通過腦內(nèi)植入獲取信號的侵入式腦機(jī)接口技術(shù)已經(jīng)實現(xiàn)了高維機(jī)器設(shè)備的控制，但植入和操作這些系統(tǒng)要大量的醫(yī)療和外科專業(yè)知識，這限制了相關(guān)技術(shù)的應(yīng)用，令其使用范圍僅限于少數(shù)臨床病例。而非侵入式腦機(jī)接口技術(shù)在較少的專業(yè)醫(yī)療知識下也能達(dá)到提供高質(zhì)量設(shè)備控制的目的，這對BCIs在臨床和家庭環(huán)境中的落地大有幫助。

來自卡耐基梅隆大學(xué)和明尼蘇達(dá)大學(xué)生物醫(yī)學(xué)工程系的研究人員在SCIENCE ROBOTICS發(fā)文，在無創(chuàng)機(jī)器人設(shè)備控制領(lǐng)域取得了重要突破。研究人員利用無創(chuàng)的腦機(jī)接口（BCI）開發(fā)出了首個成功通過大腦來控制的機(jī)械臂，它具有連續(xù)跟蹤和跟隨計算機(jī)光標(biāo)的能力。

本文提出并檢驗了一個以腦電技術(shù)（EEG）為基礎(chǔ)的非侵入性框架，可以通過腦神經(jīng)控制機(jī)器人對隨機(jī)的目標(biāo)進(jìn)行持續(xù)追蹤。該框架解決并改進(jìn)了“大腦”與“計算機(jī)”兩部分，通過持續(xù)追蹤任務(wù)和相關(guān)的訓(xùn)練范式以及高空間分辨率的腦成像，來提高被試的參與度。作者提出，這一框架將BCI在傳統(tǒng)中心任務(wù)中的表現(xiàn)提高了近60%，在更現(xiàn)實的持續(xù)追蹤任務(wù)中的表現(xiàn)提高了超過500%，結(jié)合在線非侵入式神經(jīng)成像技術(shù)，將BCI的控制水平提升了近10%。最后，作者將該框架應(yīng)用于現(xiàn)實任務(wù)中，發(fā)現(xiàn)從控制不受約束的虛擬光標(biāo)運動到控制機(jī)器人手臂運動，該框架幾乎可以做到完美過渡。作者認(rèn)為將這種高質(zhì)量的神經(jīng)解碼能力與非侵入式機(jī)器手臂控制的實際應(yīng)用相結(jié)合，將對非侵入式BCI神經(jīng)機(jī)器人的開發(fā)和實現(xiàn)具有重要的意義。 

前言：

腦機(jī)接口技術(shù)可以通過檢測精神意圖和控制外部設(shè)備，為肌萎縮側(cè)索硬化和脊髓損傷在內(nèi)的多種神經(jīng)疾病的患者提供生活上的便利?；颊咭部梢酝ㄟ^想象身體各部位的運動，更好地配合醫(yī)生的治療。雖然侵入式與非侵入式系統(tǒng)各有所長，但兩類BCIs都可以實現(xiàn)患者身體功能的補(bǔ)充，包括獨立行走、手部功能操作以及語言交流等。臨床研究的興趣也集中在迅速建立系統(tǒng)，幫助患者通過自主神經(jīng)控制達(dá)到與身邊環(huán)境互動的目的。然而，盡管恢復(fù)和增強(qiáng)手臂與手控制的技術(shù)對于潛在的患者來說十分重要，但是基于腦電（EEG）的BCIs在這一領(lǐng)域并沒有提供足夠有效的技術(shù)。目前，BCIs典型的臨床應(yīng)用集中在機(jī)器人輔助或矯形器輔助的手控制，而精確的定位是這一切的基礎(chǔ)，因此改善機(jī)器手臂的協(xié)調(diào)導(dǎo)航性能至關(guān)重要。為了滿足這一需求，本研究提出了一種基于EEG的非侵入式系統(tǒng)，可以在二維環(huán)境中，通過大腦電信號持續(xù)控制物理機(jī)器手臂。

BCI的學(xué)習(xí)率受到用戶動機(jī)以及認(rèn)知喚起水平等因素的影響，可能存在個體差異。盡管不同人群、時間的內(nèi)部動機(jī)水平不同，通過刺激任務(wù)范式吸引和保持注意力可能會降低這些差異。本研究開發(fā)的是一個持續(xù)追蹤任務(wù)（continuous pursuit），被試運用運動想象（motor imagination），追蹤一個移動的目標(biāo)。作者發(fā)現(xiàn)CP任務(wù)訓(xùn)練相比傳統(tǒng)DT（discrete trials，非連續(xù)試次）任務(wù)訓(xùn)練可以產(chǎn)生更強(qiáng)的行為和生理學(xué)習(xí)效果。

信號質(zhì)量差會令解碼神經(jīng)事件的能力復(fù)雜化，尤其是在使用EEG等非侵入性信號時?？臻g濾波長期以來被用于非侵入式BCI信號的去噪，現(xiàn)在也被用于檢測現(xiàn)實命令，腦電源成像(Electrical source imaging,ESI)就是這樣一種方法，它運用頭部的電學(xué)性質(zhì)和幾何結(jié)構(gòu)，減輕傳導(dǎo)過程中產(chǎn)生的影響，進(jìn)而估算大腦皮層的活動。與傳統(tǒng)的傳感技術(shù)相比，在使用ESI時，離線神經(jīng)解碼得到了顯著的增強(qiáng)，但這些方法還有待在線驗證。通過開發(fā)一個實時ESI平臺，能夠在傳感器和源域中隔離和評估神經(jīng)解碼，而不需要引入通常伴隨其他空間過濾技術(shù)的在線處理步驟。

總之，本文提出的框架演示了一種通過有針對性地改進(jìn)BCI的用戶學(xué)習(xí)和機(jī)器學(xué)習(xí)兩部分來實現(xiàn)機(jī)器人手臂連續(xù)控制的系統(tǒng)方法。具體地說，使用CP（持續(xù)追蹤任務(wù)）任務(wù)訓(xùn)練范式將傳統(tǒng)DT（非連續(xù)試次）任務(wù)的BCI學(xué)習(xí)提高了近60%，而在更實際的CP任務(wù)中則提高了超過500%，實時ESI的實用功能令CP BCI的控制提升了10%。通過集成這些改進(jìn)，作者演示了機(jī)器手臂的持續(xù)控制能力，幾乎與虛擬光標(biāo)控制能力處于相同的水平，這突出了非侵入性BCI應(yīng)用于實際任務(wù)和最終臨床應(yīng)用的潛力。 

材料與方法：

BCI任務(wù)：

無反饋的運動想象

在每一階段開始進(jìn)行無反饋運動想象腦電數(shù)據(jù)的收集，包括左手運動的運動想象、右手運動的運動想象、雙手運動的運動想象、雙手休息的運動想象。每一項測試由10個隨機(jī)的試驗組成，每次試驗由3秒的休息和4秒有視覺提示的運動想象組成。

DT任務(wù)與CP任務(wù)

DT（非連續(xù)試次）范式由固定的目標(biāo)位置和預(yù)定的光標(biāo)軌跡中心組成。DT范式下包含21個隨機(jī)的試驗，每次試驗包括3秒休息、2秒準(zhǔn)備和6秒的移動光標(biāo)擊中目標(biāo)任務(wù)，試驗間有1秒間隔。在基線和評估階段，光標(biāo)擊中目標(biāo)即停止；而在訓(xùn)練期間，要求被試在擊中目標(biāo)后還要令目標(biāo)長時間停留在目標(biāo)上。也就是說，DT運行在訓(xùn)練期間的時間與CP運行的時間一致，都是固定的120s。

CP（持續(xù)追蹤任務(wù)）刺激范式是對目標(biāo)的持續(xù)追蹤，每次試驗由2個60秒組成，二者之間有1秒的間隔。使用簡單的運動學(xué)模型對目標(biāo)在每一幀中的位置進(jìn)行更新。隨機(jī)運動是通過施加一個隨機(jī)產(chǎn)生的1D或2D外力來獲得的。訓(xùn)練實驗和源與傳感器實驗中，允許光標(biāo)和目標(biāo)從一邊直接繞到對應(yīng)邊；但在機(jī)器手臂與虛擬光標(biāo)實驗中，為了使任務(wù)更真實，不可以這樣。

性能估算

CP范式下的隨機(jī)性能：收集15個(標(biāo)準(zhǔn))或70個(物理約束)數(shù)據(jù)集來評估。

DT范式下的隨機(jī)性能：由每個控制維度中的目標(biāo)數(shù)量除以100%。

實驗設(shè)計：

在向明尼蘇達(dá)大學(xué)或卡耐基梅隆大學(xué)相關(guān)機(jī)構(gòu)審查委員會批準(zhǔn)的方案提供書面同意后，共招募68名健康被試參與了本研究的不同階段。

圖1. 基于源信號的CP BCI機(jī)器手臂框架。該框架包括用戶學(xué)習(xí)、機(jī)器學(xué)習(xí)以及真實的機(jī)器設(shè)備控制。

訓(xùn)練

33名初學(xué)BCI的個體(平均年齡:24.8±10.6歲，30名右利手，18名男性)參加了為期10次的BCI縱向訓(xùn)練，其中包括1次基線訓(xùn)練、8次訓(xùn)練和1次評估。在基線和評估時間點對參與者進(jìn)行了所有任務(wù)的測試，以評估培訓(xùn)的有效性。在個體間隨機(jī)分配中，完成一個分組的DT任務(wù)和一個分組的CP任務(wù)。每個范例由1D LR（左右）、1D UD（上下）和2D control（控制）的兩次運行組成。被試被分為三個訓(xùn)練組[DT傳感器（DT sensor）、CP傳感器（CP sensor）、CP源(CP source)]，熟練的會被排除在訓(xùn)練之外。被試參加了8次訓(xùn)練，每次訓(xùn)練12次。這8個訓(xùn)練階段被分成2×1D LR、2×1D UD和4×2D控制。評估階段與基線階段相同，任務(wù)組的順序也是隨機(jī)分配的?；€和評估均使用傳感器控制完成，以確保各組間的一致性。參與者每周接受兩到三次實驗，平均間隔時間為3.69±2.99天。

源與傳感器

源與傳感器控制的CP BCI任務(wù)：29個人參與了實驗， 16名(平均年齡:22.67±8.1歲，15名右利手，6名男性)，平均有12.8±8.9小時的BCI經(jīng)驗（可以參與3個）；13名(平均年齡:21.8±5.0歲，12名右利手，8名男性)為BCI新手。在每個BCI任務(wù)中，參與者完成12次CP BCI(4×1D LR、4×1D UD和4×2D)，解碼策略(傳感器或源)在人群中隨機(jī)分配和平衡。

機(jī)器手臂與虛擬光標(biāo)     

虛擬光標(biāo)和機(jī)器手臂控制的對比實驗：6名參與者(平均年齡:25.2±6.5歲，5名右利手，3名男性，之前接受過BCI訓(xùn)練8.3±2.9小時)。該階段的參與者使用基于傳感器的1D和2D DT任務(wù)進(jìn)行篩選，19名被招募的參與者中有6人通過了這些標(biāo)準(zhǔn)。所有的機(jī)器手臂實驗都是在一臺43英寸的三星4K電視上進(jìn)行的，為機(jī)器手臂和虛擬光標(biāo)提供了大而實用的工作空間。每個用戶參與5個源CP BCI會話，包含12次運行(60秒);虛擬光標(biāo)和機(jī)器手臂按隨機(jī)順序進(jìn)行3到5次、3×1D LR、3×1D UD和6×2D的控制。機(jī)器手臂端點的位置被1:1地映射到屏幕上的光標(biāo)位置，使用逆向運動學(xué)來解決最佳的關(guān)節(jié)角度和手臂軌跡。機(jī)器手臂工作空間為正方形，邊長為0.48 m。在所有的BCI任務(wù)中，參與者坐在離電腦屏幕約90厘米的軟墊椅上。除特別說明外，用戶都配備了一個128通道的EEG采集帽及放大器

 MRI采集

使用32通道頭線圈在3T MRI機(jī)器上獲得被試特定的解剖MRI圖像。每個被試使用T1加權(quán)磁化快速制備的高分辨率解剖圖像采集梯度回波序列。

頻域ESI

在源與傳感器實驗中，使用FreeSurfer對每個被試的MRI圖像進(jìn)行分割并導(dǎo)入Brainstorm工具包中。在機(jī)器手臂與虛擬光標(biāo)實驗中，將Colin27腦模板運用到每個被試。將皮層降采樣至~15000個頂點組成的細(xì)分網(wǎng)格，并基于Destrieux atlas分成12個分區(qū)。將感覺運動區(qū)域設(shè)置為感興趣區(qū)，用于特征提取和在線源控制。

源與傳感器實驗中，在每個BCI session開始的時候，使用FASTRAK digitizer結(jié)合Brainstorm對電極進(jìn)行定位。借助OpenMEEG工具包實現(xiàn)邊界單元法，生成了一個電導(dǎo)率比為1:1/20:1的three-shell真實幾何頭模型。

信號處理與數(shù)據(jù)分析

所有的在線處理均使用自定義MATLAB腳本執(zhí)行。設(shè)有57個覆蓋頭皮運動頂葉區(qū)域的電極進(jìn)行在線處理。采樣率256 Hz，并在8到13 Hz之間進(jìn)行帶通濾波，然后轉(zhuǎn)換參考。對最近的250ms數(shù)據(jù)進(jìn)行分析，并用于每100 ms更新一次光標(biāo)速度。瞬時控制信號被計算為所選電極的α功率的加權(quán)和。

在離線數(shù)據(jù)分析中，CP數(shù)據(jù)文件包含光標(biāo)和目標(biāo)位置，DT數(shù)據(jù)文件包含用于計算PVC值的每個試驗的目標(biāo)代碼和結(jié)果代碼。無反饋的MI數(shù)據(jù)文件包含128通道的EEG和MI任務(wù)標(biāo)簽。剔除壞段并對壞電極進(jìn)行插補(bǔ)，降采樣到128Hz并進(jìn)行5-30Hz的帶通濾波，最后全腦平均參考。在每次刺激呈現(xiàn)后0.5 - 4.0 s的時間段內(nèi)，使用Morlet小波從每個通道提取(8 - 13hz)的功率。每個通道和每個頻率的α功率根據(jù)任務(wù)標(biāo)簽進(jìn)行回歸。對于源域，根據(jù)頻域ESI部分計算皮質(zhì)α功率，并根據(jù)任務(wù)標(biāo)簽進(jìn)行回歸。采用ICA提取眼動數(shù)據(jù)，為了確定眼動對BCI表現(xiàn)的影響，本文對垂直或水平眼動IC激活序列與相應(yīng)維度的目標(biāo)位置進(jìn)行了回歸分析。

使用自定義的R和MATLAB腳本進(jìn)行統(tǒng)計分析。在整篇文章中，效果大小被報告為點二列相關(guān)∣r∣，以強(qiáng)調(diào)組內(nèi)和跨條件的差異。除非另有說明，均采用兩因素重復(fù)測量方差分析統(tǒng)計時間和訓(xùn)練任務(wù)（DT vs. CP）、解碼域（source vs. sensor）或控制方法(robotic arm vs. virtual cursor)的差異。所有的行為和電生理指標(biāo)首先用Shapiro-Wilk檢驗進(jìn)行評估，以檢驗標(biāo)準(zhǔn)方差分析的殘差是否正常。如果多重比較的次數(shù)小于10，采用Tukey’s post hoc test進(jìn)行校正；如果次數(shù)大于10，采用FDR校正（p<0.05）。

結(jié)果：

在討論以電源成像（ESI）為基礎(chǔ)的解碼策略是否可以用于機(jī)器手臂的持續(xù)控制之前，需要先驗證CP任務(wù)和源信號的方法在訓(xùn)練和控制策略中是否有作用（圖1）。33名被試參與了虛擬光標(biāo)的控制訓(xùn)練，訓(xùn)練時間為10次，分為傳感器域CP訓(xùn)練（CP）、傳感器域DT訓(xùn)練（DT）和使用實時電源成像的傳感器域CP訓(xùn)練（sCP）。對比可以得出哪個訓(xùn)練任務(wù)（CP還是DT）以及哪個神經(jīng)反饋域(源還是傳感器控制)可以獲得更有效的BCI技能習(xí)得。最終獲得29人的數(shù)據(jù)，其中16人有BCI經(jīng)驗（傳感器控制的經(jīng)驗），13人對BCI不熟悉。此外，還有另外6人參與了實驗，他們都有DT光標(biāo)控制的經(jīng)驗，作者旨在對比在CP任務(wù)下，物理約束的變化分別對虛擬光標(biāo)控制性能和機(jī)器手臂控制性能的影響。 

通過運動想象實現(xiàn)非侵入式持續(xù)虛擬目標(biāo)追蹤：

在整個實驗過程中，被試被要求通過運動想象任務(wù)來控制虛擬光標(biāo)的軌跡。左手和右手的運動想象對應(yīng)向左和向右的運動；雙手的運動想象和雙手的休息對應(yīng)向上和向下的運動，且水平與垂直的運動相互獨立。CP試驗各持續(xù)60s，要求被試在一個方形工作區(qū)內(nèi)追蹤一個隨機(jī)移動的目標(biāo)。前人研究中類似任務(wù)的實現(xiàn)采用技術(shù)人員控制(手動)目標(biāo)軌跡，這可能會在追蹤過程中引入一些偏差，為了避免這種情況，本文采用高斯隨機(jī)過程來控制當(dāng)前任務(wù)中的目標(biāo)軌跡。然而，這樣的隨機(jī)過程有可能將目標(biāo)推向邊緣或角落，因此本文最初的CP任務(wù)允許光標(biāo)和目標(biāo)流暢地從工作空間的一邊邊緣穿越到對應(yīng)邊的邊緣從而實現(xiàn)繼續(xù)運動(從上邊緣到下邊緣,從左邊緣到右邊緣,反之亦然，見圖2.A)。

圖2. BCI性能和被試參與度。

（A）CP連邊wrapping 特征的刻畫。

（B）2D CP任務(wù)的跟蹤軌跡。

（C）DT組和CP組水平光標(biāo)控制和垂直光標(biāo)控制的訓(xùn)練特征圖。

(D和E)CP組和DT組在基線訓(xùn)練和評估時的表現(xiàn)。

（F）CP和TD任務(wù)的學(xué)習(xí)情況。

（G）上圖為基線訓(xùn)練和評估階段眼動成分的地形圖，下圖左為基線訓(xùn)練和評估階段的表現(xiàn)差異，下圖右為CP任務(wù)和DT任務(wù)的表現(xiàn)差異。

BCI技能習(xí)得和用戶參與：

分別用CP任務(wù)和DT任務(wù)進(jìn)行BCI訓(xùn)練，比較二者習(xí)得BCI技能的差異。共22人參加，包括1個基線任務(wù)（含DT和CP任務(wù)）、8個訓(xùn)練任務(wù)（都為DT或CP中的一種）和1個測試任務(wù)（含DT和CP任務(wù)）。采用一維水平下的DT表現(xiàn)作為基線來匹配兩組數(shù)據(jù)。

用于在線控制的電極是在逐次任務(wù)的基礎(chǔ)上進(jìn)行優(yōu)化的，從覆蓋感覺運動區(qū)域的57個電極點中選取。使用右手運動想象和左手運動想象以及雙手運動想象和雙手休息數(shù)據(jù)集分別為水平和垂直控制確定電極。在整個訓(xùn)練過程中，CP組和DT組在包含覆蓋手部皮層分布的區(qū)域內(nèi)獲得了幾乎相同的激活分布特征。這些集群是根據(jù)在相應(yīng)的運動想象任務(wù)中產(chǎn)生的基礎(chǔ)事件相關(guān)同步進(jìn)行定位和加權(quán)的，并且與其他非侵入式光標(biāo)控制研究中使用的相似，通過數(shù)據(jù)驅(qū)動或手動選擇進(jìn)行識別。

用有效正確百分比（percent valid correct ,PVC）對DT任務(wù)表現(xiàn)進(jìn)行測量（正確數(shù)除以總數(shù)）；用均方誤差(MSE)對CP任務(wù)表現(xiàn)進(jìn)行測量（目標(biāo)和光標(biāo)位置在單個運行過程中的平均標(biāo)準(zhǔn)化平方誤差）。在22名被試中，雙因素重復(fù)測量方差分析結(jié)果顯示，CP MSE (F_1,20 = 7.39, P < 0.05)和DT PVC (F_1,20 = 19.80, P < 0.005) 的時間效應(yīng)顯著。為了檢驗技術(shù)的普適性，作者特別考慮了訓(xùn)練對熟悉和不熟悉任務(wù)表現(xiàn)的影響，發(fā)現(xiàn)接受CP任務(wù)訓(xùn)練的個體在訓(xùn)練后同一任務(wù)中有顯著提高（P < 0.05），而接受DT任務(wù)訓(xùn)練的沒有(P = 0.14)。之前的工作已經(jīng)表明DT任務(wù)訓(xùn)練能夠產(chǎn)生較強(qiáng)的學(xué)習(xí)效果，但一些使用者需要近70次培訓(xùn)才能達(dá)到，在考慮不熟悉的任務(wù)時，DT訓(xùn)練組在訓(xùn)練后的CP任務(wù)中僅略有提高(P = 0.96;圖2.D)，而CP訓(xùn)練組在DT任務(wù)中有顯著改善(P < 0.005;圖2.E)。

由于這兩種任務(wù)在控制動力學(xué)上的差異很大，除了統(tǒng)計測試外，作者還檢查了效應(yīng)大小，采用一種由樣本量建立的測量方法，用于測量基線和評估任務(wù)之間每個性能度量的差異大小。發(fā)現(xiàn)與DT組相比，CP組兩項任務(wù)的效果都要好得多，CP任務(wù)的學(xué)習(xí)效果提高了500%，DT任務(wù)的學(xué)習(xí)效果提高了近60%。

為了描述這些訓(xùn)練的潛在生理學(xué)差異，作者通過測量眨眼活動來調(diào)查被試在兩項任務(wù)中的參與度。在不同的任務(wù)中，眨眼活動的減少與注意力和認(rèn)知喚起的增強(qiáng)有關(guān)，在所有被試中，眨眼活動在基線時受到強(qiáng)烈抑制(P < 0.005;圖2.G)，表明BCI的新穎性可能提高了被試的關(guān)注度。CP任務(wù)與DT任務(wù)相比，眨眼活動顯著降低(P = 0.066;圖2.G)表明，CP任務(wù)在主動控制期間提高了用戶的參與度，這一特性可能解釋了更顯著的積極訓(xùn)練效果。 

通過學(xué)習(xí)調(diào)節(jié)感覺運動的節(jié)律：

雖然BCI反饋在促進(jìn)感覺運動節(jié)律調(diào)節(jié)方面起著重要的作用，但是沒有反饋的運動想象可以提供被試自然能力的測量，用于產(chǎn)生相關(guān)的鑒別腦電圖的模式。本文分別分析了左手MI、右手MI、雙手MI以及休息MI的運行情況。任意兩種心理狀態(tài)之間的調(diào)節(jié)指數(shù)表征為腦電α功率和任務(wù)標(biāo)簽之間的回歸輸出（R²）。從基線到評估，兩組任務(wù)對的感覺運動調(diào)節(jié)顯著增強(qiáng)(水平：P < 0.05；垂直：P < 0.005;圖3.A和C)，這些改進(jìn)的空間分布對評價BCI訓(xùn)練的有效性有很大的意義。除了DT組的輕度基線調(diào)整外，兩組在訓(xùn)練前都沒有明顯的強(qiáng)模式。在水平維度的評估上，CP組產(chǎn)生高度聚焦的雙側(cè)調(diào)節(jié)模式，而DT組觀察到了更多的全局調(diào)節(jié)(圖3.B)。在垂直維度上，兩個訓(xùn)練組的評估地形更加一致(圖3.D)。在水平電極中，CP組的電極數(shù)量遠(yuǎn)遠(yuǎn)多于DT組(圖3.E)。此外，在CP組中，重要的電極更靠近頭皮區(qū)域，覆蓋了近似手部皮層區(qū)域的部分。這些局部的變化提供了令人信服的證據(jù)，證明在CP訓(xùn)練組觀察到的增強(qiáng)的行為改善伴隨著感覺運動調(diào)節(jié)的相應(yīng)的生理變化。 

源神經(jīng)反饋不能進(jìn)一步促進(jìn)CP BCI學(xué)習(xí)：

雖然CP任務(wù)對本研究針對用戶學(xué)習(xí)和機(jī)器手臂的在線控制有幫助，但作者還想解決機(jī)器學(xué)習(xí)方面的問題。為了評估基于實時電源成像（ESI）的解碼是否在整個訓(xùn)練過程中提高了性能，作者招募了另外一組無BCI經(jīng)驗的被試(n = 11)，使用源神經(jīng)反饋(source neurofeedback, sCP)進(jìn)行CP訓(xùn)練。這個sCP組與之前的CP(和DT)組(傳感器控制)進(jìn)行基線匹配。CP組和sCP組的學(xué)習(xí)效果非常相似，兩組(CP組和sCP組)的最終表現(xiàn)和學(xué)習(xí)率是一致的，支持兩組共享熟悉和不熟悉任務(wù)的熟練程度。

圖3. 學(xué)習(xí)效果在電生理上的表現(xiàn)。（

A和B）左/右MI任務(wù)分析。（A）CP組和DT組水平控制任務(wù)最大感覺運動R²值。(B)水平控制任務(wù)中CP組和DT組的基線訓(xùn)練階段和評估階段R²地形圖。（C和D）雙手/休息MI任務(wù)分析?；局笜?biāo)同AB圖。（E和F）水平控制任務(wù)（E）和垂直控制任務(wù)（F）均發(fā)現(xiàn)R²值顯著增加。

圖4.源水平的神經(jīng)反饋。

(A和B)CP訓(xùn)練組和sCP組在基線階段和評估階段CP任務(wù)（A）和DT任務(wù)（B）的表現(xiàn)。紅點線代表機(jī)會水平。（C）CP任務(wù)和DT任務(wù)的學(xué)習(xí)情況。（D）水平光標(biāo)控制（上圖）和垂直光標(biāo)控制（下圖）的組水平訓(xùn)練特征圖。

腦電圖源成像增強(qiáng)了在確定的技能狀態(tài)下的神經(jīng)控制：

為了深入研究源控制(實時ESI)對CP任務(wù)性能的影響(以及未來機(jī)器手臂控制的潛在好處)，作者對處于穩(wěn)定技能狀態(tài)的用戶進(jìn)行了源和傳感器虛擬光標(biāo)控制的對比。選擇CP任務(wù)進(jìn)行進(jìn)一步的分析，因為CP任務(wù)比DT任務(wù)更適用于機(jī)械手控制。對有豐富BCI經(jīng)驗的16名被試進(jìn)行1-3次訓(xùn)練；對沒有任何BCI經(jīng)驗的13名被試進(jìn)行1次訓(xùn)練(以避免多次早期學(xué)習(xí)產(chǎn)生混淆效果)。

對于有經(jīng)驗的被試，源控制改善了傳統(tǒng)傳感器控制的性能，顯著降低了2D均方誤差(MSE) (P < 0.01)。在訓(xùn)練(評估)之后，傳感器和源MSE值聚集在CP訓(xùn)練組附近，加強(qiáng)了技能狀態(tài)。CP任務(wù)中觀察到的改進(jìn)的空間范圍通過平方誤差直方圖進(jìn)行了描述(圖5.B)，源值向較小的誤差移動，傳感器值向較大的誤差移動。通過將gamma函數(shù)與這些直方圖進(jìn)行擬合，本文得到了一個與目標(biāo)大小無關(guān)的定量閾值，用于統(tǒng)計測試性能差異的空間范圍。有經(jīng)驗的被試穩(wěn)定在一個以目標(biāo)為中心的直徑為工作空間寬度16.67%的圓形區(qū)域內(nèi)(圖5.E)，源控制期間的時間明顯多于傳感器控制(P < 0.005;圖5.F)。雖然對于2D下的控制來說，這種改進(jìn)沒有表現(xiàn)出顯著性(P = 0.11;圖5.C)。但性能差異的影響大小與有經(jīng)驗的用戶非常相似(圖5.A和C)，表明存在相似幅度的改進(jìn)。與預(yù)期一樣，無經(jīng)驗被試的傳感器和源控制MSE值與CP訓(xùn)練組在訓(xùn)練前的MSE值相似。這種與技能水平無關(guān)的一致性突出了源控制對在線性能的積極影響。從圖5.G可以觀察到,無經(jīng)驗被試與有經(jīng)驗被試間存在控制維度上的明顯二分。研究發(fā)現(xiàn)這種新手和經(jīng)驗豐富的被試之間的生理差異符合他們表現(xiàn)出的性能差異(MSE)，并進(jìn)一步支持了兩組之間BCI熟練程度的對比，以及基于源控制對用戶技能水平的總體影響。

圖5. 在線2D CP源與傳感器的BCI表現(xiàn)。（A和B）經(jīng)驗用戶的表現(xiàn)（n=16）。

（A）sensor和source組水平的MSE。淺灰色和深灰色條塊代表CP訓(xùn)練組訓(xùn)練前后的表現(xiàn)。

（B）sensor和source組水平的平方-錯誤直方圖。

（C和D）新手用戶的表現(xiàn)（n=13）。

（E）根據(jù)被試數(shù)據(jù)繪制的CP范式工作區(qū)的比例圖。

（F）經(jīng)驗用戶和新手用戶的光標(biāo)停留時間。

（G）經(jīng)驗用戶和新手用戶水平光標(biāo)控制和垂直光標(biāo)控制的組水平特征圖。

（H）水平控制和垂直控制源特征和傳感器特征的特征分布分析。

對機(jī)器手臂的基于源的CP BCI控制：

在受控環(huán)境中對本文提出的BCI框架進(jìn)行了有力驗證之后，作者通過將其轉(zhuǎn)換為機(jī)器手臂的應(yīng)用物理源控制來完成其研究。雖然光標(biāo)和目標(biāo)換行也可以適用于更復(fù)雜的控制策略和場景，但是這樣的功能在現(xiàn)實環(huán)境中是不存在的。因此，作者在機(jī)器人手臂控制范例中進(jìn)行了CP任務(wù)的修改，將邊緣覆蓋特性替換為邊緣排斥特性。6名有經(jīng)驗的被試(8.3±2.9小時的BCI培訓(xùn))參加了5個源CP BCI任務(wù)，包括虛擬光標(biāo)和機(jī)器手臂控制。此外，在組級特征圖中還觀察到對被試技能水平的生理支持（圖6.C），該圖顯示的特征與參與本研究的其他有經(jīng)驗的被試的特征類似。當(dāng)被試直接控制機(jī)器手臂時，隱藏的虛擬光標(biāo)的行為也被記錄下來，以確保正確映射機(jī)器手臂在物理空間中的位置。在虛擬光標(biāo)和機(jī)器手臂控制之間的轉(zhuǎn)換過程中，作者觀察到，在三種追蹤條件——虛擬光標(biāo)、隱藏光標(biāo)和機(jī)器手臂——之間存在相似的MSE值，這表明從虛擬對象控制到真實設(shè)備控制的平穩(wěn)過渡。總的來說，虛擬光標(biāo)控制和機(jī)器手臂控制之間顯著的相似性突出了將虛擬光標(biāo)集成到未來臨床訓(xùn)練范例中的可能性。如果準(zhǔn)備使用機(jī)器手臂，可以先用配套的虛擬光標(biāo)進(jìn)行訓(xùn)練，而不是直接使用機(jī)器手臂訓(xùn)練，解決了器材有限的矛盾。

圖6.基于源的CP BCI機(jī)器人手臂控制。

（A）機(jī)器手臂CP BCI設(shè)置。用戶用2D持續(xù)移動控制7-degree的機(jī)器手臂來追蹤電腦屏幕上的移動目標(biāo)。（B）使用邊緣排斥特性來適應(yīng)機(jī)器手臂的物理限制。（C）水平控制和垂直控制的組水平特征圖。（D）不同控制條件下的組水平2D MSE。（E）2D CP不同控制條件下，水平維度和垂直維度組水平追蹤相關(guān)平方(r²)的箱型圖。

結(jié)論：

本文介紹的方法旨在推動非侵入式神經(jīng)控制機(jī)器設(shè)備的實現(xiàn)和日常使用。作者已經(jīng)證明，CP（持續(xù)追蹤任務(wù)）BCI范式不僅可以用來衡量用戶的BCI熟練程度，而且可以作為比傳統(tǒng)的DT（非連續(xù)試次）任務(wù)更有效的訓(xùn)練工具。與接受DT任務(wù)訓(xùn)練的被試相比，接受CP任務(wù)訓(xùn)練的被試在熟悉和不熟悉的任務(wù)中都表現(xiàn)出了顯著的性能改善，顯示出高度靈活的技能獲取。作者認(rèn)為CP任務(wù)的目標(biāo)力學(xué)和屏幕包裹的特性可能會干擾目標(biāo)追蹤，需要在光標(biāo)控制期間提高注意力。這些結(jié)論支持將人為因素集成到基于認(rèn)知的培訓(xùn)工具中以提高用戶參與和任務(wù)性能的總體概念，并應(yīng)在未來的BCIs中加以考慮。

侵入性系統(tǒng)已經(jīng)顯示出類似于這種非侵入性系統(tǒng)的控制水平，但盡管這種侵入性的方法可能為少數(shù)嚴(yán)重身體功能障礙的患者提供急需的幫助，但由于醫(yī)療和經(jīng)濟(jì)上的限制，大多數(shù)受損者可能沒有資格參加。當(dāng)前迫切需要進(jìn)一步開發(fā)非侵入式BCI技術(shù)，使其在未來能夠造福于大多數(shù)患者甚至普通人群。綜上所述，本文所做的工作對于當(dāng)前基于腦電的BCI范式實現(xiàn)有用的、有效的非侵入式機(jī)器設(shè)備控制是必要的，其結(jié)果對正在進(jìn)行的和未來的研究具有重要的指導(dǎo)意義。

原文：Noninvasive neuroimaging enhances continuous neural tracking for robotic device control

微信掃碼或者長按選擇識別關(guān)注思影