運動想象腦-機接口新進展與發(fā)展趨勢

趙 欣 陳志堂 王 坤 王仲朋 周 鵬 綦宏志

(天津大學(xué)精密儀器與光電子工程學(xué)院生物醫(yī)學(xué)工程系，天津 300072)

引言

腦-機接口(brain-computer interface, BCI)是一個通過檢測中樞神經(jīng)系統(tǒng)活動、并將其轉(zhuǎn)化為人工輸出的系統(tǒng)，它能夠替代、修復(fù)、增強、補充或者改善中樞神經(jīng)系統(tǒng)的正常輸出，從而改變中樞神經(jīng)系統(tǒng)與內(nèi)外環(huán)境之間的交互作用[1]。得益于BCI技術(shù)的優(yōu)勢，對于思維正常但患有神經(jīng)肌肉疾病或嚴(yán)重殘疾的患者，可以重新獲得運動或與環(huán)境交流的能力，提高生活質(zhì)量；對于健康人群來說，BCI技術(shù)可以帶來前所未有的感官體驗，有助于其提高注意力或提供更多的控制手段。因此，BCI技術(shù)在醫(yī)療康復(fù)、娛樂學(xué)習(xí)、軍事應(yīng)用等領(lǐng)域具有重要的應(yīng)用前景。目前，主流的BCI范式包括基于P300電位、穩(wěn)態(tài)視覺誘發(fā)電位(steady-state visual evoked potentials, SSVEP)和運動想象(motor imagery, MI)的BCI系統(tǒng)。前兩種范式屬于反應(yīng)式BCI，其解碼的誘發(fā)腦電信號，是大腦對外部刺激條件產(chǎn)生特定的響應(yīng)；而MI-BCI是主動式BCI，輸出的控制信號反映大腦的隨意性活動，不依賴于外部事件，與人的運動意圖密切相關(guān)。反應(yīng)式BCI最大的優(yōu)勢在于信號穩(wěn)定，無需使用者進行專門的訓(xùn)練，可操作性強，大大拓展了BCI系統(tǒng)的適用范圍。然而，反應(yīng)式BCI不受使用者本身直接調(diào)制，不僅需要依賴于外部刺激，而且需要使用者集中注意力，無法實現(xiàn)真正意義上的“所思即所動”。MI-BCI作為主動式BCI最為常用的范式，由于其不需要外部刺激，更能反映使用者自主的意圖，因而得到研究者們的廣泛關(guān)注。

人的運動具有復(fù)雜性，包括簡單的移位和高級活動(如語言、繪畫等)，都是在以神經(jīng)系統(tǒng)支配下肌肉收縮而實現(xiàn)的。MI是一種主觀運動意圖，無需外界條件刺激和明顯的動作輸出就能誘發(fā)大腦感覺運動皮層的特定響應(yīng)。目前，腦電(electroencephalography, EEG)常用于記錄大腦活動。對于EEG而言，MI能誘發(fā)大腦初級運動區(qū)mu節(jié)律和beta節(jié)律的事件相關(guān)去同步/同步現(xiàn)象(event-related desynchronization/synchronization, ERD/ERS)，即某些特定頻率成分的能量衰減或增強；通過解析不同特征變化所對應(yīng)的MI任務(wù)，了解用戶真正運動意圖，因此MI可作為一種BCI系統(tǒng)的控制策略。

MI-BCI系統(tǒng)發(fā)展至今，其應(yīng)用場景非常廣泛，不僅可以實現(xiàn)日常的交流與自主控制，如字符拼寫[2]、計算機光標(biāo)控制[3]、假肢、機械臂和輪椅[4-5]等，而且更重要的是其在中風(fēng)康復(fù)領(lǐng)域的臨床應(yīng)用。中風(fēng)康復(fù)治療的神經(jīng)生理學(xué)機制是中樞神經(jīng)系統(tǒng)的可塑性，學(xué)習(xí)訓(xùn)練過程中的重復(fù)性反饋刺激可以使神經(jīng)元突觸之間的聯(lián)系加強，進而在大腦皮層上逐步實現(xiàn)修復(fù)、代償和重建等康復(fù)效應(yīng)。MI能夠通過募集和強化未受損神經(jīng)元的活性來促進受損腦區(qū)和神經(jīng)通路的重組，由于其要求使用者主動參與，相對于被動式的刺激，主動參與帶來的中樞神經(jīng)系統(tǒng)可塑性的誘導(dǎo)效應(yīng)更強[6]。2011年，Caria等首次從臨床和神經(jīng)影像學(xué)兩方面驗證了MI-BCI的康復(fù)效果，其結(jié)果呈現(xiàn)了大腦可塑性功能恢復(fù)的證據(jù)[7]。在2016年的一篇綜述中，Remsik等回顧了17個獨立的MI-BCI中風(fēng)康復(fù)治療研究，其中有16個研究都產(chǎn)生了明顯的治療效果[8]；同樣地，國內(nèi)也有多個研究組陸續(xù)開展這方面的研究，如李明芬等報道了MI-BCI系統(tǒng)對腦卒中患者上肢運動功能的影響，以及劉小燮等研究了該系統(tǒng)對腦卒中大腦可塑性的影響等[9-10]；筆者所在團隊研發(fā)的MI-BCI-FES“神工”系統(tǒng)，在多例中風(fēng)患者中取得了良好的康復(fù)效果。眾多的研究表明，MI在神經(jīng)康復(fù)治療方面的巨大潛力和優(yōu)勢。

然而，盡管MI-BCI已經(jīng)發(fā)展多年，但其仍面臨著許多問題和挑戰(zhàn)。主要包括以下幾個方面：一是誘發(fā)生理信號空間分辨率低。由于腦電信噪比低、容易受到干擾等特性導(dǎo)致了基于EEG信號的MI任務(wù)辨識精度不足，這不僅無法實現(xiàn)精確控制，而且還導(dǎo)致輸出指令集有限、與實際動作不一致的困境，限制了MI-BCI的應(yīng)用范圍。二是用戶訓(xùn)練時間長。由于MI誘發(fā)腦電信號個體差異性大，難以建立有效的通用模型，目前的MI-BCI系統(tǒng)需要用戶經(jīng)過不同程度的訓(xùn)練才能熟練使用。三是異步MI-BCI系統(tǒng)難以有效實現(xiàn)。BCI系統(tǒng)根據(jù)操作方式的不同可分為同步和異步。同步系統(tǒng)則要求被試根據(jù)外部提示執(zhí)行任務(wù)，相反的異步系統(tǒng)則不需要被試按照提示執(zhí)行任務(wù)，可根據(jù)使用者自身意愿執(zhí)行任意任務(wù)，真正做到心隨意動。

筆者簡要闡述了MI相關(guān)腦機制的研究，然后就目前MI-BCI系統(tǒng)研究存在的問題討論其解決方案及研究現(xiàn)狀，最后介紹其相關(guān)應(yīng)用并展望其未來發(fā)展趨勢，共同促進MI-BCI的深入研究與開發(fā)應(yīng)用。

1 MI相關(guān)腦機制的研究

MI在臨床和神經(jīng)科學(xué)研究中發(fā)揮著重要作用。多年來，腦成像技術(shù)已被廣泛用于深入研究MI和運動執(zhí)行(motor execution, ME)的神經(jīng)元表征，眾多的研究表明，MI和ME激活了類似的腦區(qū)，例如輔助運動區(qū)(supplementary motor area, SMA)和下頂葉的主運動皮層(primary motor cortex, M1)等[11-12]。最近，人們越來越關(guān)注激活的大腦區(qū)域之間的有效連接。Kasess等通過動態(tài)因果模型測量SMA和M1之間有效連接性，結(jié)果顯示在MI條件下SMA對M1具有強烈的抑制作用[13]。2011年，Gao等通過條件格蘭杰因果檢驗和圖論的方法探索MI和ME激活的重疊核心腦區(qū)之間的有效連接網(wǎng)絡(luò)，研究結(jié)果可能表明ME和MI之間的因果網(wǎng)絡(luò)轉(zhuǎn)換。同時ME期間比MI具有更多的因果關(guān)系說明ME網(wǎng)絡(luò)可能具有一些額外的連接以執(zhí)行明顯的物理運動[14]。

心理測量、神經(jīng)解剖學(xué)和神經(jīng)生理學(xué)特征被相繼提出用于研究與基于感覺運動節(jié)律(sensorimotor rhythm, SMR)的BCI系統(tǒng)性能變化相關(guān)的神經(jīng)機制。Hammer等計算了SMR-BCI的在線分類正確率與各種心理測試的相關(guān)性，包括視覺-運動協(xié)調(diào)、注意力跨度和智力等，研究結(jié)果表明，視覺-運動協(xié)調(diào)能力和專注力都與系統(tǒng)的分類正確率呈顯著正相關(guān)[15]。隨后，Halder等研究了白質(zhì)結(jié)構(gòu)與SMR-BCI性能之間關(guān)系，結(jié)果表明，深部白質(zhì)結(jié)構(gòu)的完整性和髓鞘質(zhì)量均與性能呈正相關(guān)[16]。眾多的研究表明，SMR-BCI的性能與靜息狀態(tài)時SMR的幅值有關(guān)[17-18]，盡管SMR-BCI個體間性能差異的神經(jīng)機制還不清楚，但是尋找可靠的生物標(biāo)記物來預(yù)測SMR-BCI的性能具有重要價值。2015年，Zhang等研究發(fā)現(xiàn)，從C3導(dǎo)聯(lián)獲得的閉眼靜息狀態(tài)的EEG頻譜熵與SMR-BCI性能具有高度相關(guān)性，因此可作為生物標(biāo)志物預(yù)測被試的表現(xiàn)[19]；同年，該團隊進一步通過靜息狀態(tài)EEG研究離線MI-BCI的性能變化，結(jié)果表明，平均功能連通性、節(jié)度點、邊緣強度、聚類系數(shù)、局部效率和全局效率與MI分類精度正相關(guān)，而特征路徑長度與MI分類精度負(fù)相關(guān)，說明了有效的EEG網(wǎng)絡(luò)背景可以促進MI-BCI性能，同時揭示了MI-BCI的網(wǎng)絡(luò)機制，可能有助于找到改善MI-BCI表現(xiàn)的新策略[20]。

最近的一項研究中，Gong等首次采用彌散核磁共振成像技術(shù)(magnetic resonance imaging, MRI)對MI誘發(fā)的ERD結(jié)構(gòu)特征進行研究，研究結(jié)果表明，白質(zhì)回路的特征，包括主軀體感覺皮層上的白質(zhì)連接強度和位置對ERD均有顯著影響，同時，基底核與主軀體感覺皮層之間白質(zhì)連接的回溝比與ERD呈正相關(guān)。該研究提供了人腦結(jié)構(gòu)和動態(tài)生理特征之間的耦合機制，有助于理解MI-BCI中個體性能的差異性[21]。

總的來說，MI相關(guān)腦機制的研究有助于進一步了解大腦在執(zhí)行MI任務(wù)時的工作原理，為改善MI-BCI的系統(tǒng)性能提供生理學(xué)依據(jù)。未來更深入研究的腦機制有望推動腦科學(xué)的發(fā)展。

2 MI-BCI問題解決方案的研究狀況

MI-BCI系統(tǒng)通過檢測并量化用戶運動意圖的大腦信號，并將其轉(zhuǎn)化為輸出控制指令，實現(xiàn)用戶的控制目的[22]。其系統(tǒng)通常包括信號采集、信號處理和輸出設(shè)備三部分。為了提高MI-BCI系統(tǒng)的整體性能，包括輸出指令集、識別正確率、普適性等，研究人員從信號采集和處理等方面開展了大量研究工作。本節(jié)分別從高密度與植入性電極陣列信號采集、信號處理算法優(yōu)化和MI-BCI范式的創(chuàng)新等方面進行闡述。

2.1 高密度與植入性電極陣列信號采集

為了解決腦電信號空間分辨率低的問題，研究者們在原有導(dǎo)聯(lián)的基礎(chǔ)上，探究了高密度電極采集信號的可行性，旨在獲取足夠的腦電信息用于解碼用戶的真正意圖。高密度電極包括無創(chuàng)和有創(chuàng)兩種，其采集的分別是大腦頭皮的EEG信號和大腦皮層的電信號(electrocorticographic, ECoG)。目前，實驗室研究腦電活動通常使用國際標(biāo)準(zhǔn)的64導(dǎo)聯(lián)系統(tǒng)[23]，由于其記錄的腦電信號有限，近年來多通道EEG硬件系統(tǒng)的進步使得高密度導(dǎo)聯(lián)的研究得到廣泛關(guān)注，高密度的EEG信號采集有利于識別腦電信號的顱內(nèi)信號源，實現(xiàn)更準(zhǔn)確的信息解碼。

Joseph等通過采集264導(dǎo)EEG信號，并結(jié)合獨立成分分析(independent component analysis, ICA)對5名被試的同側(cè)膝蓋和腳踝動作進行區(qū)分，研究表明，結(jié)合高密度腦電信號的ICA混合模型能有效識別同側(cè)腦半球內(nèi)控制不同肢體的運動任務(wù)，說明相比于傳統(tǒng)導(dǎo)聯(lián)采集，高密度采集包含更多有用的信息幫助研究者更好地了解用戶意圖[24]。類似地，128、256導(dǎo)聯(lián)腦電采集分別被用于評估不同神經(jīng)反饋訓(xùn)練的效果和不同任務(wù)下的大腦激活情況，研究結(jié)果均表明了高密度腦電信號的潛在優(yōu)勢[25-26]。

除了無創(chuàng)的高密度電極采集之外，在過去的10年中，越來越多的研究探索了植入性高密度電極陣列的使用，其采集的ECoG信號是通過將電極陣列放置于顱骨或硬膜下方，而不是在大腦軟細(xì)胞組織中獲得的。相比于從頭皮(EEG)和細(xì)胞組織單個神經(jīng)元記錄獲得的信號，ECoG具有高空間分辨率、高信號保真度、抗噪聲強等特性。從表現(xiàn)和臨床角度來看，ECoG最大限度地減少了傳統(tǒng)無創(chuàng)和侵入式信號采集技術(shù)的局限性。基于EEG的BCI系統(tǒng)雖然得到廣泛應(yīng)用，但通常需要用戶大量的訓(xùn)練，并且其性能往往不可靠；基于局部場電位的BCI系統(tǒng)雖然可以實現(xiàn)高水平的多維控制，但是仍然存在著皮層內(nèi)電極長期功能穩(wěn)定性的問題。盡管ECoG具有較強的優(yōu)勢，但是安置電極陣列仍需進行顱內(nèi)手術(shù)，因此基于ECoG在人類身上研究的經(jīng)驗非常有限，到目前為止，大多數(shù)的人類研究主要集中在難治性的癲癇患者身上。2004年，Leuthardt等首次報道了基于ECoG的BCI在線研究。4名被試使用不同的實際或MI任務(wù)來控制一維光標(biāo)移動到目標(biāo)地點。研究結(jié)果表明，ECoG在用戶訓(xùn)練很少的情況下可以支持準(zhǔn)確的BCI操作。此外，該項研究還提供了初步的證據(jù)首次證明了ECoG信號中包含有關(guān)手部運動方向的信息，為準(zhǔn)確推斷出運動功能的具體細(xì)節(jié)提供依據(jù)[27]。隨后，Demirer等在前人研究的基礎(chǔ)上，提出了一種基于多維度Hilbert-SVM的混合方法，除了分類策略上有所變化外，該研究還提出了動態(tài)導(dǎo)聯(lián)選擇的方法，使得導(dǎo)聯(lián)的信息能被有效利用。結(jié)果顯示同樣的左手小指和舌頭MI任務(wù)，其識別正確率最高可達到95%[28]。以上研究表明，植入性高密度電極陣列采集的ECoG信號包含更精細(xì)的反映用戶意圖的信息。

植入性電極陣列有效提高信號質(zhì)量的同時，Blakely等發(fā)現(xiàn)用戶在具有固定參數(shù)的ECoG-BCI系統(tǒng)中5天內(nèi)均表現(xiàn)良好，由此證實了ECoG特征的穩(wěn)定性[29]。越來越多的ECoG-BCI在實際控制中得到應(yīng)用，Schalk等首次報道了ECoG-BCI的二維控制研究，而EEG-BCI達到同等的效果通常需要更多的訓(xùn)練[30]。除了運動控制外，包括字符選擇[31]、矩陣拼寫器[32]等目標(biāo)選擇任務(wù)，相比于EEG-BCI[33]，ECoG-BCI均表現(xiàn)出優(yōu)異的性能。最近的幾項研究中，Chestek等表明ECoG含有足夠的信息來解碼手部復(fù)雜運動，包括手勢和不同手指運動[34]。隨后Kapeller等通過MI任務(wù)控制機器人成功拿起罐子，達到了95.4%的正確率[35]。這些結(jié)果將有利于中風(fēng)患者抓握功能的精確恢復(fù)。ECoG-BCI在肢體障礙患者與計算機、機械臂等交互方面顯示了巨大的成功，因此在受到了廣泛關(guān)注的同時還有許多機構(gòu)將其作為增強人類大腦功能的技術(shù)手段進行研究。然而，由于電極植入大腦后的最佳性能和不可預(yù)見的副作用尚未得到充分驗證，因此在應(yīng)用過程中仍需保持謹(jǐn)慎的態(tài)度。

歸納以上研究結(jié)果可知，不論是無創(chuàng)的高密度導(dǎo)聯(lián)采集系統(tǒng)還是植入性電極陣列，均能有效提高MI-BCI的空間分辨率，對促進MI-BCI的發(fā)展具有潛在的優(yōu)勢。同時由于不便攜和有創(chuàng)等局限，未來仍需大量的實驗對系統(tǒng)的完善和評估等工作進行研究。

2.2 信號處理算法的優(yōu)化

除了從信號采集方式上提高信號的信噪比外，科學(xué)家們對信號處理算法的優(yōu)化也做出了大量的研究工作。信號處理是MI-BCI系統(tǒng)中重要的環(huán)節(jié)，主要包括特征提取和分類算法的設(shè)計。對于MI任務(wù)下頻域和空間信息特征的提取，常用的方法包括譜分析、自回歸[36]和共空間模式(common spatial pattern, CSP)[37]以及源重建等。CSP算法在提高MI分類性能中得到廣泛應(yīng)用，盡管該算法能使不同MI任務(wù)的信號差異最大化，從而提取可分的特征，但其很大程度上取決于濾波頻帶的選擇，而被試的個體差異性導(dǎo)致了最優(yōu)頻帶的選擇面臨很大的困難。最近的一項研究中，Zhang等介紹了一種新的方法，該方法在CSP基礎(chǔ)上引入了稀疏貝葉斯學(xué)習(xí)算法用于有效特征的選擇，實驗結(jié)果表明了該方法的有效性，有望開發(fā)出有效的分類器改善MI分類性能[38]。運用最新發(fā)展的EEG源成像技術(shù)，許多關(guān)于提高運動相關(guān)節(jié)律空間分辨率的研究被相繼報道。Han等采用頻域中最小范數(shù)估計的方法對運動相關(guān)的皮質(zhì)節(jié)律調(diào)制進行源分析，實現(xiàn)了對光標(biāo)可靠的一維控制[39]。最近一項研究中，Bradley等應(yīng)用擴展的EEG源成像技術(shù)對右手四個復(fù)雜的MI任務(wù)進行識別。研究結(jié)果表明，相比于傳統(tǒng)的方法，總體識別率提高了12.7%。進一步說明了EEG源成像技術(shù)能夠提高BCI解碼復(fù)雜右手運動想象的性能，促進無創(chuàng)BCI的廣泛使用[40]。

MI-BCI系統(tǒng)中常見的分類算法包括線性判別分析(linear discriminant analysis, LDA)、支持向量機(support vector machine, SVM)、人工神經(jīng)網(wǎng)絡(luò)(artificial neural networks, ANNs)和模糊系統(tǒng)[41]等，其中LDA和ANNs是應(yīng)用最廣泛的[42]。2009年，Lei等提出了一種經(jīng)驗貝葉斯線性判別方法，能夠同時融合神經(jīng)生理和實驗中有用的先驗信息，結(jié)果表明，該方法比傳統(tǒng)的LDA和SVM均具有較優(yōu)的正確率和魯棒性[43]。過去十幾年，研究人員分析了不同類型的ANNs，在不同ANNs的架構(gòu)中，最常用的架構(gòu)是多層感知器(multilayer perceptron, MLP)。這種MLP具有近似任何函數(shù)的能力，然而當(dāng)設(shè)計高噪聲水平的EEG信號時，可能會導(dǎo)致過度擬合的問題[44]。最近的一項研究中，Hettiarachchi等研究了功能鏈神經(jīng)網(wǎng)絡(luò)作為MI-BCI應(yīng)用多類分類器的適用情況，結(jié)果表明，該方法不僅能有效彌補MLP的缺陷，而且與各分類器相比表現(xiàn)出最佳性能，可用于實時MI-BCI控制[45]。近年來，深度學(xué)習(xí)分類器越來越受歡迎。深度學(xué)習(xí)是指多層組成的人工神經(jīng)網(wǎng)絡(luò)(deep artificial neural network, DNN)。DNN通過增加計算能力和學(xué)習(xí)算法，可以執(zhí)行非常復(fù)雜的非線性變換分類，達到了前所未有的復(fù)雜分類結(jié)果[46]。2018年，Chiarelli等將EEG-fNIRS混合范式與最新的深度學(xué)習(xí)算法相結(jié)合，評估了多模態(tài)記錄中DNN分類算法的準(zhǔn)確率。結(jié)果表明，結(jié)合先進的非線性DNN分類程序，可以顯著改善BCI的性能[47]。

由于傳統(tǒng)的信號處理算法需要大量的數(shù)據(jù)用于訓(xùn)練分類器，因此MI-BCI需要較長的時間來記錄足夠的數(shù)據(jù)，導(dǎo)致其效率低下，容易引起疲勞。為了解決這個問題，研究人員嘗試從其他用戶的數(shù)據(jù)中提取有用的特征，以縮短當(dāng)前用戶的數(shù)據(jù)采集時間。2018年，Jiao等提出了一種新穎的稀疏群表征模型，通過跨被試信息來提高MI-BCI的效率，結(jié)果表明能有效減少目標(biāo)用戶所需的訓(xùn)練樣本[48]。同年，Hossain等設(shè)計了一種信息和直接遷移學(xué)習(xí)方法的最佳組合，顯著地減少了新用戶訓(xùn)練數(shù)據(jù)的需求[49]。同樣地，Dai等通過直接匹配新用戶和其他用戶的特征分布來學(xué)習(xí)一個域不變內(nèi)核，提出一種遷移內(nèi)核CSP算法。結(jié)果表明，相比于其他算法，該方法能顯著提高BCI系統(tǒng)的工作效率，特別是在訓(xùn)練數(shù)據(jù)較少的情況下[50]。

從以上研究發(fā)現(xiàn)，信號處理算法的優(yōu)化不僅能有效地提高頭皮腦電的空間分辨率，而且能縮短用戶訓(xùn)練時間，為MI-BCI系統(tǒng)中更高效、更復(fù)雜的運動意圖識別提供可行的解決方案。未來隨著計算機硬件技術(shù)的發(fā)展、計算機運算能力的提升，更多算法研究將得到廣泛應(yīng)用。

2.3 混合范式的創(chuàng)新

除了在信號采集和信號處理方面的探索，研究者們開始對范式的設(shè)計進行不斷創(chuàng)新。直到2010年，混合范式的出現(xiàn)引起了人們極大的關(guān)注，混合BCI范式通過結(jié)合兩種(兩種以上)的信號或同一信號的兩種特征實現(xiàn)比單一BCI范式更優(yōu)異的性能[51]。EEG由于便攜和時間分辨率高而被廣泛地與其他模式信號結(jié)合使用，例如功能性近紅外光譜(functional near infrared spectroscopy, fNIRS)、肌電(electromyography, EMG)、眼電(electrooculography, EOG)等。Fazli等首次證明，EEG-NIRS的混合范式能有效提高MI任務(wù)的識別正確率[52]。Blokland等在隨后的研究中也證明，該混合范式能精確解碼運動意圖[53]。類似的研究還包括EEG-EMG[54]以及EEG-EOG[55]組合的混合范式，研究結(jié)果均證明了混合范式能有效提高傳統(tǒng)BCI的性能，有望促進BCI系統(tǒng)的發(fā)展。

混合范式的主要目的包含兩個：增加控制指令的數(shù)量和提高BCI的分類精度。除了不同信號的融合外，同一信號的不同特征融合也被廣泛研究，本節(jié)以MI為基礎(chǔ)，闡述了MI特征與其他EEG特征融合的研究現(xiàn)狀。目前主要的研究集中在MI與視覺誘發(fā)的大腦響應(yīng)之間的融合，即MI-SSVEP和MI-P300。相關(guān)研究指出，MI-SSVEP不僅能有效降低控制機械臂抓握的假陽率[56]，準(zhǔn)確控制輪椅的運動與速度[57]，而且能幫助脊柱損傷患者通過BCI系統(tǒng)精準(zhǔn)控制脊柱假肢完成相應(yīng)動作[58]。盡管只有少數(shù)關(guān)于MI-SSVEP的研究出現(xiàn)，但他們已經(jīng)成功地證明了該混合范式在控制應(yīng)用和康復(fù)訓(xùn)練領(lǐng)域的巨大優(yōu)勢。相比于MI-SSVEP，MI-P300的混合范式已經(jīng)被廣泛設(shè)計用于現(xiàn)實生活中。Li等將MI-P300應(yīng)用于屏幕上光標(biāo)二維移動的控制，平均正確率達到了90.75%[59]；Long等在此基礎(chǔ)上添加了目標(biāo)選擇或拒絕的功能，實現(xiàn)了多功能的準(zhǔn)確控制[60]。Bhattacharyya等則采用這種混合范式幫助患者控制機器人手臂運動，實現(xiàn)更優(yōu)異的康復(fù)效果[61]。

從上述研究不難看出，MI-SSVEP或MI-P300在提高識別正確率和拓展指令集等方面具有顯著的效果，然而混合范式引入的視覺刺激，不僅容易引起視覺疲勞和注意資源的競爭，而且不適用于眼動障礙患者。因此，研究者們致力于探索更優(yōu)的解決方案。過去十幾年，運動起始視覺誘發(fā)電位(motion-onset visual evoked potential, mVEP)在人體運動處理的基礎(chǔ)研究中得到廣泛研究[62]，然而并未在BCI研究中得到應(yīng)用，相比其他視覺刺激誘發(fā)電位，mVEP具有較低的個體差異性和較大的幅值，對視覺刺激的對比度和亮度不敏感，在2%的對比度和0.003 cd·m-2的低亮度下足以引起顯著的mVEP，因此Brunner等認(rèn)為該電位似乎是BCI應(yīng)用中最有希望的信號[63]。2008年，Guo等首次研究了mVEP在BCI中的應(yīng)用，實驗結(jié)果表明，基于mVEP的BCI系統(tǒng)能夠在在線控制中實現(xiàn)高信息傳輸率[64]。最近的一項研究中，Ma等通過融合MI和mVEP的混合BCI系統(tǒng)，以更舒適的模式實現(xiàn)了對光標(biāo)更自然和更有效的控制[65]。盡管mVEP能夠緩解其他視覺刺激引起的視覺疲勞，然而MI作為一種主動式BCI范式，額外引入的視覺刺激要求用戶同時執(zhí)行兩種任務(wù)，導(dǎo)致用戶操作困難。

近些年來，穩(wěn)態(tài)體感誘發(fā)電位(steady-state somatosensory evoked potential，SSSEP)被提出來，該電位通過施加在身體皮膚表面的體感刺激誘發(fā)，注意力的轉(zhuǎn)移會對這種電位產(chǎn)生調(diào)制作用，從而建立起基于SSSEP的BCI系統(tǒng)[66]。研究表明，有體感刺激的SSSEP-BCI或無體感刺激的SSSEP-BCI均與MI-BCI具有相當(dāng)?shù)男阅躘67]，因此新型的MI-SSSEP混合范式被提出來[68]。Ahn等的研究表明，相比于傳統(tǒng)的MI-BCI，混合范式對左右手MI任務(wù)的識別正確率提高了約10%[69]。同年，Yao等也證明了此觀點，該種混合范式具有顯著的優(yōu)異性能[70]。Yi等采用電刺激代替振蕩刺激組成MI-SSSEP混合范式，同樣證明了基于融合特征的識別正確率顯著高于僅使用一種特征的識別正確率[71]。在MI-SSSEP混合范式下，被試進行MI任務(wù)時注意力集中在不同肢體部位，自然引起SSSEP的調(diào)制，因此無需消耗額外的注意力來關(guān)注體感刺激，對于被試來說不增加操作的復(fù)雜度和注意資源的競爭。因此，這種新型混合范式對于完善發(fā)展先進的MI-BCI系統(tǒng)具有潛在的優(yōu)勢。

總的來說，混合范式的創(chuàng)新設(shè)計對于提升當(dāng)前MI-BCI的整體性能均具有重要的意義。未來仍需進一步研究優(yōu)化混合范式系統(tǒng)，以提高系統(tǒng)的穩(wěn)定性和實用性。

2.4 異步BCI的研究

目前，BCI可以分為同步和異步兩種工作模式。在同步BCI中，腦電位的分析和分類僅限于預(yù)定義的固定或可變時間窗口。這種模式迫使用戶需要集中注意力在外界提示刺激上，導(dǎo)致用戶感到不自然，并且喪失了自主權(quán)和與環(huán)境豐富交互的能力。而在異步BCI系統(tǒng)中，用戶不需要外界提示刺激，可隨意進行特定的心理活動。由于BCI系統(tǒng)的最終目標(biāo)是讓用戶通過自主驅(qū)動而非系統(tǒng)驅(qū)動的策略中完全控制自己的外部世界，因此對于異步的研究是非常必要的。盡管異步BCI能提供更大的自主性，但是仍然面臨很大的挑戰(zhàn)[72]。由于系統(tǒng)缺乏對用戶命令精確時間位置的了解，異步BCI需要持續(xù)分析正在進行的大腦活動，以便在任務(wù)控制狀態(tài)和非控制狀態(tài)之間進行分類，其中非控制狀態(tài)可以是任務(wù)狀態(tài)外的任何狀態(tài)，例如空閑、做夢、其他心理活動和不相關(guān)的誘發(fā)反應(yīng)等[73]。

MI-BCI的異步研究作為真正意義上的“隨心所意”，受到了研究者們的廣泛關(guān)注。早在2004年，Townsend等就通過分析左右手MI任務(wù)所記錄的EEG數(shù)據(jù)，模擬連續(xù)分類的異步BCI，雖然實驗結(jié)果不理想，但首次發(fā)現(xiàn)了受試者工作特征(receiver operating characteristics, ROC)曲線用于評估系統(tǒng)性能的局限性[74]。隨后，Sadeghian等首次研究了基于4種不同MI任務(wù)的異步BCI系統(tǒng)，結(jié)果驗證了異步研究的可行性[75]。為了探究MI任務(wù)后的β-ERS能否作為簡單的“大腦開關(guān)”，Pfurtscheller等發(fā)現(xiàn)，腳部MI任務(wù)后的β-ERS是單次試驗中可以檢測到的相對穩(wěn)定和可重復(fù)的現(xiàn)象，這為實現(xiàn)MI-BCI系統(tǒng)的異步控制提供可能的依據(jù)[76]。在近期的一項研究中，異步MI-BCI系統(tǒng)應(yīng)用于控制汽車行駛，結(jié)果表明受試者能按照規(guī)劃的路線成功駕駛車輛[77]。該方法可能為患有運動障礙的人提供補充或替代方式，并為健康人提供輔助駕駛。

從上述研究發(fā)現(xiàn)，由于EEG信號的特性，使得許多大腦活動的分析復(fù)雜化，從而限制了異步BCI的實際應(yīng)用。盡管目前只有少量MI-BCI的異步研究，但其結(jié)果均證明了異步的可行性及有效性。一種允許用戶自我控制的異步BCI系統(tǒng)能為真實世界的人機交互提供更自然的方式，因此未來異步MI-BCI的研究將具有更大的應(yīng)用前景。

3 MI-BCI的應(yīng)用與發(fā)展趨勢

MI-BCI發(fā)展至今，因其在運動控制、神經(jīng)康復(fù)及特種環(huán)境下的智能作業(yè)領(lǐng)域存在著很大的潛在應(yīng)用前景而受到廣泛研究。同時，MI-BCI工作涉及到的神經(jīng)機制與運動功能密切相關(guān)，因此有望在提升用戶腦區(qū)信息處理效率中發(fā)揮重要作用[78]。目前，MI-BCI根據(jù)應(yīng)用場景的不同，可分為控制型和訓(xùn)練型，下面簡要闡述其應(yīng)用及未來發(fā)展趨勢。

3.1 控制型MI-BCI

盡管MI-BCI已經(jīng)發(fā)展多年，但是由于辨識率低，無法對MI發(fā)生部位的精準(zhǔn)定位。大多數(shù)現(xiàn)有的MI控制還僅限于較大肢體部位的識別，如Doud等利用左右手MI任務(wù)控制直升機的左右運動，舌頭和腳部MI任務(wù)控制上升和下降，從而在虛擬環(huán)境中完成直升機的三維控制[79]；Long等使用左右手MI任務(wù)，控制模擬或真實控制輪椅的方向[80]。大肢體部位的MI控制已經(jīng)發(fā)展成熟，然而對于精細(xì)控制的場合，大肢體部位的識別已經(jīng)不再適用，因此精細(xì)運動意圖的識別尤為重要。

許多研究嘗試解碼同一肢體上的精細(xì)運動意圖，建立MI任務(wù)與實際輸出動作的一致性。為了實現(xiàn)更高自由度的MI-BCI系統(tǒng)，識別運動學(xué)相關(guān)的神經(jīng)活動至關(guān)重要。Waldert等報道了基于EEG信號識別手部運動方向的最重要研究[81]。隨后，Zhang等采用溯源分析的方法確定了運動方向的皮層源，為運動參數(shù)的識別提供理論基礎(chǔ)[82]。在速度和力量的MI任務(wù)中，Yuan等發(fā)現(xiàn)ERD特征與手部抓握的速度存在線性相關(guān)[83]，同時，Jochumsen等實現(xiàn)了右腳踝不同速度和力量運動意圖的檢測[84]。除了動力學(xué)參數(shù)外，局部肢體部位運動意圖也被廣泛研究，Nakayashiki等表明手勢變化的時間差異與ERD強度有關(guān)[85]，另外關(guān)于肘部、手腕、手指以及下肢等的MI研究也被相繼報道[86-87]。這些研究充分說明了識別同一肢體運動學(xué)或局部精細(xì)動作運動意圖的可行性。

提供一種高精度、連續(xù)和異步的運動控制交互設(shè)備是未來MI-BCI的研究目標(biāo)。由于基于精細(xì)運動控制的BCI康復(fù)系統(tǒng)也會對用戶的運動恢復(fù)產(chǎn)生重大影響，因此還需要進行大量的研究。總之，現(xiàn)有研究表明，使用非侵入式記錄的腦信號可以實現(xiàn)對外界設(shè)備更精細(xì)和精確的運動控制。通過解決這一領(lǐng)域的各種挑戰(zhàn)和問題，有望擴大BCI的實際應(yīng)用，引起B(yǎng)CI技術(shù)的革新。

3.2 訓(xùn)練型MI-BCI

BCI的發(fā)展初衷是服務(wù)于那些外周運動系統(tǒng)損傷而大腦完好的病人，比如高位截癱患者或者肌肉萎縮性側(cè)面硬化病(amyotrophic lateral sclerosis, ALS)晚期患者。而MI-BCI作為一種主動式BCI，可以直接通過采集中樞神經(jīng)系統(tǒng)功能活動信息構(gòu)成腦-機-腦反饋環(huán)路，是目前中風(fēng)康復(fù)技術(shù)中患者主動度喚醒能力最好的技術(shù)之一。

運動是一種復(fù)雜的活動，因此與運動相關(guān)的神經(jīng)活動不僅存在于對側(cè)腦區(qū)，而且也存在于同側(cè)腦區(qū)。雖然未受損的大腦半球在腦卒中恢復(fù)過程中的作用尚不清楚，但是患側(cè)初級運動皮層被認(rèn)為在運動恢復(fù)中起重要的作用[88]。傳統(tǒng)的基于BCI的運動康復(fù)策略主要針對損傷大腦半球的皮層重組，具體而言，大多數(shù)基于BCI的運動康復(fù)訓(xùn)練系統(tǒng)習(xí)慣上包含患側(cè)感覺運動皮層的神經(jīng)活動解碼。然而，最近的一項研究表明，在中度至重度的腦卒中患者中健側(cè)半球神經(jīng)活動的感覺運動節(jié)律更穩(wěn)定[89]。不同研究方案會導(dǎo)致BCI康復(fù)訓(xùn)練系統(tǒng)對大腦半球健側(cè)或患側(cè)不同的促進作用[90]。訓(xùn)練型MI-BCI主要應(yīng)用于中風(fēng)患者的康復(fù)治療。Mohapp等首次報道了MI-BCI在中風(fēng)病人上的研究[91]。Chung等報道了BCI和神經(jīng)肌肉電刺激耦合的實驗組與僅有神經(jīng)肌肉電刺激的對照組之間，患者在測試中的節(jié)律和步長具有顯著差異[92]；同年，Lee等報道了神經(jīng)反饋訓(xùn)練治療與假性神經(jīng)反饋訓(xùn)練治療相比，患者的速度和步態(tài)節(jié)奏有顯著改善[93]。Woosang等采用結(jié)合FES的MI-BCI系統(tǒng)對一名中風(fēng)患者進行康復(fù)訓(xùn)練后發(fā)現(xiàn)，BCI的準(zhǔn)確性提高到80%以上[94]。最近的一項報道中，Cervera等對用于中風(fēng)康復(fù)訓(xùn)練的BCI系統(tǒng)進行了meta分析。分析表明，基于BCI的神經(jīng)康復(fù)訓(xùn)練系統(tǒng)對上肢運動功能的恢復(fù)具有較大的影響，并且可以比其他常規(guī)療法更多地改善Fugl-Meyer評分。除運動結(jié)果外，許多研究還報告了亞臨床水平的BCI誘導(dǎo)的功能和結(jié)構(gòu)神經(jīng)可塑性，其中一些還與改善的運動結(jié)果相關(guān)[95]。以上研究說明了訓(xùn)練型MI-BCI對于中風(fēng)患者的康復(fù)訓(xùn)練是有效且重要的，能夠促進受損神經(jīng)元的激活，幫助患者恢復(fù)損傷的運動功能。然而仍需更多樣本量更大的研究來提高這些結(jié)果的可靠性。

MI-BCI技術(shù)對于受損運動功能的代償和恢復(fù)具有極其重要的意義，除了結(jié)合FES外，虛擬現(xiàn)實(virtual reality, VR)、機械外骨骼、經(jīng)顱電磁刺激(transcranial electric/magnetic stimulation, TE/DS)以及增強現(xiàn)實(augmented reality, AR)等技術(shù)的發(fā)展也為MI-BCI的訓(xùn)練系統(tǒng)設(shè)計提供更多的組合方案，未來新型組合方式可能在提高MI-BCI康復(fù)訓(xùn)練效果上發(fā)揮重要作用。

4 結(jié)論

MI-BCI不僅能為健康或截肢患者提供與外界環(huán)境直接溝通的交互范式，而且在臨床康復(fù)上表現(xiàn)出巨大的潛力。現(xiàn)階段的MI-BCI技術(shù)還處于萌芽階段，無論是信號的獲取與處理還是異步控制的研究，尚存在著諸多問題與挑戰(zhàn)亟待解決。本綜述針對目前MI-BCI存在的主要問題，簡單闡述了相應(yīng)解決方案的研究現(xiàn)狀以及發(fā)展趨勢。隨著研究的深入和發(fā)展，相信未來MI-BCI領(lǐng)域的問題會被逐步突破，其系統(tǒng)性能將不斷得到提升和優(yōu)化，從而具有更人性化、實用化、安全化的應(yīng)用前景。