我的位置:首页>资联虹康>应用研究

fNIRS助力脑机接口技术,打造人类更多“超能力”

作者:znion   发布时间:2019-11-28   阅读次数:132

脑机接口(BCI)技术


脑机接口技术(BCI)通过解码人类思维活动过程中的脑神经活动信息,构建大脑与外部世界的直接信息传输通路,从而控制外部应用程序或工具。其作为当前神经工程领域中最活跃的研究方向之一,在生物医学、神经康复和智能机器人等领域具有重要的研究意义和巨大的应用潜力。


当前的BCI系统大多依赖脑电图(EEG)采集神经电信号,然而EEG存在固有噪声和非线性的特点,这在一定程度上影响了数据的采集质量。近红外脑功能成像技术(fNIRS)具备高信噪比和高空间分辨率的特点,因此被广泛认为是一种可替代脑电图的信号的可能手段[8]。fNIRS作为非侵入式光学脑检测手段,其不会受到神经点活动偶极子朝向的影响,从而有可能回避脑电“BCI不能”的问题[7]。



相关研究应用


Coyle等人[1]认为EEG是一种相对非直接测量认知功能的方法,他们尝试使用fNIRS测量脑活动情况,并以运动想象为任务,证实了fNIRS用于BCI的可行性。Sitaram等人的研究则[2]进一步证实了基于fNIRS的脑机接口的可行性。Tankahashi等人[3]利用fNIRS采集了运动区及额叶区的左右手运动想象信号,利用人工神经网络算法进行分类,同样得到了可观的数据结果。

胡汉斌等人[6]设计了动手指、想象动手指、听觉三个任务,利用fNIRS采集氧合及脱氧血红蛋白浓度的变化,提取Hurst指数特征,以神经网络为分类器使用响应和任务的识别率达到了70%。

1.png

德国蒂宾根大学的研究团队基于fNIRS,实现了首个可用于脊髓侧索硬化症患者完全闭锁状态(completely locked-in state, CLIS)的脑机接口系统。研究通过分析fNIRS采集到的额叶血红蛋白浓度变化进行分类,患者经过数周训练后,可对一系列语音呈现的问题通过调节脑神经活动模式来回答“是”或“不是”,且正确率可达到70%。



由于EEG和fNIRS可从不同角度反应脑活动情况,且两者都是运动想象BCI研究的常用技术,研究者认为两项技术的组合应用可以实现空间分辨率上的互补。这使得基于EEG-fNIRS的双模态BCI研究成为新的热点。这种研究方式对信号采集的条件进行放宽,并支持被试进行较大的动作量和较复杂的行为实验,具有实际推广意义。



Fazli等人[4]为提高BCI系统的稳定性和正确率,利用EEG和fNIRS同时采集左右手运动想象时的数据,结果证明利用双模态采集的数据正确率平均提升了5%。


Khan等人[5]利用EEG-fNIRS双模态信号从运动区采集信号,证明被试者在使用康复机器人帮助训练后,运动想象能力得到显著提高,数据正确率从训练前的66%提高到94%。这表明了双模态数据比单模态数据表现更好。由此可见双模态BCI在新研究趋势中展现的巨大潜力。


2.png

发展趋势与展望



近年来,在BCI相关科研突破推动下,BCI技术开始得到越来越多关注和投入,除了Neuralink、Facebook为代表的工业界关注之外,各国政府也对BCI技术给予了高度重视。美国、欧盟、日本以及中国的脑计划都将为脑机接口提供关键神经生理基础与关键技术方法支撑,基于fNIRS的脑机接口技术势必成为脑机交互发展的有力武器。



往期文章推荐:
那么美的安妮·海瑟薇是双相情感障碍患者?


我真的抑郁了吗?——临床探究近红外脑成像技术的优势与应用前景


近红外脑功能成像在儿童领域的应用研究
近红外脑功能成像在精神心理领域的应用


参考文献



[1]Coyle S., Ward, T., Markham C., et al. On the suitability of near-infrared (NIR) systerms for next-generation brain-computer interfaces. Physiological Measurement, 2004,25(4):815-822.


[2]SitaramR., Zhang H., Guan C., et al. Temporal classification of multichannel near-infrared spectroscopy signals of motor imagery for developing a brain-computer interface. Neuroimage, 2007,34(4):1416-1427.


[3]Takahashi S., Nakamura H., Tsunashima H. Multichannel temporal data classification of motor imagination using fNIRS; proceedings of the 2010 International Conference on Control Automation and Systerm (ICCAS) .2010.IEEE.


[4]Fazli S., Mehnert J., Steinbrink J., et al. Enhanced performance by a hybrid NIRS-EEG brain computer interface. Neuroimage, 2012.59(1):519-529.


[5]Khan M. J., Hong K. S., Naseer N., et al. Motor imagery performance evaluation  using hybrid EEG-fNIRS for BCI; proceedings of the Socity of Instrument and Control Engineers of Japan, F, 2015.IEEE.


[6]胡汉斌,祝晔,蒋田仔.基于功能近红外光谱技术的脑机接口研究.生物医学工程研究,2010,29(1):23-26.


[7]尧德中,脑机接口:从神奇到现实转变.中国生物医学工程学报.2014,33(6):641-643.


[8]叶佩霞,朱睿达,唐红红,买晓琴,刘超.近红外光学成像在社会认知神经科学中的应用.2017,25(5)731-741.


下一篇:已经没有了
4000-298-122
customers@znion.com
武汉市东湖新技术开发区高新大道818号医疗器械园B7栋4楼