近日由美国佐治亚理工学院 （Georgia Institute of Technology）实验室领导的多机构、国际研究团队，将用于头皮接触的无线柔软电子器件和虚拟现实技术结合在一个脑机接口（Brain–machine interface，BMI）系统中，用户可以通过想象一个动作，来无线控制轮椅或机械臂 。 这个新 BMI 系统，基于运动想象（MI）原理，即用户想象自己肢体运动时，即使没有实际运动输出，但脑部特定区域会被激活，产生信号实现控制。该系统对用户的主要优势是柔软舒适，并且没有电线影响，具有灵活性。 该研究论文题目为《用于基于运动图像脑机接口的无线柔性头皮电子器件与虚拟现实系统（Wireless Soft Scalp Electronics and Virtual Reality System for Motor Imagery-Based Brain–Machine Interfaces）》，于 7 月 17 日发表在 Advanced Science 上。 论文链接：https://onlinelibrary.wiley.com/doi/10.1002/advs.202101129一、现有脑电图设备使用不方便并且信号采集能力差 BMI 为身体残疾的人（如因肢体麻痹或者脑损伤而导致运动功能障碍）提供了一种可能的解决方案。 运动功能障碍中极具挑战性的一种是闭锁综合征 （locked-insyndrome），患有这种疾病的人有意识，但是无法自行移动和与人交流。 BMI 可以通过分析一个人大脑的信号，将人脑的神经活动转化为命令信号，以及将人的意图转化为机械辅助的行动。最常见获取人脑信号的非侵入性方法是脑电图（ElectroEncephaloGraphy，EEG）。实现这种方法通常需要一个笨重的电极帽和一堆电线。 脑电图设备通常严重依赖于凝胶剂和黏合剂，来帮助保持人体皮肤和设备的接触，实现起来需要长时间的设置，通常使用起来让人不方便和不舒服。由于材料退化或运动伪影（如可能由佩戴者磨牙或眨眼等引起的附属＂噪声＂）的影响，脑电图设备的信号采集能力也很差，会存在干扰信息，使用中必须过滤掉噪声信息。二、无需电线，三个部件构成便携脑电图系统 佐治亚理工学院乔治・伍德拉夫机械工程学院副教授 Yeo 说：＂与现有的系统相比，这个系统对用户来说的主要优势是柔软舒适，而且无需电线 。＂ Yeo 设计的便携式脑电图系统集成了微细针电极和柔软无线电路，提供了更好的信号采集。因为准确测量人脑信号对于确定用户想要执行什么行动至关重要，因此该团队通过集成机器学习算法和虚拟现实组件 来应对这一挑战。 他们设计了一款便携式、无线、头皮软接触电子产品，简称＂SSE ＂。SSE 主要由三个主要部件组成： 安装在有头发部分的头皮上的柔性微针电极 使用激光加工的可伸缩、柔性连接器件 隐蔽、灵活的电路 此外，SSE 还包括虚拟现实组件 ，以实现营造方便和沉浸式训练环境，来帮助将运动可视化。 ▲ 机器学习分类算法（卷积神经网络，CNN）实现在虚拟现实系统中从 EEG 记录到控制目标行为全数据处理序列流程图 这些组件组成了一个单片的脑电系统，以最小化运动伪影和最大化信号质量。皮肤穿透电极提供了最佳的头皮阻抗密度，提高了运动想象数据记录的信噪比和空间分辨率。三、实现超 90% 识别准确率 新系统已经在四名健康受试者 身上进行了测试，目前在残障人士身上的相关测试还没有进行。 ▲ 用于运动脑信号分类的微针电极位置，包括 6 个测量脑电电极，和一个参考电极和一个接地电极。 该系统有 6 个脑电图通道 ，可穿戴在头发上，其准确率和信息传递率较高（93.22±1.33% ），并且响应时间较短（4 名受试者的峰值信息传递率为 23.02 bit /min）。 ▲ 主图为受试者佩戴 SSE，进行测试 Yeo 实验室的博士生 Mahmood 说：＂这种新的脑机接口使用了一种完全不同的模式，包括想象的运动动作，比如用任意一只手抓东西，这让实验对象不必看太多刺激物。＂ Yeo 谈道：＂事实证明，虚拟现实设备给予的提示非常有用。它们加快并提高了用户的参与度和准确性。我们能够记录到连续的、高质量的运动想象活动 。＂结语：便携式脑机接口帮助残障人士更方便 科研人员使用脑机接口技术，来帮助残障人士恢复部分个体运动功能已经不算新鲜新闻了，但如何把脑机接口设备改进的更加便携、舒适和灵敏，还是有很大进步空间的。 从让失语者说话到让运动障碍人群能够移动，脑机接口可以完成的事情越来越多。各科技巨头也看好这个领域，纷纷投资，例如 2019 年 Facebook 花费十亿美元买下脑机接口创企，国内脑机接口创企博睿康科技也在 3 月份完成了由红杉资本领投的超亿元 B 轮融资。