當前位置:
首頁 > 健康 > 腦—機介面系統的基本構成是什麼?

腦—機介面系統的基本構成是什麼?

腦—機介面系統的基本構成是什麼?

顧建文教授,解放軍306醫院,神經外科整理

腦- 機介面(Brain- Computer Interface, BCI) 技術形成於20世紀70 年代( 1973 年, Vidal) , 是一種涉及神經科學、信號檢測、信號處理、模式識別等多學科的交叉技術。第一次BCI 國際會議對BCI 的定義是: 「腦- 計算機介面是一種不依賴於腦的正常輸出通路( 外圍神經和肌肉) , 在人腦與計算機或其他電子設備之間建立的直接交流和控制通道的適時通訊系統」。隨著人們對神經系統功能認識的提高和計算機技術的發展,BCI 技術的研究呈明顯的上升趨勢, 成為生物醫學工程、計算機技術、通信等領域一個新的研究熱點。

腦—機介面系統的基本構成是什麼?

腦- 機介面的研究現狀

由於腦- 機介面技術在康復工程、軍事等領域具有重要的應用價值, 已引起了世界越來越多科學家和研究者的關注和重視, 並且取得了突破性進展。由於腦功能的複雜性以及對腦認知的局限性, 目前我們只能部分識別腦電信號, 實現大腦的部分功能, 因此對腦- 機介面的研究大多處於實驗室階段。2006 年7 月, Nature 雜誌用封面文章的形式報道了美國Utah 大學的研究小組開發的微電極陣列在人體上的實驗效果。在7 月18 日舉行的Orga Techno 2007國際會議上, 德國弗勞恩霍夫應用研究促進協會和柏林科技大學的Klaus- Robert Muller 教授發表了他們關於BCI 的研究成果: 只需思考便可操作機器, 利用腦波玩遊戲。BCI 技術是目前國際上一個十分活躍的研究領域, 作為一種綜合多種學科的交叉技術, BCI 技術的發展目前還存在著很多問題, 有待於更多的科技工作者致力於更深入的研究。

腦—機介面系統的基本構成是什麼?

BCI 系統的基本工作原理

科學研究表明, 在大腦產生動作意識或受到外界刺激時,神經細胞會產生幾十毫伏的微弱電活動, 大量神經細胞的電活動傳到頭皮表面形成腦電波, 會體現出某種節律和空間分布的特徵, 藉助高性能的生物電信號採集系統以及專門設計的計算機演算法, 神經電活動的這種變化可以通過一定的手段檢測出來, 通過對這些特徵信號進行檢測、分析和處理, 分辨出引發腦電變化的動作意圖, 再用計算機語言進行編程, 將人的思維活動轉換成命令信號驅動外部設備, 實現人腦對外部環境的控制。BCI 就是一種通過實時記錄人腦的腦電波(Electroen- Cephalogram, EEG) , 在一定程度上解讀人的簡單思維, 並將其翻譯成控制命令, 來實現對計算機、家用電器、機器人等設備的控制。BCI 技術研究的核心就是調整人腦和BCI系統之間的相互適應關係, 尋找出合適的信號處理與轉換演算法, 實時、快速、準確地把腦電信號轉換成可以被計算機識別的輸出控制信號或命令。

BCI 系統的基本結構

BCI 系統通常由4 個部分組成:神經網路 neural network的信號採集、特徵提取、選擇分類和外部控制裝置 。由電極從頭皮或者大腦內部獲取反映大腦活動的EEG, 通過信號採集系統轉換成數字信號, 再傳送到計算機中進行特徵提取和選擇分類, 提取出與使用者意圖相關的信號特徵量, 如誘發電位的幅值、EEG 的節律或單個神經元的觸發率等。信號特徵量被轉換成控制命令用來控制外界裝置。為了優化系統的性能, 有些BCI 系統還設置了反饋環節。

信號採集系統

腦電波的採集是實現BCI 系統功能極為關鍵的第一步。腦電信號採集系統的組成如圖2 所示。電極記錄到的信號通過放大濾波處理後, 再經過A/D 轉換為數字信號, 輸入計算機進行進一步的分析處理, 最後得到腦- 機介面的控制信號。通常情況下, 採集到的腦電信號一般要滿足下列條件: ( 1) 必須有能夠反映人腦不同狀態的信號; ( 2) 這種信號必須能夠實時或短時被提取和分類; ( 3) 信號的檢測必須達到一定的精度。常用的電極材料包括純錫、鉑、銀及氯化銀、純銀、鍍銀、鍍金、不鏽鋼等; 電極形狀包括扁平式、針式以及各種電極帽;電極導聯通常有單極導聯和雙極導聯2 種方式, 通常採用國際10- 20 系統電極放置法, 主要通過矢狀線、冠狀線及顳側線將21 個電極( 包括2 個耳電極) 適當分布於頭顱的所有部位 ; 記錄方式採用最多的是植入式電極和頭皮表面電極2 種。雖然頭皮表面電極記錄的信號比較微弱, 信噪比低, 但由於它是一種無創且簡便的方法, 因此實驗室多採用此法來記錄腦電信號。

特徵提取

從採集系統得到的腦- 機介面信號是一種微弱的複雜腦電信號, 常常混有各種偽跡或雜訊, 給信號的處理和分析帶來許多麻煩。因此, 在實施信號檢測分析前, 必須進行某些預處理( 如去噪、分離、分類等) , 然後再作進一步檢測和分析處理。因此, BCI 系統中的信號處理包括信號預處理、特徵提取等過程。信號預處理的目的是提高信噪比。腦電信號雜訊的來源有很多種, 包括非神經源雜訊和神經源雜訊, 對這些不需要的信號, 應儘可能地去除。常用的預處理包括: Kalman 濾波、Robust Kalman 濾波、非線性濾波等, 未來趨勢是結合新的演算法來產生更好的效果。特徵提取就是通過變換( 通常是線性變換) 的方法, 使這些重要的特徵在變換域中顯示出來, 去掉對分類無意義的信息,這樣就把原始高維的信號空間變為低維的特徵空間。隨著信號處理技術的進一步發展, 出現了多種提取腦電特徵信號的處理方法, 小波變換和小波包分解是目前提取EEG 信號特徵最常用有效的方法。

腦—機介面系統的基本構成是什麼?

小波變換可用來提取和識別那些淹沒在雜訊中的微弱電生理信號, 是一種時頻信號處理方法。在缺乏先驗知識的條件下, 小波變換能有效檢測出腦電信號中短時、低能量的瞬態脈衝, 其最大的優點是採用可變的時頻窗口去分析信號的不同頻率成分。小波變換是一種線性變換, 計算速度快, 適合於在線分析。它的變焦距特性, 容易將類別間差距最大的部分突出表示, 從而將不同類之間的差異「放大」, 有助於提高識別正確率。它提供了從另一角度對信號進行觀察的可能, 使所得到的係數用來描述信號時更加優越。由於EEG 信號的產生機理複雜, 很難獲得準確的先驗知識, 在經驗之外的其他頻段也包含著有用信息, 可能會遺漏某些重要的信息, 需要改善該特徵提取方法以獲得更好的分類性能。小波包分解具有任意多尺度特點, 避免了小波變換固定時頻分解的缺陷( 如高頻段頻率解析度低) , 為時頻分析提供了極大的選擇餘地, 更能反映信號的本質和特徵。小波包分解是一種能夠提供信號精細信息的分析方法, 它對信號的低頻部分和高頻部分同時進行分解, 因此小波包分析具有更廣泛的應用價值。小波包的分解級數決定了用於提取特徵值各節點信號所覆蓋的頻率範圍, 隨著分解級數的增加, 各特徵值所覆蓋的頻率範圍縮小, 特徵值的數量增加。如果分解級數選擇合適, 腦電信號的不同頻率成分將在某些特徵值上體現最大, 獲得最佳的分類效果。小波類型的選取對分類效果影響不大, 表現出較強的穩定性, 具有廣闊的應用前景。

腦—機介面系統的基本構成是什麼?

選擇分類

腦- 機介面系統能否被成功地操作取決於2 個方面的因素: 一方面是腦- 機介面能否正確地從這些特徵量中分析出使用者的意圖; 另一方面是使用者能否控制信號特徵量。通過特徵提取出來的信號特徵量要轉換裝置成控制命令控制外部裝置, 必須進行選擇分類, 這是實現腦- 機介面功能最重要的一環。選擇分類就是從初始特徵中選擇對分類最佳的特徵子集,形成特徵向量, 輸入給分類器。分類器依據輸入的特徵向量區分不同的思維任務, 輸出對應的類別號( 邏輯控制信號) , 實現對外裝置的控制。目前有多種識別與分類演算法, 如線性判別分析(Linear Discriminant Analys, LDA) 、貝葉斯- 卡爾曼濾波、遺傳演算法(Genetic Algorithm, GA) 等, 由於特徵選擇和分類密切相關, 相綜述General Review互依賴, 大部分演算法將二者割裂開來, 犧牲了識別精度, 而人工神經網路將兩者有機結合起來, 成為比較成功的分析方法。人工神經網路(Artificial Neural Network, ANN) 是BCI 系統應用最多的分類器, 由於其應用簡單, 參數選擇方便, 分類結果準確性較高, 被廣泛地應用於腦電信號的分類。人工神經網路是模仿生物腦結構和功能的一種信息處理系統, 由大量處理單元廣泛互聯而成的網路, 它反映了人腦功能的基本特性, 是人腦的某種抽象、簡化與模擬。神經網路大致分為前向網路、反饋網路、自組織網路和隨機網路4 大類。用於模式識別分類的神經網路類型比較多, 主要為感知器、多層感知器、徑向基函數網路、BP 網路等。神經網路在信號處理、模式識別、腦電、誘發電位等生物醫學信號處理方面有較多的應用。Pfurtscheller 等利用神經網路分類器對手運動進行在線分類的研究, 試驗結果表明: 對於2 種不同的運動下EEG 模式, 其最好的分類結果是87%, 對於3 種不同的運動下EEG模式, 其最好的分類結果是60%。這些結果表明: 單個EEG 試驗是可以進行在線分類的, 不過其分類的準確度明顯小於100%, 特別在3 種運動的情況下, 其分類準確度更低。

外部控制裝置

腦- 機介面控制信號經過前面序列的處理後, 信號特徵量被轉換成控制命令, 控制系統通過接受控制命令, 實現對外部設備的操作與控制, 如文字處理器、神經修復裝置和游標移動等。有些系統還設置了反饋環節, 不僅能為使用者操作BCI系統提供指示, 還能幫助使用者根據反饋信息調節腦電信號。

腦—機介面系統的基本構成是什麼?

BCI 的性能評價標準

由於不同BCI 系統的輸入、輸出、轉換演算法等存在很大的差異, 因此, 要做到對不同的BCI 系統進行客觀的科學評價是比較困難的。1 個好的腦- 機介面系統通常有好的性能評價標準, 目前有以下幾個方面對腦- 機介面系統進行評估: ( 1) 信息傳輸率性能評估標準。( 2) 腦- 機介面的輸出及應用標準。( 3)硬體標準。( 4) 信號記錄標準。( 5) 腦- 機介面在實驗與應用中應該遵從的道德標準等。

腦—機介面系統的基本構成是什麼?

BCI 存在的主要問題

由於對BCI 的研究起步較晚, 技術本身比較複雜, 涉及的內容和相關的領域又比較多, 因此, BCI 還有許多問題有待解決, 主要可歸納為以下4 類: ( 1) 信號處理的速度比較慢。目前, BCI 的最大信息轉換速度可以達到68 bits/min, 但這與正常交流相差甚遠。( 2) 信號識別精度不高。目前處於實驗室研究階段的BCI 系統的判斷正確率雖然優於隨意猜測的正確率, 但BCI 的特徵信號提取和分類技術還不能達到完全正確地反映患者思維活動的要求。( 3) 信號採集和處理方法仍需改進。在BCI 信號的採集過程中, 夾雜著許多偽跡( 如EMG污染等) , 改善信號處理方法對於提高分類準確率有著重要的意義。選擇理想的演算法以及開發更好的系統軟體, 以便設計出更快速精確有效的BCI 系統。( 4) 腦電檢測技術與實用性的要求還有差距。目前的腦電檢測技術, 無論是內置式電極還是非內置式電極或電極帽, 僅適合於實驗室研究應用, 而且需要他人幫助才能完成, 與真正實用還存在差距。總之, 作為一種新興的、複雜的、涉及多學科的通信技術,BCI 的發展還很不完善, 存在的問題還很多, 有待於科技工作者們努力研究解決。BCI 技術將為仿生學的應用開闢廣闊的研究領域, 無論在理論上還是在實際應用中都具有極為重要的意義。

腦—機介面系統的基本構成是什麼?

針對當前腦- 機介面系統的研究現狀與進展情況, 對腦- 機介面系統的框架結構、工作原理及其關鍵技術作了較為全面的綜述。BCI 是一種多學科交叉的新興技術, 它涉及神經科學、信號檢測、信號處理、模式識別等多種學科領域。BCI 技術的研究具有重要的理論意義和廣闊的應用前景。由於相應的理論和演算法很不成熟, 對其應用的研究很不完善, 有待於更多的科技工作者致力於這一領域的研究工作。隨著技術的不斷完善和成熟, BCI 將會逐步地應用於現實, 並為仿生學開闢新的應用領域。

喜歡這篇文章嗎?立刻分享出去讓更多人知道吧!

本站內容充實豐富,博大精深,小編精選每日熱門資訊,隨時更新,點擊「搶先收到最新資訊」瀏覽吧!


請您繼續閱讀更多來自 醫學顧事 的精彩文章:

淡水魚一般都有土腥味,如何處理?
糖尿病病人如何獲得安全的麻醉
阿米巴性肝膿腫診療常規
京郊農家小院採風
手術安全保護神——氣管切開術手術步驟詳解

TAG:醫學顧事 |

您可能感興趣

黑鯊手機裡面的冷液系統是什麼原理?
我國的宮廷醫療系統何時開始基本完善?主要有哪些機構?
手機系統蘋果比安卓好在哪裡?為什麼蘋果系統不容易卡頓,原理是怎樣的呢?
沒有系統的電腦開機界面是什麼樣的,然後又如何給沒有系統的電腦裝系統?
為什麼沒有一種手機系統能夠結合安卓和蘋果?
微軟做電腦系統那麼好,為什麼做不好手機系統?
蘋果手機的系統為什麼這麼流暢?
陸基中段反導系統先發制人,面對系統實驗結果,怎樣才算成功?
若華為推出自研手機操作系統會有什麼樣的結果?
什麼是電池管理系統?
自動控制系統:機器是如何進化成機器人的?
安卓手機,系統升級為什麼這樣慢?
電腦怎麼還原系統?
這種新型機器人系統,能否成為我們對抗疾病的「秘密武器」?
安卓手機系統有什麼獨有的功能是能讓iOS用戶羨慕的?
你認為單兵系統的使用範圍是什麼?
手機系統自帶的軟體是否可以卸載?會有什麼影響嗎?
成吉思汗大軍的情報系統靠什麼成立的!
國產手機操作系統要來了,「小程序」將成系統關鍵
電腦全面被手機壓倒,電腦系統還會有新版本嗎?