腦機接口可以幫助重度殘疾患者恢復(fù)對外交流的能力，也是未來人機交互的新途徑。植入電極的侵入式腦機接口具有更高的通信帶寬，但開顱手術(shù)的廣泛創(chuàng)傷給這項技術(shù)的臨床應(yīng)用帶來了障礙。近日，清華大學(xué)醫(yī)學(xué)院生物醫(yī)學(xué)工程系洪波課題組和解放軍總醫(yī)院功能神經(jīng)外科合作，通過手術(shù)前的功能磁共振影像精準(zhǔn)定位目標(biāo)腦區(qū)，只用3個顱內(nèi)電極實現(xiàn)了微創(chuàng)植入腦機接口打字，速度達(dá)到每分鐘12個字符，每個電極的等效信息傳輸率達(dá)到20比特/分鐘^[1] 。2021年美國斯坦福大學(xué)腦機接口團隊基于運動腦區(qū)的神經(jīng)信號實現(xiàn)了手寫字符高速識別，使用了192個微針硅電極，每個電極的等效信息傳輸率約為2比特/分鐘^[4]。

論文發(fā)表于神經(jīng)影像頂刊NeuroImage（《神經(jīng)影像》），題為“Intracranial brain-computer interface spelling using localized visual motion response ”（精準(zhǔn)定位的視覺運動響應(yīng)驅(qū)動的顱內(nèi)腦機接口打字）^[1] 。這項研究旨在探索最小化顱內(nèi)腦電創(chuàng)傷的腦機接口方案，為未來能夠以最小的代價幫助重度癱瘓的殘疾人恢復(fù)與外界溝通的能力。該研究利用癲癇手術(shù)病人植入顱內(nèi)電極探測癲癇灶的機會，準(zhǔn)確獲取人腦視覺背側(cè)通路的MT腦區(qū)的腦電信號，通過自適應(yīng)的機器學(xué)習(xí)算法，識別視覺注意力引起的MT腦電信號微弱變化，實現(xiàn)準(zhǔn)確快速的字符目標(biāo)檢測。

背側(cè)視覺通路驅(qū)動的腦機接口

人類的視覺功能腦區(qū)位于大腦的枕葉和顳葉，這條從后往前的處理通路分成腹側(cè)和背側(cè)兩個路徑，腹側(cè)通路負(fù)責(zé)處理物體識別等靜態(tài)視覺任務(wù)，背側(cè)通路負(fù)責(zé)和空間位置相關(guān)的動態(tài)視覺任務(wù)。其中位于背側(cè)通路中顳區(qū)的V5/MT區(qū)域（圖1），被認(rèn)為負(fù)責(zé)處理視覺物體的運動信息，這個區(qū)域的神經(jīng)細(xì)胞的活動對于視覺刺激的速度與方向存在選擇偏好。

圖 1. 靈長類的視覺通路模型

（圖片來源：Purves 等Neuroscience第6版）

理論上，這些MT神經(jīng)細(xì)胞的活動需要用微電極記錄才能獲取，而神經(jīng)外科臨床電生理監(jiān)測通常只能獲取較大電極記錄的場電位信號，無法記錄到單細(xì)胞放電。由于大量的神經(jīng)群體參與了相應(yīng)的視覺運動信息處理，會在顱內(nèi)甚至頭皮表面表現(xiàn)電位的微小變化，這種電位變化呈現(xiàn)有規(guī)律的時空模式，視覺運動刺激誘發(fā)的電位變化則被稱為視覺運動誘發(fā)電位，在頭皮腦電的典型表現(xiàn)是在刺激起始后200毫秒左右的負(fù)峰^[2] 。視覺運動誘發(fā)電位的延時固定，而且響應(yīng)幅度收到注意力的調(diào)制。因此，通過區(qū)分在注意和非注意情況下，視覺誘發(fā)電位的波形差異，我們就可以判斷受試注意的“焦點”，從而讀出患者的“想法”。該研究團隊基于這一原理，首先提出并實現(xiàn)了一種視覺運動刺激編碼的腦機接口打字系統(tǒng)，使用者只需要注視鍵盤上想輸入的目標(biāo)，機器學(xué)習(xí)算法就可以通過分析視覺運動誘發(fā)電位識別出這個目標(biāo)。為了進(jìn)一步提升該系統(tǒng)的速度，團隊于2021年進(jìn)一步開發(fā)了基于雙方向視覺運動刺激編碼的腦機接口打字系統(tǒng)（圖2），信息傳輸率提升了一倍，論文發(fā)表于IEEE Transactions on Biomedical Engineering^[3] .

圖 2. 雙方向視覺運動刺激編碼的腦機接口虛擬鍵盤

然而，頭皮腦電的信噪比較低，難以實現(xiàn)更高效率的通訊；電極接觸不可靠的局限也使得基于頭皮腦電的BCI系統(tǒng)難以長期穩(wěn)定使用。近年來，美國斯坦福大學(xué)、加州大學(xué)舊金山分校等腦機接口團隊在基于顱內(nèi)腦電腦機接口研究方面取得進(jìn)展^{[4] [5]} ，這些研究使用的微電極陣列或者高密度ECoG電極都對大腦皮層造成很大創(chuàng)傷，長期免疫炎癥反應(yīng)不可避免，因而一直沒有獲得FDA的批準(zhǔn)作為長期植入設(shè)備。因此，如何構(gòu)建一種能夠平衡通訊速率和侵入性的腦機接口系統(tǒng)，是腦機接口研究中的一個重要挑戰(zhàn)。該項研究針對這一挑戰(zhàn)，首先通過功能磁共振成像精準(zhǔn)定位視覺運動區(qū)V5/MT，精選3個SEEG電極，構(gòu)建了一個微創(chuàng)植入腦機接口打字系統(tǒng)。

功能磁共振影像精準(zhǔn)定位V5/MT

人腦視覺運動腦區(qū)在空間位置上存在個體差異，因為長期病理改變和神經(jīng)可塑性，病人之間的個體差異更大。這項研究的第一個難點是如何能夠在病人手術(shù)前精準(zhǔn)定位視覺運動區(qū)。我們利用一個由運動光柵構(gòu)成的fMRI定位范式，結(jié)合磁共振大腦結(jié)構(gòu)像，在術(shù)前定位出每個受試個體化的視覺運動區(qū)（V5/MT）。術(shù)后通過與CT掃描數(shù)據(jù)配準(zhǔn)，定位出具有最強磁共振功能響應(yīng)的電極位點（圖3）。這項研究僅使用3個具有最優(yōu)功能磁共振響應(yīng)的電極點，結(jié)果證明功能磁共振個體化定位的電極顯著好于僅依賴解剖結(jié)構(gòu)定位的電極點（圖4）。

圖 3. 功能磁共振定位個體化的視覺運動區(qū)

圖 4. 功能磁共振精準(zhǔn)定位病人的視覺運動區(qū)和最優(yōu)電極

信號增強與自適應(yīng)解碼

精準(zhǔn)定位了最佳電極之后，第二個難點是如何通過顱內(nèi)腦電SEEG電極得到局部神經(jīng)細(xì)胞的群體活動。SEEG電極不同與一般研究中用到的覆蓋在皮層上的ECoG電極陣列，每根電極導(dǎo)管一般有8-12個電極觸電，通過手術(shù)規(guī)劃插入到大腦靶點位置。視覺運動腦區(qū)V5/MT一般位于顳頂枕三個腦區(qū)交界的腦溝中，SEEG電極處在腦溝深處時，其周邊電場環(huán)境復(fù)雜，有效信號被污染。為了解決這一難題，我們采用了基于差分重參考的信號處理方法，消除大腦活動中的大尺度噪聲，成功提取高頻段的局部神經(jīng)響應(yīng)，使得視覺運動響應(yīng)的信噪比和腦電解碼的準(zhǔn)確率都有了大幅提升（圖5）。

圖 5. 差分重參考增強局部高頻神經(jīng)響應(yīng)

在腦機接口解碼中，不同病人的神經(jīng)信號具有較大的個體差異，甚至同一病人不同時間的信號都會有差異。因此，固定參數(shù)的機器學(xué)習(xí)解碼無法適應(yīng)這一挑戰(zhàn)。該項研究設(shè)計了一種基于后驗概率的自適應(yīng)算法，很好解決了準(zhǔn)確率和打字速度的平衡問題，從而實現(xiàn)最優(yōu)的信息傳輸率。基于這個算法的在線打字實驗中，一名病人達(dá)到了最高12字每分鐘的打字速度。按照3個電極折算，每個電極的等效信息傳輸率超過了20比特/分鐘。

微創(chuàng)無線腦機接口進(jìn)入臨床

盡管基于SEEG的微創(chuàng)腦機接口方案使用電極數(shù)目較少，卻仍然需要穿過硬腦膜，破壞大腦內(nèi)環(huán)境。清華醫(yī)學(xué)院腦機接口團隊提出了微創(chuàng)植入的腦機接口方案^{[1] [6]} ，體內(nèi)機嵌入在顱骨中采集和處理腦電信號，電極可以伸展到顱內(nèi)任何腦區(qū)；體內(nèi)機無需電池，隔著皮膚與體外機耦合供電并無線通訊，實現(xiàn)腦電信號讀取和刺激信號寫入的雙向腦機接口通訊。該方案不同于美國研究團隊的BrainGate和Neuralink方案，全無線傳輸，避免感染，不破壞腦內(nèi)環(huán)境，在信號質(zhì)量和侵入性之間達(dá)到很好的平衡。該團隊與博?？悼萍己献餮邪l(fā)的無線微創(chuàng)腦機接口設(shè)備已經(jīng)定型送檢，預(yù)計今年年底開展小規(guī)模臨床試驗。

圖6. 無線微創(chuàng)植入腦機接口NEO系統(tǒng)

清華大學(xué)醫(yī)學(xué)院洪波研究員為該論文的通訊作者，清華大學(xué)醫(yī)學(xué)院博士生劉定坤、解放軍總醫(yī)院功能神經(jīng)外科徐欣為論文共同第一作者，解放軍總醫(yī)院功能神經(jīng)外科凌至培、余新光等作為共同作者參加了合作研究。該研究得到了科技部重點研發(fā)計劃（2017YFA0205904）和自然科學(xué)基金（62061136001）的支持。

原文鏈接

https://doi.org/10.1016/j.neuroimage.2022.119363

參考文獻(xiàn)

[1] Liu et al. Intracranial brain-computer interface spelling using localized visual motion response. Neuroimage. 2022

[2] Liu et al. An online brain-computer interface using non-flashing visual evoked potentials. Journal of Neural Engineering, 2010.

[3] Liu et al. Doubling the Speed of N200 Speller via Dual-directional Visual Motion Encoding. IEEE Transactions on Biomedical Engineering, 2020.

[4] Willett et al. High-performance brain-to-text communication via handwriting. Nature, 2021.

[5] Moses et al. Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria. New England Journal of Medicine, 2021.

[6] Zhang et al.. Toward a minimally invasive brain-computer interface using a single subdural channel: a visual speller study. Neuroimage. 2013

來源：清華大學(xué)