基于腦-機接口和嗅覺解碼的仿生氣味識別系統

董 琪，秦 臻，胡 靚，莊柳靜，張 斌，王 平（浙江大學生物醫學工程與儀器學院，生物傳感器國家專業實驗室，生物醫學工程教育部重點實驗室 杭州 310027）

基于腦-機接口和嗅覺解碼的仿生氣味識別系統

董 琪，秦 臻，胡 靚，莊柳靜，張 斌，王 平
（浙江大學生物醫學工程與儀器學院，生物傳感器國家專業實驗室，生物醫學工程教育部重點實驗室 杭州 310027）

為了探討利用生物嗅覺傳感系統進行氣味識別的可行性，提出了一種基于腦-機接口的仿生氣味識別系統。該系統利用大鼠嗅覺感受細胞作為氣味敏感傳感單元，使用16通道植入式微絲電極記錄和分析具有氣味刺激特征的嗅球僧帽細胞電位響應信號。實驗結果顯示，該系統對氣味具有高度敏感性，通過一定模式識別處理算法，不同的氣味刺激具有較好的區分性，證明了該系統有望應用于氣味的檢測和識別。

腦-機接口；氣味識別；嗅球；嗅覺解碼

近年來，基于氣敏傳感器陣列的電子鼻得到了長足的發展，并在食品工業、醫療和安全等領域得到了廣泛的應用。但是，受到目前傳感器技術的制約，電子鼻的靈敏度和穩定性與生物嗅覺系統還有很大的差距。

天然的嗅覺依然是人類探測氣味的主要手段。人類使用狗來探測氣味已有數千年的歷史。近年來，具有更加敏銳嗅覺的大鼠也被訓練用于探測地雷和唾液樣本中的結核桿菌［1］。長期以來，對動物嗅覺的利用一直停留在傳統的行為訓練基礎上，需要花費較長的訓練時間。

氣味分子的識別是由嗅黏膜上的一千多種氣味受體完成的［2］，一種氣味受體只能與特定分子結構的氣味相結合，從而激活特定的嗅覺受體神經元［3］。動作電位通過軸突投射至嗅球，經處理后傳至大腦高級皮層。

神經解碼是一種從神經元記錄得到的放電信號中重塑傳感和刺激的算法。近十年以來，腦-機接口的迅速發展推動了神經解碼算法的研究［4］。多種不同的神經解碼算法被開發用于提取神經活動中蘊含的信息。一些研究者已經能夠使用這種方法重塑靈長類動物的手臂運動，并以此來控制外部的機械裝置［5］。然而和運動解碼相比，嗅覺解碼的發展要緩慢得多。可能的原因包括：1）嗅覺皮層在大腦中廣泛分布，并常常兼有記憶和學習的功能［6］，研究者很難找到一個特定的區域來表征整個嗅覺系統。2）對嗅覺刺激的基本認知不足，尚不清楚神經信號是如何對氣味進行編碼的［7］。近年來，越來越多的證據表明，嗅球可能是嗅覺的初級皮層［8］。表達同種氣味受體的感覺神經元投射到嗅球表面的一個或幾個嗅小球中，因此特定的氣味能夠使嗅球產生特定時空特性的活動。

本文報道了基于腦-機接口和嗅覺解碼的仿生氣味識別系統的設計方法，測量和分析了不同氣味刺激下的大鼠嗅球僧帽細胞的電位信號，并使用速率解碼（rate decoding）和支持向量機（support vector machine，SVM）實現氣味的初步識別。

1 大鼠氣味識別系統構成及信號采集

本文提出的氣味識別系統以大鼠嗅覺感受細胞作為氣味敏感傳感單元，通過記錄和分析具有氣味刺激特征的嗅球電位信號實現氣味識別。傳感系統主要由氣味刺激裝置，多通道電極陣列傳感器，多通道信號采集裝置及計算機數據分析模塊4部分組成。氣味刺激裝置由濃度為10mM液體形式存儲的氣味瓶、微型真空泵和電磁閥組成，通過調節與純凈空氣的混合比例，能配置一定范圍內任意濃度的刺激氣體。實驗多通道電極陣列傳感器采用自制的16通道直徑為65μm鎳鎘合金微絲（AM system，USA）電極陣列，電極阻抗為300～500k?（1KHz）。多通道信號采集裝置為商用OmniPlex數據采集系統（Plexon，USA），具有20倍的前置放大器，16位的A/D轉換器，能以最高40kHz頻率5 000倍模擬放大實現256個通道實時數據采集，并帶有用于低頻場電位和高頻鋒電位的頻帶隔離可編程硬件濾波器。信號采集裝置通過網線將采集到的數據發送到計算機，利用Matlab編譯環境實現數據的處理和分析。系統的整體結構圖如圖1所示。

實驗對象SD大鼠購于浙江省醫學科學院，質量是200～250g。大鼠進行電極植入手術流程是在腹腔注射10％的水合氯醛（4ml/kg）麻醉后，移除單側嗅球上覆蓋的頭骨，利用油壓微推進器（narishige，Japan）將電極植入到嗅球僧帽細胞層，平均深度約為200～300μm。使用異丁醇、苯甲醚、香芹酮、乙酸異戊酯和檸檬醛等5種氣味作為刺激物，單次刺激給予5s的氣味，刺激間隔為30s，每次試驗單種氣味重復刺激約20次。信號采集裝置同時記錄低頻場電位信號和刺激開始結束兩個標記。

圖1 僧帽細胞的胞外記錄及氣味探測系統的組成

2 氣味信號的前處理

本文使用16通道微絲電極采集大鼠嗅球在不同氣味刺激下的神經響應。來自單個通道的信號放大了2 000倍后，經過一個300Hz的三階巴特沃茲高通濾波器去除信號的低噪和漂移，然后采用閾值法進行峰電位信號的識別，通常采用信號噪聲方差的3倍作為閾值，以保證較高的信噪比。由于記錄電極截面積比單個神經細胞大，有時會記錄到多個細胞同時發放的信號，需要進行辨識，主要采用了波峰波谷判別和K均值聚類算法相結合的分類方法。如圖2所示，該實例中采用波峰谷判別分類法能較好地區分同一個電極上記錄到的兩個發放細胞。K均值聚類算法是采用誤差平方和為準則的動態聚類，在數據空間中定義K個初始點作為聚類中心，定義各樣本到的聚類中心歐式距離之和為目標函數，最小化過程中不斷對樣本進行重新歸類，并對聚類中心進行動態調節，直至分類結果達到穩定。該算法僅收斂到局部最小解，類別數K必須事先確定，且需要選擇分類標準。該方法能區分幅值相差不大的峰電位信號。通常，在一只實驗大鼠上能記錄到10個以上來自不同響應細胞的信號，作為氣味分類的基礎。

圖2 僧帽細胞峰電位檢測及分類

3 結果與討論

為了研究利用大鼠嗅覺進行氣味探測的可能性，本文記錄了大鼠嗅球僧帽細胞在氣味刺激下的神經元響應，并使用嗅覺解碼的方法對氣味進行了分類。

3.1 系統靈敏度及特異性

哺乳動物的嗅覺具有驚人的能力，能夠在極低濃度下識別各種氣味。研究表明，人類對氣味的檢測下限約在ppb（nM）水平［9］。大鼠的嗅覺比人類靈敏得多，為了檢測該系統對氣味的靈敏度，本文使用10?15～10?5M不同濃度的5種氣味進行刺激。結果顯示，大鼠對不同氣味的敏感度不同。圖3顯示了在不同濃度的乙酸異戊酯和香芹酮刺激下的一個通道記錄到的胞外電位（圖3a）和一個僧帽細胞的平均發放速率（圖3b）。可以觀察到該僧帽細胞的發放速率隨氣味濃度升高而成非線性的增加。10?10M的各種氣味足以引發顯著并可重現的大鼠嗅球發放模式的變化（wilcoxon rank sum test，P≤0.05）。當氣味濃度高于一定值（各種氣味并不相同，如香芹酮為10?8M，乙酸異戊酯為10?6M），這種變化會減小。為方便起見，在后續的研究中，刺激氣味的濃度固定在10?5M。

本文使用Wilcoxon rank sum test來檢測僧帽細胞的發放在氣味刺激下是否發生了顯著性變化。在47只麻醉大鼠中，發現超過70％記錄到僧帽細胞至少對一種氣味產生響應。但是只有4％的僧帽細胞對超過4種氣味產生響應。這可能是由嗅小球層上特定的嗅覺圖譜決定［10］。其余不響應的細胞在后續的分析中被舍棄了。圖4顯示了3個典型的僧帽細胞在5種氣味刺激下的刺激前后時間直方圖（bin為大鼠一個呼吸周期，約580 ms），劃線為刺激開始的時間。圖中，cell #3能被苯甲醚、異丁醇和乙酸異戊酯激活，而cell #4和cell #5則對其他氣味有響應。一般來說，一個僧帽細胞會對多種氣味產生響應，但是響應的方式并不相同。本文能夠同時觀察到僧帽細胞的興奮性響應和抑制性響應。59％的僧帽細胞在氣味刺激后，發放速率明顯增加，數量約是發放速率減少的細胞的兩倍。各種氣味引發的兩種響應的比例也有較大的區別，這種區別是用于區別不同刺激物的重要特征。

圖3 僧帽細胞對不同濃度氣味刺激的響應

本文使用Wilcoxon rank sum test來檢測僧帽細胞的發放在氣味刺激下是否發生了顯著性變化。在47只麻醉大鼠中，發現超過70％記錄到僧帽細胞至少對一種氣味產生響應。但是只有4％的僧帽細胞對超過4種氣味產生響應。這可能是由嗅小球層上特定的嗅覺圖譜決定的［10］。其余不響應的細胞在后續的分析中被舍棄了。圖4顯示了3個典型的僧帽細胞在5種氣味刺激下的刺激前后時間直方圖（bin為大鼠一個呼吸周期，約580ms），劃線為刺激開始的時間。圖中，cell #3能被苯甲醚、異丁醇和乙酸異戊酯激活，而cell #4和cell #5則對其他氣味有響應。一般來說，一個僧帽細胞會對多種氣味產生響應，但是響應的方式并不相同。本文能夠同時觀察到僧帽細胞的興奮性響應和抑制性響應。59％的僧帽細胞在氣味刺激后，發放速率明顯增加，數量約是發放速率減少的細胞的兩倍。各種氣味引發的兩種響應的比例也有較大區別，這種區別是用于區別不同刺激物的重要特征。

圖4 僧帽細胞對不同氣味刺激的特異性響應

3.2 基于嗅覺解碼的氣味識別

人的大腦是如何工作的是神經科學研究的核心問題。在受到外界刺激之后，神經編碼往往被認為是基于特定子群體的神經細胞改變其發放模式。其中，發放速率的變化是最容易檢測和定量的。基于發放速率變化的神經解碼算法也得到了廣泛的應用。

本文也使用了速率解碼算法對不同刺激物進行分類。定義了兩個特征向量為：

F1=xn（k）-rn（k）

F2=xn（k）/rn（k）

式中，xn（k）是細胞n在第k輪刺激時的平均發放速率；rn（k）是第k輪刺激前的基礎發放速率；特征向量F1和F2在解碼時單獨使用，以此評判各自的解碼效果。在嗅覺解碼過程中，隨機選擇N個細胞（N=1～10）用于氣味分類。這種隨機選擇至少重復10次。本文將每種氣味的前15輪刺激得到的信號作為訓練樣本，后5輪刺激得到的信號作為測試樣本，使用支持向量機（SVM）對氣味進行識別。圖5a和圖5b分別顯示了3只大鼠使用兩種特征向量時，選取不同數量解碼細胞時的最佳分類效果。分類準確率隨解碼細胞的增加而增加。3只大鼠的最佳氣味分類結果分別為68％、64％、72％（F1）和76％、72％，84％（F2）。F1的解碼效果較差，可能是由于僧帽細胞的基礎發放速率范圍過大（0.2～46Hz）。在發放速率歸一化的過程中，除法的效果要好于減法。這種算法已經能夠實現實時的氣味識別。但是即使是F2的氣味識別率依然不能讓人滿意。

這種算法主要利用了僧帽細胞群落的空間信息。表達相同受體的嗅覺受體神經元會投射到嗅球上的同一個嗅小球。因此單種氣味會激活嗅球的特定區域。兩種方法可以顯著提高氣味識別的正確率。其一是增加解碼細胞的數量。文獻［11］開發了一種128通道記錄的嗅覺解碼算法，其平均氣味識別準確率達到了93.4％。第二種方法是增加其他的特征向量，如時間信息。在過去的研究中使用一種基于群矢量算法的氣味識別方式，其最高正確率達到95％［12］。但是這些方法都會增加解碼算法的復雜度，提高實時氣味分類的難度。因此如何在不增加解碼算法復雜度的前提下提高氣味分類是后續研究的主要內容。

圖5 使用嗅覺解碼算法對氣味進行識別

4 結論

本文研究了一種基于腦-機接口和嗅覺解碼的仿生氣味探測系統。該方法利用哺乳動物嗅覺系統中的嗅球作為氣味信息的生物傳感單元，采用植入微電極陣列傳感器的手段記錄并解讀在氣味刺激下的嗅球神經響應信號，初步實現了氣味識別。利用在體生物嗅覺系統對于氣味識別特有的高特異性和高靈敏性可以構造出更具有吸引力的新一代生物電子鼻。另一方面，由于生物系統的不穩定性以及氣味響應信號的解碼仍面臨著一定的難度，該氣味探測系統仍需要進一步的探索和改進，以實現氣味更準確、更有效地識別。

［1］POLING A，WEETJENS B，COX C，et al.Tuberculosis detection by giant african pouched rats［J］.Behavior Analyst，2011，34：47-54.

［2］BUCK L，AXEL R.A novel multigene family may encode odorant receptors—a molecular-basis for odor recognition ［J］.Cell，1991，65：175-187.

［3］LIU Q，HU N，ZHANG F，et al.Olfactory epithelium biosensor：Odor discrimination of receptor neurons from a bio-hybrid sensing system［J］.Biomedical Microdevices，2012，14：1055-1061.

［4］LEBEDEV M A，NICOLELIS M A L.Brain-machine interfaces：Past，present and future［J］.Trends in Neurosciences，2006，29：536-546.

［5］LAWHERN V，HATSOPOULOS N G，WU W.Coupling time decoding and trajectory decoding using a targetincluded model in the motor cortex［J］.Neurocomputing，2012，82：117-126.

［6］SHIPLEY M T，ENNIS M.Functional organization of olfactory system［J］.Journal of Neurobiology，1996，30：123-176.

［7］BATHELLIER B，BUHL D L，ACCOLLA R，et al.Dynamic ensemble odor coding in the mammalian olfactory bulb：Sensory information at different timescales［J］.Neuron，2008，57：586-598.

［8］BRUNJES P C，ILLIG K R，MEYER E A.A field guide to the anterior olfactory nucleus（cortex）［J］.Brain Research Reviews，2005，50：305-335.

［9］COMETTO-MUNIZ J E，CAIN W S，Abraham M H，et al.Concentration-detection functions for the odor of homologous n-acetate esters［J］.Physiology ＆Behavior 2008，95：658-667.

［10］DAVISON I G，KATZ L C.Sparse and selective odor coding by mitral/tufted neurons in the main olfactory bulb［J］.Journal of Neuroscience，2007，27：2091-2101.

［11］YOU K J，HAM H G，LEE H J，et al.Odor discrimination using neural decoding of the main olfactory bulb in rats［J］.IEEE Transactions on Biomedical Engineering，2011，58：1208-1215.

［12］DONG Q，DU L，ZHUANG L，et al.A novel bioelectronic nose based on brain-machine interface using implanted electrode recording in vivo in olfactory bulb［J］.Biosensors and Bioelectronics，2013，49：263-269.

編輯 黃 莘

Biomimetic Olfactory Sensing System Based on Brain-Machine Interface and Olfactory Decoding

DONG Qi，QIN Zhen，HU Liang，ZHUANG Liu-jing，ZHANG Bin，and WANG Ping
（Biosensor National Special Laboratory，Key Laboratory of Biomedical Engineering of National Education Ministry，Department of Biomedical Engineering，Zhejiang University Hangzhou 310027）

Mammalian olfactory systems have merits of higher sensitivity，selectivity and faster response than current electronic nose systems based on chemical sensor array in odor recognition.The purpose of this study is to develop a biomimetic olfactory sensing system based on brain-machine interface technology for odor detection in vivo electrophysiological measurements of olfactory bulb.In this work，extracellular potentials of mitral/tufted cells in olfactory bulb were recorded by implanted 16-channel microwire electrode arrays.The odor-evoked response signals were analyzed.We found that neural activities of different neurons showed visible different firing patterns in both temporal features and rate features when stimulated by different small molecular odorants.Odors were classified by an algorithm based on population vector similarity and support vector machine.The results suggest that the novel bioelectonic nose is sensitive to odorant stimuli.With the development of BMI and olfactory decoding methods，we believe that this system will represent emerging and promising platforms for wide applications in medical diagnosis and security fields.

brain-machine interface；odor discrimination；olfactory bulb；olfactory decoding

TP212.3

A

10.3969/j.issn.1001-0548.2015.05.026

2013-12-21；

2014-10-17

國家自然科學基金（61320106002）；高校博士點基金（20120101130011）

董琪（1986-），男，博士，主要從事嗅覺信號分析和嗅覺解碼方面的研究.