利用局部视觉运动反应进行脑内计算机接口拼写

脑机接口可以帮助重度残疾患者恢复对外交流的能力，也是未来人机交互的新途径。植入电极的侵入式脑机接口具有更高的通信带宽，但开颅手术的广泛创伤给这项技术的临床应用带来了障碍。近日，清华大学医学院生物医学工程系洪波课题组和解放军总医院功能神经外科合作，通过手术前的功能磁共振影像精准定位目标脑区，只用3个颅内电极实现了微创植入脑机接口打字，速度达到每分钟12个字符，每个电极的等效信息传输率达到20比特/分钟 。而2021年美国斯坦福大学脑机接口团队基于运动脑区的神经信号实现了手写字符高速识别，使用了192个微针硅电极，每个电极的等效信息传输率约为2比特/分钟。

这项研究旨在探索最小化颅内脑电创伤的脑机接口方案，为未来能够以最小的代价帮助重度瘫痪的残疾人恢复与外界沟通的能力。该研究利用癫痫手术病人植入颅内电极探测癫痫灶的机会，准确获取人脑视觉背侧通路的MT脑区的脑电信号，通过自适应的机器学习算法，识别视觉注意力引起的MT脑电信号微弱变化，实现准确快速的字符目标检测。研究成果以“Intracranial brain-computer interface spelling using localized visual motion response”为题，发表于神经影像顶刊NeuroImage。

背侧视觉通路驱动的脑机接口

人类的视觉功能脑区位于大脑的枕叶和颞叶，这条从后往前的处理通路分成腹侧和背侧两个路径，腹侧通路负责处理物体识别等静态视觉任务，背侧通路负责和空间位置相关的动态视觉任务。其中位于背侧通路中颞区的V5/MT区域（图1），被认为负责处理视觉物体的运动信息，这个区域的神经细胞的活动对于视觉刺激的速度与方向存在选择偏好。

图1 灵长类的视觉通路模型

理论上，这些MT神经细胞的活动需要用微电极记录才能获取，而神经外科临床电生理监测通常只能获取较大电极记录的场电位信号，无法记录到单细胞放电。由于大量的神经群体参与了相应的视觉运动信息处理，会在颅内甚至头皮表面表现电位的微小变化，这种电位变化呈现有规律的时空模式，视觉运动刺激诱发的电位变化则被称为视觉运动诱发电位，在头皮脑电的典型表现是在刺激起始后200毫秒左右的负峰。视觉运动诱发电位的延时固定，而且响应幅度受到注意力的调制。因此，通过区分在注意和非注意情况下，视觉诱发电位的波形差异，我们就可以判断受试注意的“焦点”，从而读出患者的“想法”。该研究团队基于这一原理，首先提出并实现了一种视觉运动刺激编码的脑机接口打字系统，使用者只需要注视键盘上想输入的目标，机器学习算法就可以通过分析视觉运动诱发电位识别出这个目标。为了进一步提升该系统的速度，团队于2021年进一步开发了基于双方向视觉运动刺激编码的脑机接口打字系统（图2），信息传输率提升了一倍，论文发表于IEEE Transactions on Biomedical Engineering。

图2 双方向视觉运动刺激编码的脑机接口虚拟键盘

然而，头皮脑电的信噪比较低，难以实现更高效率的通讯；电极接触不可靠的局限也使得基于头皮脑电的BCI系统难以长期稳定使用。近年来，美国斯坦福大学、加州大学旧金山分校等脑机接口团队在基于颅内脑电脑机接口研究方面取得进展，这些研究使用的微电极阵列或者高密度ECoG电极都对大脑皮层造成很大创伤，长期免疫炎症反应不可避免，因而一直没有获得FDA的批准作为长期植入设备。因此，如何构建一种能够平衡通讯速率和侵入性的脑机接口系统，是脑机接口研究中的一个重要挑战。该项研究针对这一挑战，首先通过功能磁共振成像精准定位视觉运动区V5/MT，精选3个SEEG电极，构建了一个微创植入脑机接口打字系统。

功能磁共振影像精准定位V5/MT

人脑视觉运动脑区在空间位置上存在个体差异，因为长期病理改变和神经可塑性，病人之间的个体差异更大。这项研究的第一个难点是如何能够在病人手术前精准定位视觉运动区。通过利用一个由运动光栅构成的fMRI定位范式，结合磁共振大脑结构像，在术前定位出每个受试个体化的视觉运动区（V5/MT）。术后通过与CT扫描数据配准，定位出具有最强磁共振功能响应的电极位点（图3）。这项研究仅使用3个具有最优功能磁共振响应的电极点，结果证明功能磁共振个体化定位的电极显著好于仅依赖解剖结构定位的电极点（图4）。

图3 功能磁共振定位个体化的视觉运动区

图4 功能磁共振精准定位病人的视觉运动区和最优电极

信号增强与自适应解码

精准定位了最佳电极之后，第二个难点是如何通过颅内脑电SEEG电极得到局部神经细胞的群体活动。SEEG电极不同与一般研究中用到的覆盖在皮层上的ECoG电极阵列，每根电极导管一般有8-12个电极触电，通过手术规划插入到大脑靶点位置。视觉运动脑区V5/MT一般位于颞顶枕三个脑区交界的脑沟中，SEEG电极处在脑沟深处时，其周边电场环境复杂，有效信号被污染。为了解决这一难题，研究人员采用了基于差分重参考的信号处理方法，消除大脑活动中的大尺度噪声，成功提取高频段的局部神经响应，使得视觉运动响应的信噪比和脑电解码的准确率都有了大幅提升（图5）。

图5 差分重参考增强局部高频神经响应

在脑机接口解码中，不同病人的神经信号具有较大的个体差异，甚至同一病人不同时间的信号都会有差异。因此，固定参数的机器学习解码无法适应这一挑战。该项研究设计了一种基于后验概率的自适应算法，很好解决了准确率和打字速度的平衡问题，从而实现最优的信息传输率。基于这个算法的在线打字实验中，一名病人达到了最高12字每分钟的打字速度。按照3个电极折算，每个电极的等效信息传输率超过了20比特/分钟。

微创无线脑机接口进入临床

尽管基于SEEG的微创脑机接口方案使用电极数目较少，却仍然需要穿过硬脑膜，破坏大脑内环境。清华医学院脑机接口团队提出了微创植入的脑机接口方案，体内机嵌入在颅骨中采集和处理脑电信号，电极可以伸展到颅内任何脑区；体内机无需电池，隔着皮肤与体外机耦合供电并无线通讯，实现脑电信号读取和刺激信号写入的双向脑机接口通讯。该方案不同于美国研究团队的BrainGate和Neuralink方案，全无线传输、避免感染、不破坏脑内环境，在信号质量和侵入性之间达到很好的平衡。该团队与博睿康科技合作研发的无线微创脑机接口设备已经定型送检，预计今年年底开展小规模临床试验。

图6 无线微创植入脑机接口NEO系统 清华大学医学院洪波研究员为该论文的通讯作者，清华大学医学院博士生刘定坤、解放军总医院功能神经外科徐欣为论文共同第一作者，解放军总医院功能神经外科凌至培、余新光等作为共同作者参加了合作研究。

论文链接：

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

审核编辑 ：李倩