《超越学科的认知基础》2015张世超学习报告第十三周

来自iCenter Wiki
2015年12月14日 (一) 16:03Zhangsc14讨论的版本

跳转至: 导航搜索

关键词

学习报告

关键词

脑机接口[1] 皮质脑电图 侵入性脑机接口 Cloud-Mind

正文

脑机接口发展史

动物脑-机接口大事记(科技史)
动物脑-机接口(BCI)科技发展史
时间节点 中心人物或机构 大事件
1924年 Hans Berger[2] 发现了人脑的电活动,并发展了脑电图学(Electronencephalography[3]),为脑机接口的研究奠定了理论基础。
1969年 Regional Primate Research Center and Department of Physiology and Biophysics( University of Washington School of Medicine in Seattle) 第一次证明了猴子可以通过神经活动来控制生物反馈机械臂。
1973年 Jacques Vidal 在《Annual Review of Biophysics and Bioengineering》上发表了《Toward Direct Brain-Computer Communication》,第一次提出了“脑机接口”的概念,并相继在多个同行评审出版物中发表多篇论文探讨这一领域。可谓“脑机接口”之父。
1970s 未知机构 通过算法重构运动皮层神经元[4]
1980s Apostolos Georgopoulos at Johns Hopkins University 发现了单个运动皮层神经元电信号反馈的数学联系,并且发现了分散在恒河猴大脑各个部分的神经元,他们共同控制着大脑的运动区域。
1980s Phillip Kennedy 他及其同事用锥形营养性(neurotrophic-cone)电极植入术在猴上建造了第一个皮层内脑机接口。
1987 Phillip Kennedy 建立Neuron Signals[5]
1990s Miguel Nicolelis[6]及其团队 前期研究大老鼠的脑活动。后期完善了BCI,并且制作了一个可以通过夜猴脑活动控制机械臂移动食物的装置。
1999 Yang Dan at the University of California, Berkeley 通过解码神经元活动,再现了猫所能看到的图像。他们将解码后的信号重制成一部电影。
2000年 Miguel Nicolelis[7]及其团队 成功地建立一个BCI,通过再现夜猴的脑部活动帮助使其能够利用操纵杆获取食物。BCI采取实时操作,通过一个远程协议控制单独的机器人,但猴子看不见机械臂运动,并没有收到任何反馈。这就是所谓的开环BCI(open-loop[8])。
2000至今 John Donoghue at Brown University, Andrew Schwartz at the University of Pittsburgh and Richard Andersen at Caltech 致力于研究动物脑机接口,但是使用的神经元要比Miguel团队少。
人脑-机接口大事记
人脑-机接口发展史
时间节点 关键人物或机构 大事件
1978 William Dobelle[9] 第一个制造出应用在视力恢复领域的脑机接口。并于1978年将该设备移植给了一个盲人患者“Jerry”。
2002 William Dobelle 将第二代视觉恢复脑机接口系统移植给Jens Naumann。但是,在Dobelle死后(2004),这个系统失效,该患者最终失明。
1998 Philip Kennedy and Roy Bakay at Emory University in Atlanta 最先在人植入了可获取足够高质量的神经信号来模拟运动的侵入性脑际接口。他们的病人Johnny Ray患有脑干中风导致的锁闭综合症,并于1998年接受了移植。
2005 Cyberkinetics公司[10]这个就是上文的John Donoghue建立的公司。 Cyberkinetics公司获得美国FDA批准,在九位病人进行了第一期的运动皮层脑机接口临床试验。四肢瘫痪的Matt Nagle成为了第一位用侵入式脑机接口来控制机械臂的病人,他能够通过运动意图来完成机械臂控制、电脑光标控制等任务。其植入物位于前中回的运动皮层对应手臂和手部的区域。
2004 Eric Leuthardt and Daniel Moran from Washington University in St Louis 利用皮质脑电图技术,最早在人体试验皮层脑电图的研究者。他们的基于皮层脑电图的脑际接口能够让一位少年男性病人玩电子游戏。
皮质脑电图技术大事记
皮质脑电图技术
1990s 德国图宾根大学的Niels Birbaurmer 使用EEG进行脑机接口实验。
1999 美国凯斯西留地大学由Hunter Peckham领导的研究组 用64导脑电图恢复了四肢瘫痪病人Jim Jatich的一定的手部运动功能。该技术分析脑电信号中的β波,来分类病人所想的向上和向下两个概念,进而控制一个外部开关。除此以外,该技术还可以使病人控制电脑光标以及驱动其手部的神经控制器,来一定程度上回复运动功能。
2000 美国罗切斯特大学的Jessica Bayliss 利用P300[11],受试者可以通过P300信号来控制虚拟现实场景中的一些物体,例如开关灯或者操纵虚拟轿车等。
2013 Bin He[12] and his team at the University of Minnesota 通过一系列的实验证实基于功能神经影像学的脑机接口系统实现与侵入式的脑机接口非常近似的功能。他的团队识别出了由运动想象激发出的电子生理学和血液动力学信号的共变和共同定位。
2014 Bin He 研究发现基于EEG的非侵入式脑机接口可以更加快捷和稳固地实现动能受损患者的交流,相较于传统的肌肉信号传导通道而言。

脑机接口关键技术

P300事件相关电位法
  • 含义
    • P300是一种事件相关电位(ERP),其峰值大约出现在事件发生后300 ms,相关事件发生的概率越小,所引起的P300越显著。
  • 优点
    • 使用者无须进行大量训练。
稳态视觉诱发电位法(SSVEP)
  • 用13.25 Hz正弦调制的白色荧光刺激产生SSVEP,受试者通过训练学习控制SSVEP的幅度.
  • 识别不同频率的SSVEP来实现控制,屏幕上有2个按钮,以不同频率闪烁,受试者注视要选的按钮,SSVEP中相应的频率成分的幅度增加。清华大学程明、高上凯设计了基于SSVEP的光标控制系统,屏幕上代表不同方向的4个方块以不同频率(6~9 Hz)闪烁,用FFT在线处理SSVEP可以判别出受试者眼睛注视的方块,从而控制光标移动.
事件相关同步或去同步法
皮层慢电位法
自发脑电信号法
植入电极法

脑机接口原理

信号采集

采集脑电图信号,然后通过一个放大器,对采集到的信号进行预处理。

信号分析

利用独立向量分析(ICA)[13]、傅立叶变换(FFT)[14]、小波分析等方法,从经过预处理的EEG信号中提取与受试者意图相关的特定特征量(如频率变化、幅度变化等)

控制器

分类的信号转换为实际的动作,控制外部电子设备。

脑机接口的局限性

  • 速度太慢,大多数信息传输率在20bit/min以下。
  • 稳定性低
  • 缺乏统一标准:目前尚无统一的BCI基础理论框架,兼容性较差。
  • 实用性不强
  • 采样信号缺乏具体意义:很难把脑电信号类型与心理意识活动直接联系起来。
  • 没有统一信号处理方法:提取方法多样性
  • 反馈的必需性
  • 训练的必要性
  • 难以持续工作
  • 个体差异造成很大影响:由于每个人的思维方式、行为习惯等都不完全一样,需要针对每一类人设计不同的实验参数和训练方法。

脑机接口与Cloud-Mind

Cloud-Mind的原理

在现实的政治经济生活中,民主和效率似乎永远是处于抵触状态的。如果一个决策需要民主表决,那么其必然是费时费力的。因此,低效一直是民主的硬伤。同时,由于每个人的的思维方式、行为模式、经济利益关系、社会角色等等方面的不同,对于一个问题的理解就呈现出多样化的趋势。加之语言表达的差异性,又会造成信息传递的误差,影响决策的进行。Cloud-Mind的就是为了解决目前民主决策过程效率低下,信息失真的问题而提出的一个概念。Cloud-Mind将多人的意识互联,通过一个小型的信息处理器采集大脑信号,并将其导出为统一的用于交流的信号,反馈给信息终端,从而完成决策。同时,为防止信息造假,每个人的思维过程都是可公开的。其他人可以通过向个人控制信号传导的终端(Mind-tap)发送申请登录的信号,从而获得浏览思维过程的权限。

Cloud-Mind的技术支撑

脑机接口作为可以采集大脑信号,并通过放大器放大信号,对信号进行预处理的设备。可以将不同的信息整合为统一的可识别的信号,便于沟通和交流。虽然现阶段,这一技术还不够成熟,但是如果在以下方面进行改进,那么CM系统的实现将不是梦想。

  • 提升信息传导的速度。
  • 建立统一的信号识别处理方式。
  • 信号的识别不局限于运动神经系统,人的抽象思维也可以识别。

参考文献