通以达到控制设备的目的，进而起到监测、替代、改善/恢复、增强、补充的作用。近年来，世界各国逐渐重视脑科学研究，相继启动各自的脑科学相关科技规划，全球范围内大量投入对脑科学研究，这些能够极大地增进人类对大脑如何工作以及如何治疗脑部疾病的理解。脑机接口是脑科学和类脑智能研究的重要方向，已上升为国家的科技战略重点或力推的核心科技发展领域。随着神经科学、生物兼容性材料、传感器、大数据和人工智能等技术的进步，以及以 Neuralink 等创新技术投资公司为代表的全新研究力量的加入，脑机接口技术进入了快速发展阶段，在信号获取和处理、解码算法和系统实现等关键技术领域取得了很多突破性进展。白皮书通过以下章节从技术和政策层面分析并总结脑机接口关键技术、脑机接口政策分析、脑机接口在医疗健康领域的典型应用场景、优秀应用案例（详见附录一）。在此基础上，分析脑机接口产业发展现状和面临的挑战，并给出II发展建议。白皮书旨在为我国脑机接口技术和产业发展提供参考和引导，共同推动产业合作，推动行业健康快速发展。希望通过此白皮书提供有价值的分析和总结，为脑机接口技术工作者提供参考，也可以作为相关产品和服务提供商的参考依据。由于时间仓促，水平所限，我们的工作还有不足之处。下一步，我们还将广泛采纳各方面的建议，进一步深入相关研究，持续完善白皮书内容，在已有版本的基础上，适时修订发布新版。我们诚邀各界专家学者参与我们的研究工作，积极献言献策，为促进脑机接口产业发展做出积极贡献。如您有意愿，请联系我们：lijingwen 。本白皮书版权属于中国人工智能产业发展联盟，并受法律保护。转载、摘编或利用其它方式使用本白皮书文字或者观点的，应注明“来源：中国人工智能产业发展联盟”。III编制说明牵头编写单位：牵头编写单位：中国信息通信研究院参与编写单位：参与编写单位：清华大学、天津大学、复旦大学、首都医科大学附属北京天坛医院、首都医科大学宣武医院、昆明理工大学、博睿康科技（常州）股份有限公司、中国科学院半导体研究所、中国医学科学院生物医学工程研究所、北京邮电大学、浙江强脑科技有限公司、中电云脑(天津)科技有限公司、科斗（苏州）脑机科技有限公司、腾讯云计算（北京）有限责任公司编写组成员：编写组成员：中国信息通信研究院：闵栋、李静雯、王秀梅、徐贵宝、李曼清华大学：高小榕、洪波、张丹天津大学：明东、许敏鹏、刘爽复旦大学：王守岩首都医科大学附属北京天坛医院：何江弘、赵元立首都医科大学宣武医院：赵国光、唐毅、王长明昆明理工大学：伏云发、田贵鑫、罗建功、丁鹏博睿康科技（常州）股份有限公司：胥红来、黄肖山、刘涛、李佳斌中国科学院半导体研究所：王毅军中国医学科学院生物医学工程研究所：陈小刚北京邮电大学：杨晨浙江强脑科技有限公司：韩璧丞、范芳芳中电云脑(天津)科技有限公司：程龙龙、袁丁、苏雪寒科斗（苏州）脑机科技有限公司：杨全威腾讯云计算（北京）有限责任公司：黄超IV目 录前 言.I编制说明.III目 录.IV图表目录.VI1脑机接口技术概述.11.1 技术背景.11.2 发展历史.61.3 技术介绍.101.3.1 脑机接口原理与系统构成.101.3.2 脑机接口技术的分类.151.3.3 脑机接口技术的应用方向.212脑机接口政策分析.242.1 美国脑计划中的脑机接口研究规划.242.2 欧盟脑计划中的脑机接口研究规划.262.3 日本脑计划中的脑机接口研究规划.272.4 韩国脑计划中的脑机接口研究规划.272.5 澳大利亚脑计划中的脑机接口研究规划.282.6 中国脑计划中的脑机接口研究规划.282.7 脑机接口其他相关政策.303脑机接口技术在医疗健康领域的应用场景分析.313.1 脑机接口技术在肢体运动障碍诊疗中的应用.313.2 脑机接口技术在意识与认知障碍诊疗中的应用.333.3 脑机接口技术在精神疾病诊疗中的应用.353.4 脑机接口技术在感觉缺陷诊疗中的应用.363.5 脑机接口技术在癫痫和神经发育障碍诊疗中的应用.374脑机接口技术的发展与挑战.404.1 脑机接口技术的产业环境分析.404.2 脑机接口技术的产业现状.414.3 脑机接口技术和产业的挑战和发展建议.494.3.1 脑机接口技术和产业的挑战.494.3.2 我国脑机接口产业的发展建议.505结束语.53参考文献.54附录一：脑机接口技术优秀应用案例.57一.国产自主研发脑机接口系统优秀案例.57V案例一：博睿康面向脑机接口应用的国产高性能脑电采集系统.57案例二：清华大学微创植入闭环脑机接口系统.59案例三：中电云脑无创脑机接口采集专用芯片.60二.脑机接口技术在医疗健康领域的优秀应用案例.61案例一：天津大学“神工一号”人工神经康复机器人.61案例二：宣武医院“重拾行走计划”.64案例三：天坛医院应用脑机接口技术检出意识障碍患者的大脑隐匿意识.66案例四：天津大学等人工耳蜗儿童听觉康复客观评估技术.68案例五：昆明理工大学基于脑机交互的神经反馈促进创伤后应激障碍康复技术.69案例六：强脑科技孤独症儿童可穿戴脑电波康复系统.72VI图表目录图 1 传统或狭义的 BCI 系统示意图.1图 2 输入式 BCI 示意图.2图 3（a）脑机接口所利用的电生理信号的记录位置；（b）三种不同的检测大脑电活动方式.12图 4 脑机接口分类示意图.15图 5 不同脑信号采集技术的分辨率.17图 6 混合脑机接口类型示意图.20图 7 按年度划分的联邦 BRAIN 计划资金.25图 8 人类脑计划（HBP）时空多尺度和多模态的技术手段.26图 9 中国脑计划框架图.29图 10 高性能脑电采集系统.57图 11 高性能脑机接口应用示例.58图 12 微创植入闭环脑机接口系统（a）原理图（b）系统示意图.59图 13 脑机编解码集成芯片“脑语者”.61图 14 国产脑电采集芯片.61图 15“神工”系列人工神经康复机器人系统及原理.62图 16 典型患者经“神工”治疗前后字迹对比.63图 17 基于脑机接口的康复训练.65图 18 案例中病患使用脑机接口设备“实现交流.67图 19 CI 儿童脑电采集现场.68图 20 不同植入时间的 CI 儿童皮层激活状态.68图 21（a）基于脑机交互的多模态神经反馈促进 PTSD 患者康复的系统；（b）干预流程.70图 22 开心果儿童健脑系统产品（a）实景图;（b）原理图;（c）应用实例.73表 1 脑机接口技术国内外主要研究机构.42表 2 脑机接口主要芯片厂商.45表 3 脑机接口技术在医疗健康领域的主要应用产品.4511脑机接口技术概述1.11.1 技术背景技术背景随着脑机接口（Brain-computer interface,BCI）的发展，其内涵和外延也在不断丰富。传统或狭义的 BCI 是指利用中枢神经系统产生的信号，在不依赖外周神经或肌肉的条件下，把用户或被试的感知觉、表象、认知和思维等直接转化为动作，在大脑（含人与动物脑）与外部设备之间建立直接的交流和控制通道123，其目的主要是为疾病患者、残障人士和健康个体提供可选的与外部世界通信和控制的方式，以改善或进一步提高他们的生活质量45。这类 BCI系统主要由大脑向外部设备输出通信或控制指令（输出式 BCI），并把结果通过神经反馈给用户或被试形成闭环以调节其脑活动信号，从而提升脑机交互的性能，如图所示。图 1 传统或狭义的 BCI 系统示意图除此而外，还有另一类 BCI，主要由外部设备或机器绕过外周神经或肌肉系统直接向大脑输入电、磁、声和光的刺激等或神经反馈（输入式 BCI），以调控中枢神经活动，如深部脑刺激（Deep brain stimulation，DBS）、经颅磁刺2激（Transcranial Magnetic Stimulation，TMS）、经颅直流/交流电刺激（Transcranialdirect/alternating current stimulation，tDCS/tACS）和经颅超声刺激（Transcranialultrasound stimulation，TUS）等，如图所示。（a）（b）（c）图 2 输入式 BCI 示意图。（a）基于各种脑刺激的 BCI。该类 BCI 主要由外部设备或机器向大脑输入电、磁、声、光等刺激；（b）DBS 示意图；（c）基于非侵入式脑刺激或 DBS 的 BCI 设置以促进或调节长程皮层-皮层和皮层-皮层下连接可塑性示意图673广义的 BCI 包含上述狭义的输出式 BCI 和输入式 BCI，实际上，这两类 BCI均可以由神经反馈构成交互式的闭环系统（即交互式 BCI），主要看是以输出式为主还是以输入式为主，取决于所设计 BCI 的主要功效。随着 BCI 的深入发展，出现了 BCI 医学，特别是 BCI 的哥白尼革命：从环境控制到监测大脑变化7，这为人脑状态监测（如癫痫发作监测和疲劳监测等）与调控康复等多种功效的BCI 提供了新途径。不同类型的 BCI 有不同的应用，在本白皮书中不同的部分或场合会使用或侧重不同的 BCI 定义，不再特别声明，可根据具体内容理解。在脑机接口中，采集中枢神经信号以监测大脑活动的方法有多种，如脑电（Electroencephalogram,EEG）、功能近红外光谱（functional near-infraredspectroscopy，fNIRS）和功能磁共振成像（functional magnetic resonance imaging，fMRI）等，原则上均可作为脑机接口的输入信号。在这些监测大脑活动的方法中，脑电因无创、时间分辨率高、设备价格低廉等优点成为脑机接口研究采用最多的信号，也是最早作为脑机接口的输入信号。脑电研究可以追溯至上世纪二十年代，德国精神科医生 Hans Berger 博士首次证明了放置在大脑头皮的电极能够测量反映大脑活动的电流，“脑电图”的概念自此产生。尽管这是世界上第一次脑电记录，但由于当时用于测量和处理脑信号的必要技术以及对脑功能理解的局限性，并没有引起人们的足够重视。在之后近三十年时间里，随着脑电研究持续发展，神经生理学家积累了涵盖多种实验条件下的大量脑电数据。在二十世纪六十年代，随着计算机开始应用于生产和生活，使得处理大量的脑电数据成为可能。另一方面，随着对脑电信号理解的深入，开始出现了将大脑活动用作信息交流通道和信息载体的想法。Joseph Kamiya 在 1968 年指出脑电活动的特征（Kamiya 认为是 alpha 波）经过一些训练后有可能被人们所调节，开启了神经反馈领域的研究。但在这一时期，用脑电波控制设备仍被认为是纯粹的科幻小说。4到二十世纪七十年代，人们已对脑电有了较为深入的理解，认识到脑电的主要频率成分集中于 30 Hz 以下，并且特定的脑电节律（如 alpha 节律）会随大脑状态的变化而出现或消失。研究者进一步发现两个或多个电极上获取的脑电信号表现出不同的相关性，反映了大脑内部不同脑区神经元活动之间的协同关系。以上脑电频谱和相关性与各种脑状态、情绪和行为状态相关。研究者根据大脑对特定刺激是否有反应，把脑电信号分为自发脑电和诱发脑电，自发脑电是在安静的、没有特殊刺激条件下或者在连续恒定负荷的条件（如阅读状态）下稳定变化的脑电活动（非锁时的），表现为一种整体活动或背景活动；而诱发脑电（又称为诱发电位或事件相关电位）是大脑在外界特定刺激或主动思维（内部特定刺激）下产生的与每次刺激相应的变化（锁时的），这种变化通常淹埋在自发脑电中，具有潜伏期和波形相对恒定两个特点。刺激的特征与刺激“环境”（如受试者的注意力水平）、期望以及在实验背景下刺激的含义共同决定诱发电位的波形。正是基于上述理解，在美国国家科学基金会（National Science Foundation）和美国国防高级研究计划局（US Defense Advanced Research Projects Agency,DARPA）的先后资助下，加州大学洛杉矶分校的 Jacques J.Vidal 于 1973 年首次在科学文献中提出“脑机接口”这一专业术语，并提出了一个关键问题：能否将这些可观测的脑电信号用作人机通信中的信息载体或控制诸如假肢或宇宙飞船之类的外部设备？他推测“即使仅以当时计算机科学和神经生理学的现状为基础，也预示着这样的壮举可能即将来临”。1977 年，Jacques J.Vidal 在实验室搭建了一个基于视觉诱发电位的脑机接口系统，但在之后的相当长一段时间里，该领域的研究并未取得明显进展。在二十世纪七十年代，实现脑机接口技术是一项艰巨的任务，它需要神经生理学（以识别心理状态与外部信号中决策的关联性）、信号分析技术（从达到头皮的杂乱信号中识别相关的信息载体）、计5算机科学（在脑信号所限定的时间内开发合适的软件）等领域取得较大进展才能得以推动。近二十年来，神经科学研究已使人们对大脑有了更好的了解，并且信号处理算法和计算能力飞速发展，使得实时处理复杂的脑信号不再需要昂贵或笨重的设备，从而促进了脑机接口的加速研究和开发应用。在专业期刊和会议上发表的脑机接口相关科学论文的数量显著增加。当前，世界各地的政府、大学、研究机构和企业陆续开展了脑机接口相关的研究项目，全球脑机接口研究的规模增长显著。这主要得益于以下几个方面：基础科学技术的持续进步；对修复神经系统的解决方案的需求不断增加；全球人口老龄化的增加，需要解决与年龄相关的神经退行性疾病和脑机接口“辅助”技术问题；对非医学应用脑机接口的商业需求。脑机接口经过近五十年的创新研究与发展，在脑信号获取的手段、解码算法以及应用范围等方面都得到了极大地拓展，脑机接口的定义也不断被扩展，但其仍然是一个比较新的概念，目前还没有一个完全获得学术界公认的确切定义。近年来，较多文章引用的定义是由 Jonathan R.Wolpaw 等人于 2012 年提出的：脑机接口是一种测量中枢神经系统活动并将其转换为替代、恢复、增强、补充或改善自然中枢神经系统输出的系统，以改变中枢神经系统与其外部/内部环境正在进行的交互。随着脑机接口发展到脑机交互，进而向智能脑机交互发展，可预见的将来是脑机智能融合，脑机接口的定义和范畴也不断充实和扩展，脑机接口不仅仅向外部输出指令，也向大脑输入反馈，特别是给予大脑电、磁、光、以及声的输入或刺激等89。因此，如前所述，从广义上讲，深部脑刺激（DBS）、经颅磁刺激（TMS）、经颅交流电刺激（tACS）、经颅直流电刺激（tDCS）和经颅超声刺激（tUS）等均属于脑机接口范畴。脑机接口是一个跨学科交叉研究领域，其中，与生命科学相关的学科领域包括基础神经科学、认知科学和心理学等；与医学科学相关的学科领域包括神6经系统、影像医学（包括脑成像）、生物医学工程、神经工程和康复医学等；与信息科学相关的学科领域包括计算机科学与技术、自动化与机器人技术、人工智能（AI）技术和半导体集成电路技术等；与材料科学相关的学科领域等。1.1.2 2 发展历史发展历史脑机接口的研究可以追溯至二十世纪七十年代，经过近五十年的研究，脑机接口技术的发展经历了三个阶段：科学幻想阶段、科学论证阶段、技术爆发阶段。目前，脑机接口技术正处于第三个阶段技术爆发阶段。在二十世纪七十年代至八十年代初期，脑机接口技术处于发展的第一阶段，即科学幻想阶段，提出了“脑机接口”这一专业术语。1977 年，Jacques J.Vidal开发了基于视觉事件相关电位的脑机接口系统，通过注视同一视觉刺激的不同位置实现了对 4 种控制指令的选择；1980 年，德国学者提出了基于皮层慢电位的脑机接口系统。受限于当时的技术条件，这一阶段的脑机接口研究并未取得明显进展。在二十世纪八十年代末至九十年代末，脑机接口技术处于发展的第二阶段，即科学论证阶段。来自美国和欧洲的少数先驱研发了首个实时且可行的脑机接口系统，并定义了至今仍在采用的几种主要范式，开拓了脑机接口领域。1988年，L.A.Farwell 和 E.Donchin 提出了著名且广泛使用的脑机接口范式，即“P300拼写器”。尽管基于该范式的系统仅在健康受试者上进行了测试，但研究表明该系统有望帮助严重瘫痪患者与环境进行通信和交互。实际上，当时脑机接口研究背后的主要驱动力（仍然是当前的主要动力）正是期望将其用作运动障碍患者的新型辅助技术，尤其是对于那些可能无法使用其他任何替代方案的患者。同年，Stevo Bozinovski 等人报道了利用脑电 alpha 波控制移动机器人，这是首个利用脑电进行机器人控制的研究。不久之后，美国和欧洲的研究者都开发出了基于感觉运动节律的脑机接口系统。研究人员根据操作性条件作用开发了用7于控制一维光标的脑机接口，利用该方法，通过向用户实时反馈感觉运动节律活动，训练用户学会自我调节其感觉运动节律的幅度，以实现向上或向下移动小球。与此同时，Gert Pfurtscheller 等人开发了另一种基于感觉运动节律的脑机接口，用户必须明确地想象左手或右手运动，并可以通过机器学习将其转换为计算机命令，这定义了基于运动想象（MI）的脑机接口。1992 年 Erich E.Sutter提出了一种高效的基于视觉诱发电位的脑机接口系统，在该系统中，设计了 88拼写器，利用从视觉皮层采集的视觉诱发电位识别用户眼睛的注视方向来确定他选择拼写器中哪个符号。这项研究是基于视觉诱发电位脑机接口的首次临床应用，肌萎缩侧索硬化症患者可以利用该系统实现高于 10 个单词/分钟的通信速度。除了上述提及的脑机接口知名研究外，在此期间，还有其他一些研究在脑机接口界受到的关注较少。例如，Jose Principe 等人也开发了基于事件相关电位的脑机接口系统，即皮层鼠标，基于 N400 用户能够对一致或不一致的刺激作出响应，在两个指令中选择意图指令。1995 年，Grant R.McMillan 等人提出了基于稳态视觉诱发电位（steady-state visual evoked potentials，SSVEP）的脑机接口，受试者通过生物反馈可以学会增加或降低稳态视觉诱发电位的幅度，可以把这些响应转换为控制物理设备或计算机程序操作的指令。1999 年，在美国举行了第一届国际脑机接口会议，来自 22 个研究团队约 50 名参会者参加此次会议。这一时期的工作仍由欧美学者主导，主要关注非侵入式脑机接口研究，为脑机接口研究奠定了重要基础。进入二十一世纪以来，脑机接口技术处于发展的第三阶段，即技术爆发阶段。这一阶段主要聚焦于实现脑机接口的技术路线，发展各种各样的技术方法，以及推动脑机接口的应用。在二十一世纪前十年，脑机接口发展成为一个研究领域，更多研究人员的加入推动了脑机接口迅速发展。新型的脑机接口实验范式相继涌现，如听觉脑机接口、言语脑机接口、情感脑机接口、以及混合脑机8接口。在算法研究方面，先进的脑电信号处理和机器学习算法被应用于脑机接口，如共空间模式算法、xDAWN 算法等。新型的脑信号获取技术相继应用于脑机接口研究，如功能磁共振成像测量的血氧水平依赖信号以及功能近红外光谱测量的皮层组织血红蛋白浓度被用于构建非侵入式脑机接口。此外，单个神经元的动作电位以及皮层脑电被用于实现侵入式脑机接口系统，针对非人灵长类动物和临床患者的侵入式脑机接口研究不断推进。在此期间，早期开发的脑机接口（如基于 P300 和视觉诱发电位的脑机接口）的性能得到了明显提高，并进行了初步的临床试验，已证明这些系统适用于肌萎缩侧索硬化症、脑卒中以及脊髓损伤患者。近十年来，脑机接口研究的规模和范围急剧扩大。在规模上，2018 年第七届（也是最近一次）国际脑机接口会议聚集了来自 221 个研究团队或组织的 432名参会者。第一份专门针对脑机接口领域的学术期刊脑机接口杂志于2013 年创刊，并于 2014 年出版了第一期。国际脑机接口协会也于 2015 年成立，其宗旨是促进研发使人们能够通过大脑信号与世界交互的技术。从实用的角度来看，消费级脑电传感器和脑机接口系统问世并进入市场，免费开源的脑机接口软件也不断更新，脑电信号处理算法的性能得到显著提高，同时提出了脑机接口人因工程，从用户层面（即用户体验、心理状态、用户训练）提高脑机接口的满意度和实用性9。在这一阶段，脑机接口的临床应用备受关注，其不仅可作为严重运动障碍患者的辅助通信和控制方法，还能够帮助运动障碍群体恢复丧失的运动功能。除了上述规模的急剧扩大，在范围上，脑机接口的快速发展也逐渐激发了其他领域的强烈兴趣，如人机交互、智能系统和工效学等，特别是，已证明脑机接口技术还可以用作科学研究的新工具。目前，脑机接口的应用范围已远远超出了临床医学领域，拓展应用到情绪识别、虚拟现实和游戏等非医学领域。近期，相继提出了多种脑机接口新范式，如被动脑机接口、协同脑机接口、互9适应脑机接口、认知脑机接口、多人脑-脑接口。众多脑机接口新范式的涌现扩大了脑机接口的应用范围，同时也进一步推动了脑机接口技术的发展。通过对已有研究的梳理发现，脑机接口研究始于非侵入式脑机接口，并且早期研究也主要集中于非侵入式脑机接口。进入二十一世纪以来，随着神经科学、计算科学、材料科学的进步，侵入式脑机接口研究进展迅速，并取得了较好的展示效果，但风险和成本依然很高。同时，非侵入式脑机接口的性能得到很大的提升，并朝着小型化、便携化、可穿戴化及简单易用化方向发展，目前，非侵入式脑机接口研究仍占主导。脑机接口的应用仍主要集中于医学领域，但脑机接口在非医学领域的应用发展迅速，尤其是在增强正常个体感知觉和认知、娱乐游戏、汽车和机器人行业。目前，脑机接口的研究在全球范围内广泛展开，研究的规模呈现明显上升趋势。总体上，美国在脑机接口的理论、方法和实践方面领先优势十分明显，绝大多数侵入式脑机接口研究集中于美国，其在神经界面技术方面百花齐放，并取得了成果，已成功开发了多种外周神经电极、三维电极、柔性电极、环形电极、光遗传技术并应用于脑机接口。相比较，欧盟和欧洲国家重视神经疾病研究，主要关注非侵入式脑机接口，日本也主要关注非侵入式脑机接口，倡导脑机接口和机器人系统的集成。我国脑机接口相关研究始于二十世纪九十年代末，清华大学创建了基于稳态视觉诱发电位（SSVEP）的脑机接口新范式，目前，这一范式已经成为无创脑机接口三种主要范式之一。近年来，国内脑机接口研究取得了显著进展如清华大学在高速无创脑机接口字符输入等方面，华南理工大学在多模态无创脑机接口等方面，天津大学在神经康复和航天应用等方面，上海交通大学在情感识别等方面。此外，国防科技大学、中国科学院半导体研究所、电子科技大学、北京师范大学、兰州大学、中国科学院深圳先进技术研究院、中国医学科学院10生物医学工程研究所、华中科技大学、昆明理工大学等单位在脑机接口及脑机协作智能方面也做了重要工作。虽然国内研究团队主要集中在非侵入式脑机接口的研究并取得了较多进展，但在侵入式脑机接口方面也开展了研究。浙江大学研发了复杂环境下的大鼠导航系统以及猴子用皮层脑电控制机械手完成不同手势的抓握动作。清华大学实现了首个基于无创医学影像技术导引的微创脑机接口系统。目前，我国在侵入式神经接口设备领域处于发展初期，仅在应用层面上有部分产品与欧美医疗公司临床产品相似，但在核心范式、核心芯片、核心通信协议、核心算法、核心材料器件等方面存在较严重的短板。我国脑机接口技术的产业化发展目前还处于起步阶段，现阶段我国的整体发展水平与欧美发达国家还存在一定的差距，但是通过近几年的努力，差距正在明显缩小，我国在某些方面已经与国际水平接轨，在个别方面已走在国际前沿。1.31.3 技术介绍技术介绍如前所述，脑机接口技术是一个跨学科交叉融合的研究领域，涉及神经科学、认知科学、心理学、影像医学、生物医学工程、材料科学、电子工程、信号处理与模式识别、人工智能等多个学科，是一项复杂的系统工程，科研价值重大，应用前景广泛。1.3.1.3.1 1 脑机接口原理与系统构成脑机接口原理与系统构成1 1）脑机接口原理）脑机接口原理脑机接口的原理基础是神经科学5。大脑中枢神经元膜电位的变化会产生锋电位（spikes）或动作电位（action potentials），并且神经细胞突触间传递的离子移动会产生场电位（field potentials）。可以利用传感器采集并放大这些神经电生理信号，例如在不同位置和深度采集场电位，可以收集到头皮脑电信号11（electroencephalograpm，EEG）、皮层脑电信号（electrocortico graphy，ECoG）和局部场电位（local field potentials，LFP）。另一方面，通过神经元和神经突触发挥意识、思维和记忆等大脑功能，其功能的分区对应于人体不同器官和肢体功能，负责感知觉、运动、注意、记忆、认知、语言、思维、情绪等各种功能。以上这些脑功能可以通过设计适当的实验范式使其编码在神经电生理信号中，脑机接口技术正是通过采集这些不同脑功能区位置与不同深度的电信号，通过预处理、特征提取和模式识别，从而实现对大脑活动状态或意图的解码，并可以把大脑活动状态、解码结果、与外界通信或控制结果反馈给用户，进而调节其大脑活动以获得更好的性能。除了上述中枢神经电生理信号外，脑组织代谢活动相关的血氧信号也可以编码大脑活动状态并可用其来识别大脑的活动状态。2 2）脑机接口系统构成）脑机接口系统构成由以上脑机接口的原理，脑机接口系统主要由用户（大脑）、脑信号采集、脑信号处理与解码、控制接口、机器人等外设和神经反馈构成5，如图 1 所示，下面给出每部分的作用。（1）用户用户是脑机接口系统中产生脑信号的大脑（brain）或中枢神经系统（CNS），是脑机接口系统必不可少的最复杂、最活跃、高度自适应的子系统。脑机接口的操控者就是用户，同时用户本身也是驱动脑机接口的信号源，因此，脑机接口系统是最典型的人在环路的系统（人机闭环系统），其设计和评价需要以用户为中心，考虑 BCI 人因工程9。脑机接口的实验范式设计与用户的感知觉、表象、注意、认知或思维等心理活动或任务（mental activities/tasks）的神经机制紧密相关，其正是采集用户的这些心理任务诱发的神经活动进行解码。脑机接口的性能与用户的心理活动紧12密相关，如运动想象脑机接口系统的性能在很大程度上取决于用户执行运动想象的效果或能力10。（2）脑信号采集脑信号采集是脑机接口系统的重要组成部分，是其实用化的瓶颈之一，采集到高质量的脑信号至关重要。采集大脑活动的方法有多种，原则上均可为 BCI系统提供输入信号，这些方法中包括 EEG、ECoG、单个神经元记录（Spikes），如图 3 所示。（a）（b）图3（a）脑机接口所利用的电生理信号的记录位置；（b）三种不同的检测大脑电活动方式：EEG、ECoG和皮层内记录4513此外还有脑磁（magnetoencephalogram，MEG）、正电子发射计算机断层扫描（positron emission tomography，PET）、功能性磁共振成像（functional magneticresonance imaging，fMRI）和功能性近红外光谱（functional near infraredspectroscopy，fNIRS）成像。然而，MEG、PET 和 fMRI 这些方法技术要求高、价格昂贵且不便携，限制了它们在 BCI 研究中的广泛应用。另外，PET、fMRI和 fNIRS 依赖于检测脑代谢活动，虽然空间分辨率较高但时间分辨率较低，因此以目前的技术水平不太适合快速的脑-机交互。与 PET、fMRI 和 fNIRS 相比，EEG、ECoG 和 Spikes 具有较高的时间分辨率，是目前实现 BCI 的主要方法。ECoG 和 Spikes 是侵入式采集电信号的方法，虽然具有较高的空间分辨率、良好的信噪比和更宽的频带，但目前这类 BCI 仍面临着几个难题：有创带来的安全性问题、难以获得长期稳定的记录、需要相关医护人员长时间连续地观察。与 ECoG 和 Spikes 相比，EEG 是从头皮无创记录的，具有安全、易于采集和价格低廉的特点。总之，对于实用化的脑机接口系统，除了尽可能采集到高质量（时空分辨率高和信噪比高）的脑信号外，更为重要的是确保 BCI 传感器的安全性、舒适感、美学性和易使用性。（3）脑信号处理和解码脑信号中通常包含有多种噪声，例如与要求的用户心理活动无关的神经信号、工频干扰、眼电和肌电伪迹等，这在一定程度上降低了信号的质量，为此需要对脑信号进行预处理以剔除伪迹并提高信噪比。不同的脑信号有不同的预处理方法，主要有时域滤波和空域滤波，在一定程度上可以去除信号的噪声，从而提高信噪比或改善空间分辨率。对于空间分辨率，也可以采用溯源分析方法来改善。14脑信号预处理后，通常根据特定的 BCI 范式所设计的心理活动任务相关的神经信号规律来提取特征。为了更准确的解码用户的心理意图，需要提取心理活动任务之间可分性好的特征，可以采用时域、频域、空域方法或相结合的方法提取特征。不同范式的 BCI 系统提取的特征和方法不一样，如 P300-BCI 主要提取新奇事件相关电位（event-related potential，ERP）的幅度或潜伏期，运动想象脑机接口主要提取事件相关去同步/同步（event-related synchronization/desynchronization，ERS/ERD）的功率谱特征或运动相关电位（movement-relatedpotential，MRP），基于 Spikes 的脑机接口主要提取神经元发放率。提取到可分性好的的脑信号特征之后，可以采用先进的模式识别技术或机器学习算法训练分类模型。值得注意的是，由于用户之间的个体差异，实用的BCI 往往需要针对特定的用户定制特征提取和解码模型。（4）控制接口根据具体的通信或控制应用要求，控制接口把上述解码的用户意图所表征的逻辑控制信号转换为语义控制信号，并由语义控制信号转化为物理控制信号11。（5）机器人等外设与脑机接口通信或可控制的外部设备可以是多种多样的，视具体的应用而不同，可以是计算机系统（操作其字符输入/光标移动等），也可以是机器系统（如康复机器人、神经假肢和轮椅等）。（6）神经反馈神经反馈是脑机接口的重要组成部分，是实现双向脑机交互的关键技术，其应用了条件反射和人脑可塑性通过神经反馈可以把用户的脑活动特征、解码结果以及与外设通信或控制的结果以视觉、听觉或触觉等方式可视化地反馈给用户，以调整用户的心理活动，从而调节用户的脑信号，最终提升脑机交互的性能12。BCI 操作需要两个自适应控制器（用户和 BCI 自适应算法）的有效交15互，神经反馈起到关键作用7。值得注意的是，在运动想象脑机接口系统中，神经反馈还可以用于评估和提高用户的运动想象能力10。1.3.21.3.2 脑机接口技术的分类脑机接口技术的分类随着脑机接口技术的发展，其分类方法也在变化，不同的研究组或不同的研究人员以及不同的分类依据会得到不同的分类结果，目前尚未有完全统一的分类标准和结果。一种分类方法可以根据脑信号采集的方式，可分为侵入式和非侵入式脑机接口，也可以根据脑机接口范式/感觉刺激/采用的信号进行分类，可分为单一范式/单一感觉刺激/单一脑信号的脑机接口和混合脑机接口，如图 4所示。下面将做简要介绍。图 4 脑机接口分类示意图161 1）侵入式脑机接口）侵入式脑机接口这类脑机接口需要采用神经外科手术方法将采集电极植入大脑皮层、硬脑膜外或硬脑膜下，如图中的皮层内记录和皮层表面记录（ECoG）。根据是否植入皮层内或创伤的程度，可分为完全植入式脑机接口（创伤性较大的皮层内记录脑机接口）和微创脑机接口（基于 ECoG 的脑机接口）。侵入式脑机接口的电极长期稳定放置，直接记录神经元电活动，信号衰减小，信噪比和空间分辨率高。但这属有创伤植入，技术难度大，存在继发感染可能性，一旦发生颅脑感染、电极故障或电极寿命结束，需将电极取出，会造成二次损伤。微创脑机接口可能比皮层内记录脑机接口更易实用化，但总的来说，侵入式脑机接口有待深入研究，突破相关技术瓶颈，具有重要的科学研究价值和潜在的应用前景。侵入式脑机接口的采集电极主要有刚性和柔性电极。刚性电极是侵入式电极的代表，其技术较成熟，稳定性好、电极密度高、耐体液腐蚀，密歇根电极和犹他电极是最具代表性的两种刚性电极。由于刚性电极硬度远高于脑组织，难以随大脑运动，容易形成愈伤组织从而减弱信号，因此柔性电极将成为未来发展的趋势。柔性电极的弹性模量和剪切模量与脑组织类似,可以适应大脑的弯曲拓扑结构，柔性材料应具备良好的生物相容性、柔韧性和微加工工艺兼容性，聚二甲基硅氧烷(PDMS)、聚酰亚胺(PI)、聚对二甲苯(Parylene)等是常用材料。2 2）非侵入式脑机接口）非侵入式脑机接口这类脑机接口通过附着在头皮上的穿戴设备（如脑电帽、近红外头盔或磁共振头线圈等）测量大脑的电活动或代谢活动，无需手术，安全无创。其中脑电帽是最常用的非侵入式传感器，可以在头皮上监测到群体神经元的放电活动，时间分辨率高，但空间分辨率低，且受大脑容积导体效应的影响，传递至头皮表面时衰减较大，易被噪声污染，信噪比低。17除了最常用的从头皮采集脑电信号，现今用于非侵入式脑机接口系统的脑信号采集方法还有以下几种：功能近红外光谱(fNIRS)、功能性磁共振成像(fMRI)、脑磁(MEG)等。这些脑信号采集技术的时间分辨率和空间分辨率各不相同，与侵入式采集技术的时空分辨率相比较，如图 5 所示。fNIRS 技术利用血液的主要成分对 600-900nm 近红外光良好的散射性，从而获得大脑活动时氧合血红蛋白和脱氧血红蛋白的变化情况13。该技术性价比高、便携性好、噪声小和生态效应较好（能容忍用户一定程度的动作）等优点,但空间分辨率和时间分辨率不高，需要通过算法在一定程度上提高。基于 fNIRS的脑机接口具有潜在的研究和应用价值。图5 不同脑信号采集技术的分辨率5fMRI 技术利用磁振造影来测量神经元活动所引发的血液动力学变化情况。该技术空间分辨率高，可精确定位大脑功能区域，可以选择某一大脑区域来分析具体的思维活动，但其时间分辨率不高、价格昂贵、体积庞大不便携，因此fMRI 在 BCI 上的应用相对较少。18MEG 技术记录由神经元突触后电位形成的电流产生的相关磁场信号，来间接推算大脑内部的神经电活动。该技术不易受介质的影响，空间分辨率高于EEG，但其微弱易受到环境干扰，需要严密的电磁场屏蔽室，并且设备昂贵笨重。基于 MEG 的脑机接口已有研究，需要突破阻碍实际应用的瓶颈。与 fMRI、fNIRS 和 MEG 相比，虽然 EEG 信噪比和空间分辨率低，但其时间分辨率高、更为便携、价格更低、在技术上比其他脑信号采集技术要求低，是目前用于脑机接口研发的主流。采集头皮 EEG 的电极主要有湿电极（如导电凝胶电极、生理盐水电极）和干电极，对于湿电极，降低其阻抗需要时间，且会使用户有不适感，对于干电极，目前采集的脑信号质量次于湿电极，随着干电极技术（如柔性电极等）的发展，基于干电极的脑机接口具有实用化的潜力。目前，受技术成熟度和安全性等因素的影响，非侵入式脑机接