運(yùn)動(dòng)意圖的頭皮腦電編解碼及其腦-機(jī)接口研究進(jìn)展

陳 龍 張定澤 王 坤* 許敏鵬② 明 東②

①(天津大學(xué)醫(yī)學(xué)工程與轉(zhuǎn)化醫(yī)學(xué)研究院 天津 300072)

②(天津大學(xué)精密儀器與光電子工程學(xué)院 天津 300072)

1 引言

腦-機(jī)接口(Brain-Com puter Interface, BCI)是一種不依賴(lài)于使用者正常周邊神經(jīng)和肌肉組織特殊的信息交流和控制通道，可將中樞神經(jīng)系統(tǒng)活動(dòng)直接轉(zhuǎn)化為人工輸出[1]。BCI技術(shù)是實(shí)現(xiàn)最高形態(tài)人機(jī)混合智能的必經(jīng)之路，其相關(guān)成果涵蓋機(jī)器人、生物醫(yī)藥、智能技術(shù)等重大鏈條產(chǎn)業(yè)。此外，BCI技術(shù)與軍事應(yīng)用密切相關(guān)，已成為世界各國(guó)競(jìng)相角逐的戰(zhàn)略高地。但我國(guó)BCI研究起步較晚，加之歐美針對(duì)該項(xiàng)核心科技進(jìn)行技術(shù)封鎖和出口管制，因此發(fā)展高性能BCI技術(shù)關(guān)系國(guó)防與經(jīng)濟(jì)安全，需求急迫。

根據(jù)大腦信號(hào)的產(chǎn)生方式可將BCI分為主動(dòng)式、反應(yīng)式和被動(dòng)式3種類(lèi)型[2,3]。其中，主動(dòng)式BCI能夠直接解碼大腦的思維意圖，無(wú)需依賴(lài)于外部刺激事件，是實(shí)現(xiàn)自然人-機(jī)交互的最佳途徑[4]?；谶\(yùn)動(dòng)想象(Motor Imagery, M I)的BCI通過(guò)主觀運(yùn)動(dòng)意愿驅(qū)動(dòng)功能性電刺激、智能假肢或機(jī)械外骨骼等設(shè)備能夠?qū)ⅰ斑\(yùn)動(dòng)意圖”轉(zhuǎn)化為切實(shí)“行動(dòng)”，對(duì)于運(yùn)動(dòng)功能康復(fù)、替代、增強(qiáng)具有重要的研究?jī)r(jià)值，是目前研究最廣泛、最典型的主動(dòng)式BCI范式之一。特別是當(dāng)今社會(huì)持續(xù)加重的老齡化和高發(fā)的腦疾病等問(wèn)題給M I-BCI技術(shù)的發(fā)展帶來(lái)了巨大的市場(chǎng)需求。

運(yùn)動(dòng)意圖不僅包括對(duì)肢體的選擇意圖，還涉及動(dòng)作實(shí)施過(guò)程中包含運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)信息的運(yùn)動(dòng)意圖[5]。其中運(yùn)動(dòng)學(xué)(Kinematics)意圖是指描述運(yùn)動(dòng)時(shí)空形式的參數(shù)，如方向[6,7]、速度[8,9]；動(dòng)力學(xué)(Kinetics)意圖是指產(chǎn)生肌肉活動(dòng)的因果力，包括引起運(yùn)動(dòng)的動(dòng)態(tài)力和保持給定姿態(tài)所需的靜態(tài)力[10,11]。傳統(tǒng)的M I-BCI大多通過(guò)識(shí)別受試者想象身體某部位運(yùn)動(dòng)(如左右手、足等)誘發(fā)大腦產(chǎn)生的不同腦電模式，將肢體整體活動(dòng)轉(zhuǎn)化為相應(yīng)的控制指令，但可控制外部設(shè)備的運(yùn)動(dòng)精細(xì)度尚不足以完全輔助日常生活。近年發(fā)展起來(lái)的基于單肢體精細(xì)動(dòng)作意圖編解碼研究有望突破目前M I-BCI研究中難以真正實(shí)現(xiàn)高自由度BCI控制的瓶頸并開(kāi)拓新途徑。

頭皮腦電(以下簡(jiǎn)稱(chēng)腦電(E lectroEncephalo-Graphy, EEG))信號(hào)因其非侵入采集，使用方便且更安全，常作為BCI的神經(jīng)控制信號(hào)[3]。研究精細(xì)動(dòng)作運(yùn)動(dòng)意圖的腦電編解碼可為面向運(yùn)動(dòng)功能康復(fù)、替代與增強(qiáng)的M I-BCI的關(guān)鍵技術(shù)提供新的研究思路，具有重要的研究意義。M I與運(yùn)動(dòng)執(zhí)行(Motor Execution, ME)時(shí)大腦活躍的腦區(qū)十分相似，都包含了皮質(zhì)運(yùn)動(dòng)前區(qū)、輔助運(yùn)動(dòng)區(qū)、基底神經(jīng)節(jié)、扣帶回、頂葉皮層、小腦等，研究發(fā)現(xiàn)M I和ME具有相似的皮層空間激活模式，故通過(guò)研究實(shí)際精細(xì)動(dòng)作誘發(fā)的EEG模式可為未來(lái)M I-BCI應(yīng)用提供理論依據(jù)。因此，現(xiàn)有精細(xì)動(dòng)作運(yùn)動(dòng)意圖編解碼的研究中通常涉及ME與M I兩種實(shí)驗(yàn)?zāi)Ｊ健?/p>

此外，在BCI技術(shù)的實(shí)際應(yīng)用過(guò)程中，運(yùn)動(dòng)意圖解碼錯(cuò)誤導(dǎo)致預(yù)期運(yùn)動(dòng)意圖和外部設(shè)備控制的不匹配可誘發(fā)錯(cuò)誤相關(guān)電位(Error-related potential,Errp)。該電位的正確檢測(cè)可實(shí)現(xiàn)腦-機(jī)交互過(guò)程中錯(cuò)誤控制指令的有效糾正，因而得到了研究者的廣泛關(guān)注。

基于上述分析，近年來(lái)，運(yùn)動(dòng)意圖編解碼主要在以下3個(gè)方面深入開(kāi)展：(1)單一肢體特定部位的運(yùn)動(dòng)意圖編解碼，通過(guò)分析不同部位(肩、肘等)運(yùn)動(dòng)相關(guān)信號(hào)模式，可擴(kuò)展相應(yīng)的BCI指令控制自由度；(2)運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)意圖編解碼，通過(guò)分析運(yùn)動(dòng)過(guò)程中運(yùn)動(dòng)動(dòng)力信息(方向、速度、力等)動(dòng)態(tài)處理過(guò)程，在運(yùn)動(dòng)意圖與輸出實(shí)際動(dòng)作指令間建立更匹配的理想控制模式；(3)運(yùn)動(dòng)意圖錯(cuò)誤相關(guān)電位檢測(cè)，通過(guò)識(shí)別BCI應(yīng)用過(guò)程中與產(chǎn)生預(yù)期動(dòng)作不匹配反饋時(shí)的相關(guān)電位模式，及時(shí)糾正錯(cuò)誤控制指令。本文主要綜述運(yùn)動(dòng)意圖編解碼在上述3個(gè)方面的最新研究進(jìn)展，并從運(yùn)動(dòng)控制與康復(fù)兩個(gè)方面總結(jié)基于運(yùn)動(dòng)意圖解碼的BCI應(yīng)用現(xiàn)狀，探討該領(lǐng)域的挑戰(zhàn)難點(diǎn)并預(yù)測(cè)其未來(lái)發(fā)展趨勢(shì)，以期促進(jìn)相關(guān)BCI技術(shù)的深入研究及開(kāi)發(fā)應(yīng)用。

2 運(yùn)動(dòng)意圖的腦電編解碼

研究不同實(shí)驗(yàn)范式下運(yùn)動(dòng)意圖的腦電模式及識(shí)別模型是實(shí)現(xiàn)BCI高效應(yīng)用的必要前提。本節(jié)將對(duì)單一肢體特定部位的運(yùn)動(dòng)意圖、運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)意圖編解碼以及運(yùn)動(dòng)意圖錯(cuò)誤相關(guān)電位檢測(cè)3個(gè)方面綜述本領(lǐng)域的研究進(jìn)展。

2.1 單一肢體特定部位的運(yùn)動(dòng)意圖編解碼

傳統(tǒng)的M I-BCI范式大多基于簡(jiǎn)單的肢體M I任務(wù)(如左右手、足等)，已實(shí)現(xiàn)對(duì)外部設(shè)備(如機(jī)械臂、功能性電刺激等)較好的控制[12]，然而，因其指令集有限，并不能實(shí)現(xiàn)精細(xì)動(dòng)作控制。在日常生活中，精細(xì)化的動(dòng)作依賴(lài)于單一肢體如手指、腕、肘和肩的協(xié)調(diào)運(yùn)動(dòng)。因此，通過(guò)研究單一肢體特定部位的運(yùn)動(dòng)意圖誘發(fā)腦電編解碼方法可為提升腦-機(jī)控制自由度提供理論與技術(shù)方案。

單一肢體特定部位運(yùn)動(dòng)意圖誘發(fā)EEG編解碼的研究主要針對(duì)同一上肢不同關(guān)節(jié)部位，可以分為不同部位的運(yùn)動(dòng)意圖識(shí)別(如手指的分類(lèi)識(shí)別[13])以及多個(gè)部位的聯(lián)合運(yùn)動(dòng)意圖識(shí)別(如手腕和手指、手腕和肘、手指和手肘等[14])，如圖1所示。

圖1 單一肢體特定部位的運(yùn)動(dòng)意圖編解碼

目前針對(duì)不同部位的運(yùn)動(dòng)意圖識(shí)別集中于肢體遠(yuǎn)端的手部(如區(qū)分不同手指或不同手勢(shì))。但不同手指在初級(jí)運(yùn)動(dòng)皮質(zhì)映射腦區(qū)位置接近，其運(yùn)動(dòng)誘發(fā)腦電模式特征極為相似，因此如何設(shè)計(jì)實(shí)驗(yàn)范式以及解碼方法并實(shí)現(xiàn)高效解碼充滿(mǎn)挑戰(zhàn)。盡管如此，早在2009年就有研究已經(jīng)嘗試并實(shí)現(xiàn)了單個(gè)手指精細(xì)ME誘發(fā)頭皮腦電的解碼識(shí)別[15]。在此基礎(chǔ)上，有研究利用包括α和β頻帶的EEG頻譜功率變化區(qū)分單手5個(gè)手指的運(yùn)動(dòng)意圖[16]，獲得了45.2%平均解碼正確率。2017年，Salehi等人[17]對(duì)手部?jī)煞N握拳方式、手掌張開(kāi)閉合、手握物體4種任務(wù)(如圖1(c)所示)進(jìn)行了左右手M I解碼探索，并基于感覺(jué)運(yùn)動(dòng)節(jié)律特征分析方法對(duì)8種不同手勢(shì)的運(yùn)動(dòng)意圖進(jìn)行解碼預(yù)測(cè)，利用分層共空間模式算法的識(shí)別正確率達(dá)到了64.5%。另有其他學(xué)者進(jìn)行了相關(guān)實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了手部運(yùn)動(dòng)解碼識(shí)別的可行性[18,19]。

此外，肢體關(guān)節(jié)部位聯(lián)合運(yùn)動(dòng)意圖的編解碼研究能夠?yàn)锽CI控制模式提供更多新的運(yùn)動(dòng)任務(wù)組合，并且解碼肢體關(guān)節(jié)部位的聯(lián)合運(yùn)動(dòng)任務(wù)能夠避免被試單一部位重復(fù)運(yùn)動(dòng)輸出復(fù)雜控制指令帶來(lái)的不匹配感，更利于思維活動(dòng)和控制指令之間建立直觀的對(duì)應(yīng)關(guān)系。對(duì)于上述不同關(guān)節(jié)的聯(lián)合運(yùn)動(dòng)意圖解碼通常采用傳統(tǒng)的基于感覺(jué)運(yùn)動(dòng)節(jié)律的特征分析方法。在肘關(guān)節(jié)和腕關(guān)節(jié)聯(lián)合實(shí)驗(yàn)中，聯(lián)合時(shí)頻域特征分析發(fā)現(xiàn)δ頻帶攜帶重要的運(yùn)動(dòng)類(lèi)型相關(guān)信息[20]。隨后，在指肘聯(lián)合(握手、抬臂)的實(shí)驗(yàn)[20]與指腕聯(lián)合(5個(gè)基本手部動(dòng)作)運(yùn)動(dòng)的實(shí)驗(yàn)[21]中，使用α,β頻帶ERD特征解碼分別得到了76.39%(隨機(jī)水平為50%)和73%(隨機(jī)水平20%)的平均分類(lèi)正確率。此外，源成像方法也可被用來(lái)解碼上肢部位的聯(lián)合運(yùn)動(dòng)意圖信息特征，在腕肘聯(lián)合任務(wù)(如圖1(b)所示)中發(fā)現(xiàn)不同任務(wù)的皮質(zhì)表征之間的空間分布有很大差異[14]，值得注意的是，與傳統(tǒng)分析方法相比，源成像分析方法能夠提高復(fù)雜運(yùn)動(dòng)想象任務(wù)的腦-機(jī)接口解碼性能，可實(shí)現(xiàn)82.2%平均分類(lèi)正確率。

上述研究證實(shí)了單一肢體不同部位以及關(guān)節(jié)聯(lián)合精細(xì)動(dòng)作運(yùn)動(dòng)意圖識(shí)別的可行性，拓展了運(yùn)動(dòng)任務(wù)的范式設(shè)計(jì)思路，不僅有利于促進(jìn)M I-BCI交互性能的提升，也為BCI系統(tǒng)應(yīng)用于臨床康復(fù)提供了新的研究方案。

2.2 運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)意圖編解碼

現(xiàn)有的神經(jīng)科學(xué)與運(yùn)動(dòng)神經(jīng)控制理論認(rèn)為，自主運(yùn)動(dòng)的產(chǎn)生可以分為運(yùn)動(dòng)規(guī)劃(肢體端點(diǎn)運(yùn)動(dòng)軌跡的預(yù)先描畫(huà))、運(yùn)動(dòng)學(xué)參數(shù)逆變換和動(dòng)力學(xué)參數(shù)逆變換3個(gè)階段的運(yùn)動(dòng)意圖信息處理過(guò)程。因此，通過(guò)研究運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)參數(shù)的意圖編解碼有望為建立運(yùn)動(dòng)意圖與BCI控制指令之間更匹配的控制模式提供解決方案。

已有非人類(lèi)的靈長(zhǎng)類(lèi)動(dòng)物和人類(lèi)植入式神經(jīng)電生理研究結(jié)果表明，初級(jí)運(yùn)動(dòng)皮層的神經(jīng)活動(dòng)包含了手部運(yùn)動(dòng)方向、速度、力量等運(yùn)動(dòng)信息，并且運(yùn)動(dòng)方向與速度的神經(jīng)響應(yīng)早于實(shí)際動(dòng)作產(chǎn)生約100 m s，表征大腦對(duì)將要發(fā)生動(dòng)作的預(yù)先規(guī)劃[22]。近年來(lái)，在上述微觀神經(jīng)元集群活動(dòng)對(duì)空間運(yùn)動(dòng)意圖編碼原理的指導(dǎo)下，研究者開(kāi)展了運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)運(yùn)動(dòng)意圖誘發(fā)頭皮腦電響應(yīng)模式與解碼方法的研究[23]。

有研究證實(shí)低頻段(0～8 Hz)EEG信號(hào)包含手部運(yùn)動(dòng)方向信息[24]。Robinson等人[7]對(duì)采集的手隨意方向運(yùn)動(dòng)任務(wù)下的腦電數(shù)據(jù)進(jìn)行單試次分類(lèi)實(shí)驗(yàn)(實(shí)驗(yàn)范式如圖2(a)所示)，使用共空間模式算法(Common Spatial Pattern, CSP)和Fisher線性判別對(duì)4個(gè)不同方向的低頻EEG信號(hào)特征提取與模式識(shí)別，平均分類(lèi)正確率達(dá)到80.24%。隨后，Chouhan等人[25]也進(jìn)行了基于EEG信號(hào)的手部4個(gè)方向運(yùn)動(dòng)分類(lèi)實(shí)驗(yàn)，結(jié)果表明在慢皮層電位(小于1 Hz)以及頻率更高的波形中(小于12 Hz)存在與方向相關(guān)的意圖信息，并實(shí)現(xiàn)7個(gè)被試76.85%的平均分類(lèi)正確率。

圖2 運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)意圖編解碼

此外，早期研究已經(jīng)證明想象手部運(yùn)動(dòng)速度變化意圖可以被無(wú)創(chuàng)腦電信號(hào)記錄并連續(xù)解碼[26]。與運(yùn)動(dòng)方向意圖的研究結(jié)果相似，有研究發(fā)現(xiàn)速度意圖信息可以通過(guò)低頻腦電信號(hào)解碼獲得[27]，并探討了速度與加速度意圖信息的頂枕激活模式(如圖2(d)所示)。2021年Robinson等人[28]進(jìn)一步對(duì)手部運(yùn)動(dòng)速度信息解碼進(jìn)行了探究，被試以?xún)煞N不同的速度向左或向右執(zhí)行運(yùn)動(dòng)(如圖2(b)所示)并同步記錄腦電信號(hào)，使用空間和頻譜特征進(jìn)行分類(lèi)，與方向無(wú)關(guān)的快慢速二分類(lèi)正確率達(dá)73.36%，左右方向上分別得到了69.46%和68.98%的分類(lèi)正確率。

在動(dòng)力學(xué)意圖信息解碼方面，研究發(fā)現(xiàn)手部擠壓力量的增加與對(duì)側(cè)感覺(jué)運(yùn)動(dòng)皮層和輔助運(yùn)動(dòng)區(qū)的激活有關(guān)[29]。并且高力量水平的M I任務(wù)可在感覺(jué)運(yùn)動(dòng)皮層對(duì)應(yīng)區(qū)域誘發(fā)出更明顯的ERD現(xiàn)象，且能激活更大面積的腦區(qū)[30]。Jochum sen等人[9]從頭皮腦電中提取不同程度的預(yù)期運(yùn)動(dòng)的力和速度特征，用改進(jìn)的支持向量機(jī)對(duì)運(yùn)動(dòng)想象提取的低頻ERD特征進(jìn)行分類(lèi)，4分類(lèi)正確率達(dá)到80%。隨后，F(xiàn)u等人[31,32]進(jìn)行了相關(guān)實(shí)驗(yàn)，在不同的握力水平研究中(如圖2(c)所示)，研究發(fā)現(xiàn)β頻帶的EEG網(wǎng)絡(luò)拓?fù)溥B接隨著實(shí)際握力水平的增加而增加，并且在M I任務(wù)中也有類(lèi)似的結(jié)果(如圖2(e)所示)。

綜上，相關(guān)研究結(jié)果表明基于運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)意圖的腦電編解碼研究有助于進(jìn)一步從運(yùn)動(dòng)準(zhǔn)備、規(guī)劃和執(zhí)行等方面對(duì)開(kāi)發(fā)基于過(guò)程控制的主動(dòng)式人機(jī)交互系統(tǒng)奠定理論與技術(shù)基礎(chǔ)。

2.3 運(yùn)動(dòng)意圖錯(cuò)誤相關(guān)電位檢測(cè)

在人機(jī)交互的過(guò)程中，被試的意圖很有可能被錯(cuò)誤解碼而產(chǎn)生與意圖相悖的輸出指令，機(jī)械臂等外設(shè)將因此做出意料之外的動(dòng)作。在這種情況下，不匹配的預(yù)期動(dòng)作和指令反饋在被試大腦中將誘發(fā)與錯(cuò)誤信息處理相關(guān)的模式，稱(chēng)之為錯(cuò)誤相關(guān)電位(Errp)。通過(guò)對(duì)Errp的正確識(shí)別，可實(shí)現(xiàn)對(duì)被試意圖信息的在線連續(xù)解碼校正或分類(lèi)策略?xún)?yōu)化從而改善BCI的性能[33,34]。

早期研究中，在運(yùn)動(dòng)意圖解碼過(guò)程中檢測(cè)Errp特征的研究大多基于預(yù)先設(shè)定錯(cuò)誤發(fā)生率的離線實(shí)驗(yàn)范式，檢測(cè)準(zhǔn)確率較低，且無(wú)法真正反映受試者對(duì)于在線M I-BCI解碼錯(cuò)誤時(shí)的表現(xiàn)[35]。通過(guò)分析離線數(shù)據(jù)中Errp特征與優(yōu)化解碼方法，Lopes-D ias等人[36]首次進(jìn)行了在線異步Errp的連續(xù)解碼(如圖3(a))。該系統(tǒng)連續(xù)識(shí)別受試者右手運(yùn)動(dòng)意圖并控制機(jī)械臂朝目標(biāo)靠近。當(dāng)機(jī)械臂運(yùn)動(dòng)方向發(fā)生錯(cuò)誤時(shí)，若系統(tǒng)檢測(cè)到Errp，則重新對(duì)當(dāng)前運(yùn)動(dòng)意圖進(jìn)行解碼以校正控制指令。Zhang等人[37]通過(guò)檢測(cè)Errp校正智能汽車(chē)在模擬駕駛過(guò)程中的轉(zhuǎn)彎方向(如圖3(b))，增加了模擬行駛過(guò)程的安全性。

圖3 運(yùn)動(dòng)意圖錯(cuò)誤相關(guān)電位檢測(cè)

Errp還可以應(yīng)用于BCI系統(tǒng)中模型分類(lèi)策略的優(yōu)化，從而降低用戶(hù)運(yùn)動(dòng)意圖被錯(cuò)誤輸出的概率[38,39]。K reilinger等人[40]使用經(jīng)典G raz范式控制小球運(yùn)動(dòng)，將離線測(cè)得的Errp特征波形融入在線M I的判別分析特征選擇和高斯分類(lèi)器中，M I在線分類(lèi)正確率從70%提升到80%。Parashiva等人[41]融合Errp特征實(shí)現(xiàn)了運(yùn)動(dòng)想象方向意圖解碼性能的提升。該研究使用小波相位、幅度特征解碼模型結(jié)合Errp檢測(cè)模型的新型糾錯(cuò)算法，手部雙向(左右)運(yùn)動(dòng)想象在線平均解碼正確率從隨機(jī)水平提升至64.9%。

如上述，現(xiàn)有研究證實(shí)了BCI系統(tǒng)中融合Errp特征的檢測(cè)有助于提升運(yùn)動(dòng)意圖的解碼性能。在此基礎(chǔ)上，Errp結(jié)合M I被越來(lái)越多的用于運(yùn)動(dòng)康復(fù)領(lǐng)域的應(yīng)用開(kāi)發(fā)，為腦卒中患者的臨床康復(fù)提供了新的研究思路[42]。

3 基于運(yùn)動(dòng)意圖解碼的BCI應(yīng)用

M I-BCI結(jié)合機(jī)械臂、輪椅、功能性電刺激等外部設(shè)備，已成為幫助殘疾患者恢復(fù)正常生活重要的探索方向。近年來(lái)，運(yùn)動(dòng)意圖的腦電編解碼技術(shù)已經(jīng)取得了長(zhǎng)足進(jìn)步，在此基礎(chǔ)上當(dāng)前相關(guān)的BCI應(yīng)用研究主要聚焦于高自由度運(yùn)動(dòng)指令控制與運(yùn)動(dòng)功能臨床康復(fù)兩大領(lǐng)域。

3.1 高自由度運(yùn)動(dòng)指令控制

通過(guò)解碼運(yùn)動(dòng)意圖實(shí)現(xiàn)高自由度的運(yùn)動(dòng)指令控制是提升腦控外部設(shè)備運(yùn)動(dòng)精細(xì)度的必要途徑。近年來(lái)本領(lǐng)域已取得一些突破性的進(jìn)展，如控制無(wú)人機(jī)在3維空間飛行[43]、控制機(jī)器臂實(shí)現(xiàn)吃飯喝水[44]等?？偟膩?lái)說(shuō)，現(xiàn)有研究主要聚焦基于不同肢體部位運(yùn)動(dòng)想象解碼的指令控制和基于運(yùn)動(dòng)參數(shù)意圖解碼的指令控制。

傳統(tǒng)基于不同肢體M I-BCI的主要控制方式仍為離散指令控制，即受試者的運(yùn)動(dòng)意圖以一定的時(shí)間間隔被識(shí)別并輸出。現(xiàn)有研究中受試者已實(shí)現(xiàn)通過(guò)M I-BCI控制機(jī)械臂完成伸展和抓取等動(dòng)作[45,46]。為了實(shí)現(xiàn)對(duì)外部設(shè)備更流暢的控制效果，近年來(lái)M I-BCI解碼結(jié)合外部設(shè)備連續(xù)控制策略的研究受到廣泛關(guān)注。Edelman等人[47]通過(guò)識(shí)別被試想象左手、右手和雙手以及靜息任務(wù)產(chǎn)生的不同腦電模式，控制機(jī)械臂實(shí)現(xiàn)2維光標(biāo)連續(xù)跟蹤任務(wù)(如圖4(a)所示)。該研究中，運(yùn)動(dòng)意圖解碼部分仍為基于不同肢體的離散4指令輸出，但研究者利用在線異步M I輸出反饋策略實(shí)現(xiàn)了機(jī)械臂的連續(xù)控制。相關(guān)研究大多基于肢體運(yùn)動(dòng)的重復(fù)想象范式，并需結(jié)合一些非自然的控制策略。

圖4 高自由度運(yùn)動(dòng)指令控制

相比之下，基于運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)意圖的腦電解碼有利于在任務(wù)與輸出指令之間建立更匹配且自然的對(duì)應(yīng)關(guān)系，具有重要研究?jī)r(jià)值[48]。W aldert等人[49]首次實(shí)現(xiàn)了3維空間中速度的解碼，研究者也通過(guò)解碼低頻腦電實(shí)現(xiàn)了對(duì)于包含運(yùn)動(dòng)學(xué)參數(shù)的手部運(yùn)動(dòng)軌跡的擬合。2020年，Mondini等人[27]使用偏最小二乘法回歸得到運(yùn)動(dòng)參數(shù)信息(位置、速度和加速度)，首次實(shí)現(xiàn)了低頻腦電解碼手部運(yùn)動(dòng)意圖連續(xù)在線控制機(jī)械臂(如圖4(b)所示)。W ang等人[30]利用基于單肢體動(dòng)力學(xué)參數(shù)M I誘發(fā)的腦電模式，實(shí)現(xiàn)了一種力敏M I-BCI交互系統(tǒng)，在線三分類(lèi)平均正確率達(dá)到70.9%，不僅可用于擴(kuò)展BCI指令集增加其控制形式，也有望為受試者提供更精細(xì)的力敏反饋。

當(dāng)前研究已初步證實(shí)基于運(yùn)動(dòng)意圖解碼用于高自由度控制的可行性，且為BCI的連續(xù)控制提供了技術(shù)基礎(chǔ)。但目前可實(shí)現(xiàn)的解碼正確率尚不足以實(shí)現(xiàn)高效的腦-機(jī)交互，相關(guān)范式與控制策略仍有待深入研究。

3.2 臨床康復(fù)應(yīng)用

卒中患者通?；加羞\(yùn)動(dòng)功能障礙從而失去自由活動(dòng)和控制肌肉的能力，但大腦神經(jīng)元的可塑性使得其實(shí)現(xiàn)運(yùn)動(dòng)功能康復(fù)成為可能。近年來(lái)，神經(jīng)反饋結(jié)合BCI的康復(fù)訓(xùn)練成為卒中治療的熱門(mén)方法。神經(jīng)反饋訓(xùn)練是生物反饋訓(xùn)練的一種，它實(shí)時(shí)地監(jiān)測(cè)大腦的活動(dòng)狀態(tài)，通過(guò)計(jì)算機(jī)系統(tǒng)輔助，給受訓(xùn)者適當(dāng)?shù)穆曇?、圖像和觸覺(jué)等反饋，使受訓(xùn)者通過(guò)主觀地感受、自覺(jué)地改變自身生物信號(hào)來(lái)改變腦的活動(dòng)狀態(tài)，增強(qiáng)腦的自我調(diào)節(jié)能力，以改善甚至修復(fù)受損傷大腦的功能[50]。在神經(jīng)反饋訓(xùn)練機(jī)制的指導(dǎo)下，M I-BCI結(jié)合物理刺激、輔助機(jī)器人等用于臨床康復(fù)訓(xùn)練的研究成果引人注目。

融合M I-BCI與反饋刺激，可反復(fù)強(qiáng)化從大腦至肌群的正常興奮傳導(dǎo)通路，有效地促進(jìn)原有障礙的運(yùn)動(dòng)反射弧逐漸恢復(fù)，神經(jīng)反饋康復(fù)效果顯著。反饋刺激有多種模式，如神經(jīng)肌肉電刺激(Functional Electrical Stim ulation, FES)、機(jī)械外骨骼動(dòng)作、視覺(jué)刺激。其中，最常見(jiàn)的刺激方式為神經(jīng)肌肉電刺激。2018年，Biasiucci 等人[51]將M I-BCIFES系統(tǒng)應(yīng)用于卒中患者運(yùn)動(dòng)功能康復(fù)治療中，結(jié)果發(fā)現(xiàn)在功能神經(jīng)可塑性量化指標(biāo)評(píng)定上 BCIFES表現(xiàn)出顯著的功能恢復(fù)效果。同時(shí)，BCI 與康復(fù)機(jī)器人相結(jié)合將機(jī)電一體的被動(dòng)訓(xùn)練轉(zhuǎn)為了人機(jī)一體的主動(dòng)訓(xùn)練，有利于提高患者的參與度。Barsotti等人[52]設(shè)計(jì)了基于M I-BCI的上肢機(jī)械外骨骼系統(tǒng)，該系統(tǒng)能提供豐富的感官反饋，以便全面恢復(fù)患者的接觸和抓取功能。Liu等人[53]利用M I-BCI控制下肢外骨骼對(duì)8名卒中患者進(jìn)行了長(zhǎng)期多階段步態(tài)神經(jīng)康復(fù)訓(xùn)練，結(jié)果顯示患者的關(guān)鍵肌肉恢復(fù)了部分自主控制能力，步行指數(shù)明顯改善。此外，Bhattacharyya等人[42]開(kāi)發(fā)了將E rrp與M I-BCI系統(tǒng)結(jié)合的康復(fù)機(jī)器人，該設(shè)備能夠及時(shí)撤銷(xiāo)患者在M I過(guò)程中錯(cuò)誤分類(lèi)的動(dòng)作以達(dá)到提升訓(xùn)練效率的目的，有助于實(shí)現(xiàn)促進(jìn)神經(jīng)通路重建的功能。另有研究報(bào)道，特定的視覺(jué)反饋亦有助于激發(fā)大腦皮層功能的重組[54]。Yoo等人[55]將手部運(yùn)動(dòng)時(shí)對(duì)應(yīng)大腦激活區(qū)域的功能磁共振成像(Functional M agnetic Resonance Im aging, fMRI)信息進(jìn)行視覺(jué)反饋，發(fā)現(xiàn)其能幫助患者學(xué)習(xí)如何增加與M I任務(wù)相關(guān)的特定腦區(qū)皮質(zhì)活動(dòng)，可使其將目標(biāo)腦區(qū)血氧水平依賴(lài)(Blood Oxygenation Level Dependent, BOLD)信號(hào)調(diào)節(jié)到最大程度。

上述研究表明了M I-BCI臨床康復(fù)應(yīng)用的巨大潛力。但通過(guò)現(xiàn)有文獻(xiàn)研究結(jié)果，可總結(jié)出M I-BCI在實(shí)際運(yùn)用過(guò)程中，仍然存在一些亟待解決的問(wèn)題，如現(xiàn)有M I-BCI康復(fù)設(shè)備體積較大、便攜性差，M I-BCI 系統(tǒng)信息轉(zhuǎn)換速率較低[48]，對(duì)于腦卒中后下肢康復(fù)的研究相對(duì)較少，運(yùn)動(dòng)想象完成質(zhì)量較難評(píng)估等[53]。可以預(yù)見(jiàn)，在通過(guò)系統(tǒng)優(yōu)化、解碼技術(shù)創(chuàng)新、臨床科學(xué)驗(yàn)證等手段解決上述問(wèn)題后，未來(lái)將會(huì)有交互更友好的M I-BCI功能康復(fù)系統(tǒng)進(jìn)入日常生活，幫助卒中等運(yùn)動(dòng)障礙患者完成基本活動(dòng)從而提高其生活質(zhì)量。

4 總結(jié)與展望

綜上所述，運(yùn)動(dòng)意圖的頭皮腦電編解碼研究歷經(jīng)數(shù)十年發(fā)展，隨著相關(guān)范式設(shè)計(jì)與解碼算法日益更新，傳統(tǒng)M I-BCI指令集受限、腦-機(jī)交互不自然等瓶頸難題有望得到突破。然而，仍要注意，現(xiàn)有研究仍存在一些問(wèn)題有待解決：

(1)雖然肢體特定部位精細(xì)動(dòng)作運(yùn)動(dòng)意圖以及運(yùn)動(dòng)意圖錯(cuò)誤相關(guān)電位的解碼研究已取得重要進(jìn)展，但因其信號(hào)特征弱，總體解碼精度尚不理想，遠(yuǎn)不能達(dá)到現(xiàn)實(shí)應(yīng)用水平。因此，現(xiàn)有BCI系統(tǒng)多數(shù)只能通過(guò)簡(jiǎn)單肢體動(dòng)作M I實(shí)現(xiàn)較為高效穩(wěn)定的指令輸出，并通過(guò)結(jié)合非自然的控制策略，實(shí)現(xiàn)相對(duì)高自由度的連續(xù)控制。

(2)運(yùn)動(dòng)學(xué)與動(dòng)力學(xué)等運(yùn)動(dòng)意圖編解碼相關(guān)研究通常僅針對(duì)某一特定運(yùn)動(dòng)學(xué)或動(dòng)力學(xué)參數(shù)的腦電特征展開(kāi)分析，不同運(yùn)動(dòng)矢量參數(shù)的腦電響應(yīng)空間映射模型以及從運(yùn)動(dòng)規(guī)劃到運(yùn)動(dòng)執(zhí)行全過(guò)程的腦電特征動(dòng)態(tài)演進(jìn)規(guī)律鮮有報(bào)道，有待進(jìn)一步深入研究，以厘清富含方向、速度、力量等信息的矢量空間運(yùn)動(dòng)意圖的編碼原理。此外，現(xiàn)有研究大多為真實(shí)動(dòng)作執(zhí)行范式下的腦電模式研究，未來(lái)如何將其應(yīng)用于M I-BCI系統(tǒng)中，實(shí)現(xiàn)主動(dòng)式腦-機(jī)指令輸出，還需進(jìn)一步深入探究。

(3)在應(yīng)用方面，為了獲得更好的腦電信號(hào)質(zhì)量，現(xiàn)有設(shè)備大多體積大、便攜性差，導(dǎo)致了M I-BCI難以應(yīng)用于日常生活。此外，受范式靈活度和解碼算法有效性的限制，現(xiàn)有M I-BCI系統(tǒng)可實(shí)現(xiàn)的功能只能用于較簡(jiǎn)單的任務(wù)操作，無(wú)法完成較為復(fù)雜的高難度任務(wù)操作，因而相關(guān)研究大多數(shù)集中于臨床康復(fù)醫(yī)療應(yīng)用，其他領(lǐng)域應(yīng)用鮮有報(bào)道。由此可見(jiàn)，實(shí)現(xiàn)M I-BCI系統(tǒng)廣泛的實(shí)際應(yīng)用仍然具有較大的挑戰(zhàn)性[56]。

針對(duì)上述問(wèn)題，未來(lái)應(yīng)圍繞運(yùn)動(dòng)意圖的范式創(chuàng)新和編碼原理、解碼算法與系統(tǒng)優(yōu)化等方面進(jìn)一步開(kāi)展研究。

在范式創(chuàng)新和編碼原理方面，設(shè)計(jì)單肢體多關(guān)節(jié)聯(lián)合運(yùn)動(dòng)、單肢體部位多個(gè)動(dòng)作(不同運(yùn)動(dòng)方向速度)以及雙肢體聯(lián)合運(yùn)動(dòng)任務(wù)(左右手協(xié)同動(dòng)作)等符合現(xiàn)實(shí)運(yùn)動(dòng)場(chǎng)景的精細(xì)動(dòng)作運(yùn)動(dòng)意圖范式，結(jié)合多模態(tài)信號(hào)(頭皮腦電、近紅外信號(hào)、腦磁等)同步采集技術(shù)，研究運(yùn)動(dòng)意圖深層次神經(jīng)信號(hào)傳導(dǎo)與皮層激活機(jī)制，探索反映運(yùn)動(dòng)過(guò)程運(yùn)動(dòng)意圖的時(shí)-頻-空多維腦電響應(yīng)特征的空間映射關(guān)系與演變規(guī)律模型，為開(kāi)發(fā)更多新型BCI范式提供必要的科學(xué)依據(jù)。

在運(yùn)動(dòng)意圖誘發(fā)腦電解碼算法方面，對(duì)特征提取和分類(lèi)算法的創(chuàng)新還需深入探索，應(yīng)在當(dāng)前常見(jiàn)的M I誘發(fā)腦電的特征提取算法(例如CSP、黎曼幾何等)和分類(lèi)算法(例如線性判別分析、支持向量機(jī)等機(jī)器學(xué)習(xí)算法)基礎(chǔ)上，嘗試進(jìn)行算法的創(chuàng)新設(shè)計(jì)，特別是研究符合運(yùn)動(dòng)意圖相關(guān)腦電特征特點(diǎn)的空間濾波方法，增強(qiáng)特征的特異性與魯棒性。并結(jié)合當(dāng)前研究熱點(diǎn)深度學(xué)習(xí)算法進(jìn)行探索，以便更好地處理復(fù)雜的非線性變換分類(lèi)[57]。此外，還需在深入理解運(yùn)動(dòng)執(zhí)行與M I誘發(fā)運(yùn)動(dòng)意圖編碼原理與解碼算法的基礎(chǔ)上，研究模型的遷移算法，進(jìn)一步指導(dǎo)M I-BCI的應(yīng)用[58]。

在系統(tǒng)優(yōu)化方面，提升BCI系統(tǒng)的信息傳輸速率(Information T ransfer Rate, ITR)是重要研究發(fā)展方向，而ITR的大小和系統(tǒng)的響應(yīng)時(shí)間、識(shí)別正確率與可輸出指令的數(shù)量相關(guān)，應(yīng)開(kāi)展自適應(yīng)解碼算法研究，實(shí)現(xiàn)模型隨腦電信號(hào)動(dòng)態(tài)變化實(shí)時(shí)更新，使系統(tǒng)能夠根據(jù)不同腦電特征自動(dòng)選擇解碼模型，減少系統(tǒng)的響應(yīng)時(shí)間并提高解碼精度，并在運(yùn)動(dòng)意圖誘發(fā)腦電信號(hào)編解碼技術(shù)理論指導(dǎo)下突破M I-BCI指令集瓶頸約束增加可輸出指令的數(shù)量。此外，同步BCI工作模式需要用戶(hù)集中注意于系統(tǒng)的提示，無(wú)法實(shí)現(xiàn)隨心意動(dòng)，因此開(kāi)發(fā)基于用戶(hù)自主驅(qū)動(dòng)的異步M I-BCI系統(tǒng)尤為重要。

5 結(jié)束語(yǔ)

綜上所述，運(yùn)動(dòng)意圖的頭皮腦電編解碼在范式設(shè)計(jì)和實(shí)際應(yīng)用方面日益完善，目前已經(jīng)取得了一定進(jìn)步和發(fā)展。相比傳統(tǒng)M I-BCI，其在高自由度連續(xù)控制和臨床康復(fù)等場(chǎng)景應(yīng)用中具有高指令集、高匹配度以及高容錯(cuò)率的優(yōu)點(diǎn)。隨著相關(guān)技術(shù)的研究與發(fā)展，相信未來(lái)更多面向工業(yè)、生活?yuàn)蕵?lè)、醫(yī)療、軍事等領(lǐng)域的實(shí)用型運(yùn)動(dòng)意圖BCI系統(tǒng)將不斷涌現(xiàn)，并在人-機(jī)交互工程中發(fā)揮越來(lái)越重要的作用，發(fā)展前景令人期待。