Med·投资 | 观点 脑科学意念输出的机理研究

脑科学意念输出的机理研究

人类的大脑作为自然界最复杂的结构之一，承载着思维、感知和行为控制等多种功能。随着脑科学的发展，研究人员逐渐揭开了意念输出（即通过大脑活动直接控制外部设备或传递信息）的奥秘。意念输出的核心在于解码大脑神经信号，将其转化为有意义的指令，为医学康复、智能设备交互和未来人机融合技术提供了重要突破。

上一篇观点我们着重介绍了脑科学意念输出在国内的研发成果。本文将从意念输出的神经机制、技术实现及其应用前景三个方面进行详细探讨。

意念输出的神经机制

该部分将从脑信号的来源特征、产生机理及分类做相关介绍。

脑信号的来源与特性

    大脑由数百亿个神经元组成，这些神经元通过突触传递电化学信号形成复杂的神经网络。脑信号的研究为脑科学和应用技术提供了关键支持：

揭示脑功能机制：通过脑信号解析可以深入理解大脑的感知、认知和行为控制机制。

    促进脑机接口发展：脑信号的特征提取与解码是实现意念控制和人机交互的核心。

    推动医学进步：脑信号分析在神经疾病诊断与治疗中具有重要作用，如癫痫监测和帕金森病的治疗研究。

意念输出的本质是对神经元活动的捕捉与解码，脑信号主要来自大脑皮层及其下方的神经网络系统：

    神经元：大脑由约860亿个神经元构成，它们通过突触连接形成复杂的网络。神经元的活动会产生动作电位，这是一种电化学信号，是脑信号的基本来源。

    每个动作电位代表一次神经元的放电活动，其频率、时序和空间分布承载着神经系统的功能信息。

    突触后电位：神经元通过突触传递信息，突触后电位是另一类重要的脑信号来源。这些电位反映了多个神经元在群体层面的协同活动。

脑区功能分布。

    大脑皮层：负责感知、运动控制、语言和思维活动，是脑信号的主要来源区域。

    深部脑区：如海马体（与记忆相关）、基底核（运动控制）和丘脑（信息整合），同样产生关键的信号。

脑信号的产生基于以下生理过程

    离子通道活动：神经元膜上的离子通道在钠、钾、钙等离子的流动下产生电位差。

    群体同步化：多个神经元的同步活动形成局部场电位（LFP），是脑信号的重要特征来源。

    血氧水平变化：神经活动会引发局部代谢变化，脑部血流量和氧饱和度的变化也被用作间接脑信号来源（如功能磁共振成像，fMRI）。

根据信号的获取方式和特性进行分类

    脑电信号（EEG）来源于头皮电极记录的信号，反映大脑皮层神经元活动的整体状态。特点：非侵入性，采集方便。

时间分辨率高（毫秒级），但空间分辨率较低。用途：广泛用于研究睡眠、癫痫诊断和脑机接口开发。

    局部场电位（LFP）来源于侵入式电极记录的局部神经元群体活动。特点：空间分辨率高，可精确定位神经活动区域。信号包含低频成分（如突触后电位）和高频成分（如动作电位）。用途：深入研究脑区功能和信号传播机制。

    单神经元信号（Spike）来源于记录单个神经元的动作电位放电活动。特点：提供最高的空间和时间分辨率。信号强度低，需高灵敏度设备捕捉。用途：应用于运动意图解码、脑机接口高精度控制。

    血氧水平信号（fMRI）来源于通过磁共振成像技术检测脑部局部血氧水平变化。特点：空间分辨率高，可提供三维脑活动图像。时间分辨率低（秒级）。用途：研究大脑功能分区和大尺度网络活动。

    脑磁图信号（MEG）来源于记录由神经元电流引发的磁场变化。特点：时间分辨率高，信号来源深度可控。对环境磁干扰敏感，设备成本高。用途：脑活动的高精度定位。

神经信号编码与解码

    神经元通过动作电位（spike）编码信息，其频率和时间模式包含丰富的意义。包括以下方面，频率编码：信号强度通过动作电位的频率变化表示；时间编码：神经元放电的精确时间序列携带关键信息；群体编码：多个神经元的协同放电模式形成更复杂的信息传递。意念输出需要通过解码技术将这些编码信号翻译为可理解的指令。

脑电信号与脑机接口

在上文中我们提到了脑电信号（EEG）在理解与脑功能和脑科学电活动方面发挥着重要的作用。随着人工智能与神经科学技术的快速发展，脑机接口（BCI）的EEG技术正成为人机交互领域的核心研究方向之一。这种技术通过捕捉和解码大脑活动信号，实现人类对外部设备的意念输出，最终直接控制，尤其在医疗康复、无人机导航、智能设备控制等领域展现了巨大的应用潜力。

基于EEG信号的BCI系统及其应用

基于EEG信号的BCI系统可以分为基于单一模式的BCI系统以及基于混合模式的BCI系统。该类系统的研究方向主要包括：基于慢皮层电位（Slow cortical potential，SCP）的BCI系统基于运动想象（Motor Image，MI）的BCI系统基于事件相关电位（Event relate potential，ERP）P300的BCI系统基于稳态视觉诱发电位（Steady-state visual evoked potential，SSVEP）的BCI系统其中SCP和MI都是自发的EEG信号，不依赖于外部刺激而产生。下面将主要介绍三种基于脑电信号的BCI系统。

基于SCP的BCI系统

SCP是脑电图中与事件相关的缓慢直流电移，起源于皮层上层，持续时间从0.3秒到几秒不等；其本质上不是振荡的，而是作为外部或内部事件的结果发生。当大脑皮层进行的活动显著活跃时，SCP产生负向变化，反之，则产生正向变化。

文献《Improving Classification of Slow Cortical Potential Signals for BCI Systems With Polynomial Fitting and Voting Support Vector Machine》中，提出了一种新方案来提高SCP信号的分类性能。该方案对BCI竞赛II的数据集Ia和天津大学的TJU数据集进行实验，通过对SCP信号的小波系数进行二阶多项式拟合提取趋势，并开发基于支持向量机最优训练参数的投票系统，提升了分类准确率。

基于MI的BCI系统

基于运动想象（MI）的BCI是以感觉运动节律（Sensorimotor Rhythm，SMR）信号作为输入的BCI。SMR 信号相伴运动或感知运动产生，包括μ节律(频率为8~12 Hz)、β节律(频率为18~26 Hz)等，但主要以μ节律为主。利用SMR控制信号现已开发出多种BCI系统，其中包括计算机游戏、拼写设备、功能性电子刺激器和虚拟环境控制等BCI系统。SMR控制信号还被广泛应用于包括仿生机械手、虚拟无人机、四轴飞行器、家居设备等控制对象，目前该类范式已经成为四肢瘫痪、脊髓损伤和肌萎缩侧索硬化症患者最有希望的治疗模式之一。

奥地利Graz科技大学应用BCI控制电刺激帮助手部瘫痪病人完成了日常生活中最基本的抓杯、举杯、倒水入口的连续动作。2014年在巴西举办的世界杯开幕式上，瘫痪的巴西少年借助一副“机械战甲”外骨骼装置，用脑电波控制自己的“脚”踢出了第一球。国内在脑机接口方面起步较晚，2016年中国开始实行为期十五年的脑计划。自此，在运动想象方面也取得了一系列研究成果。浙江大学的“双脑计划”科研中首次将Utah阵列电极植入到控制右侧上肢运动的运动神经皮层，四肢失能的患者控制机械臂实现了握手、喝饮料、吃油条、玩麻将。

除此以外，北京微美全息提出了基于半自主导航和电机图像的无人机控制脑机接口系统，决策子系统通过分析运动意象脑电图实现无人机的决策控制，采用改进的互相关法进行MI特征提取，并用逻辑回归法对MI特征分类和决策，从而指导无人机的运动方向。

另有研究团体将AI算法的技术相结合，提出了一个3级MI脑电脑接口系统，采用自适应公共空间模式（ACSP）算法，对一个开源数据集（4级MI）和一个内部数据集（3级MI）进行测试。结果表明，对于短校准会话，ACSP显著提高了性能，证明了该范例的可行性，为上肢冲程康复提供了一种潜在的工具。

有研究表明，脑间耦合对MI-BCI也存在影响。研究小组招募了12对朋友和10对陌生人进行与脑电图超扫描同步的MI-BCI测试，让参与者在不同社交互动条件下执行MI任务，发现社交互动能增强熟悉伙伴之间的神经同步，提高大脑激活和脑间耦合，进而改善BCI性能，而在陌生人组中未观察到积极效果。

基于SSVEP的BCI系统

SSVEP是由一定频率的视觉刺激所诱发的具有与刺激频率相同和更高次谐波频率成分的周期性响应，其主要出现在大脑的视觉皮层。根据刺激频率的范围，通常可将SSVEP分为三个频段响应：低频段（小于15Hz）、中频段（15~30Hz）和高频段（大于30Hz）。低频SSVEP在刺激开始后的较短时间可达到稳态，而且在刺激停止后不会立即消失。SSVEP在低频区域具有最大的幅度且在中频和高频区域有局部峰值。

稳态视觉诱发电位在认知神经科学、临床神经科学以及神经工程等领域拥有广泛的应用场景。其中基于SSVEP-BCI的字符拼写器具有较为广泛的研究和应用。

针对杜兴氏肌营养不良症患者一种进行性神经肌肉疾病，具有X连锁隐性遗传，由肌营养不良蛋白基因的功能丧失突变引起。小儿肌营养不良症是最常见的形式，其患病率为每3500例分娩男性中有1例。科学家们设计了基于工作状态的5级SSVEP的脑机接口系统。因患者无法使用“标准”BCI系统，研究人员将液晶显示器替换为编程为不同频率闪烁的LED，并确定了患者能激发有用SSVEP反应的五个刺激频率，使患者的BCI控制水平达到了可接受的水平，分类准确度>60％。

关于经视觉接入脑机，从而实现认知、感知的物理操作在不同领域有了实际运用的案例。科学家将人体视觉通过脑机接口技术解析用户意图信息，利用深度获取目标的6D位姿，控制机械臂完成抓取动作。用户盯住目标物体看，大脑产生相应电位，脑电帽解析电位，经算法分析解码后发送指令给机械臂，进行视觉定位和路径规划以抓取物品。这将很大程度上提高残疾患者的生活便捷性。

北京微美全息提出的多模态脑电的视觉伺服模块混合BCI系统结合了SSVEP和电机图像信号用于机器人控制。通过在视觉界面上提供三种不同频率的闪烁刺激，每种刺激对应机器人的一个控制命令，如向前、向左转和向右转，系统采集SSVEP信号并进行处理，识别用户的视觉注意力所在频率，生成相应控制命令。