这篇综述论文详细介绍了脑机接口（BCI）信号采集技术的最新进展。论文首先介绍了BCI的发展历程和分类，然后从手术和检测两个维度对BCI信号采集技术进行了分类和详细介绍。手术维度主要考虑手术的侵入性，检测维度主要考虑传感器的位置和信号类型。接着，论文对每个分类中的代表性技术进行了详细介绍，包括其工作原理、优缺点和应用场景。最后，论文讨论了BCI信号采集技术的潜在可行技术和未来发展方向，包括非侵入性植入技术、微创植入技术、侵入性非植入技术和侵入性干预技术等。
中文题目：如何“阅读”你的大脑？脑-机接口的信号采集技术综述
英文原题：Signal acquisition of brain–computer interfaces: A medical-engineering crossover perspective review
通讯作者：高小榕，清华大学
第一作者：孙艺珂，清华大学
关键词：脑-机接口，信号采集技术，手术，检测，人机交互
脑-机接口的诞生与演进
自1924年电生理学先驱汉斯·贝格尔发明了脑电图（EEG）以来，人类对大脑活动的认识和记录手段有了质的飞跃。随后，深脑刺激器（DBS）等神经假体的出现，为中风、癫痫等病症的治疗提供了新的可能。而今，BCI技术更是在此基础上迈出了关键的一步，它通过将大脑的中枢神经系统信号转换为外部设备的控制命令，为那些因疾病或伤害而失去运动和沟通能力的患者带来了希望。
脑机接口技术概述
脑机接口的历史可以追溯到1924年，当时Hans Berger首次记录了人类的脑电图（EEG），这一开创性的工作标志着监测人类大脑活动的科学方法的诞生。此后，人类大脑信号与计算机系统的结合成为了研究的热点，脑机接口的概念也在不断发展和完善。
1973年，Jacques Vidal首次提出了脑机接口的概念。随着计算机技术的发展，BCI技术取得了实质性的进展。在1999年的首届国际会议上，BCI被定义为“不依赖于外周神经和肌肉的正常输出通路的通信系统”。到了2012年，BCI技术被重新定义为“一种新的非肌肉通道”的交互方式。2021年，广义BCI的概念被提出，即“任何与大脑和外部设备直接交互的系统”。
图1 典型脑机接口的系统结构BCI信号采集技术的分类
BCI信号采集技术的分类方式多种多样，随着技术的不断进步，原有的分类系统逐渐难以满足需求。为了更好地促进跨学科对话和合作，本文提出了一种从手术和检测两个维度来分类的方法。
手术维度：根据手术的侵入性，将BCI信号采集技术分为非侵入性、微创性和侵入性三个级别。非侵入性方法在信号采集过程中不会对人体造成解剖学上可见的创伤；微创性方法会造成可见的解剖创伤，但不会影响脑组织；侵入性方法则会在微米级或更大尺度上对脑组织造成创伤。
检测维度：从工程角度出发，根据传感器的位置，将BCI信号采集技术分为非植入式、介入式和植入式三个级别。非植入式技术通过身体表面的传感器获取信号；介入式技术利用人体自然腔体内的传感器，如血管，在不损害人体组织完整性的情况下获取信号；植入式技术则通过植入人体组织内的传感器收集信号。
BCI信号采集技术的二维视角
BCI系统的发展需要临床医生和工程师的紧密合作，但目前两者之间的协作还存在不足。为了更好地理解BCI信号采集技术，本文引入了手术 - 检测二维视角的分析方法。
1. 手术维度：侵入性的影响
分类依据：根据信号采集过程中手术对人体的侵入程度，分为非侵入性、微创性和侵入性（图2a）。
影响因素：手术创伤程度、伦理考虑、医疗条件要求、临床监督需求等都会随着侵入性的增加而增加。
技术示例：非侵入性方法如EEG和MEG，微创性方法如MILEM技术，侵入性方法如脑深部刺激（DBS）等。
图2 BCI信号采集技术分类2. 检测维度：传感器的位置与信号质量
分类依据：传感器在操作时的位置，以及与信号质量、生物相容性风险等指标的关系（图2b）。
信号特点：非植入式方法获取的信号类似于在教室外听学生合唱，噪声大且只能获取大规模同步放电；介入式方法如Stentrode，能获取更精确的信号，但仍存在一些局限性；植入式方法如Neuralink等，能捕捉到精确的高频信号，但也面临着免疫反应等问题。
3. 检测维度与信号的关系
信号差异：植入式传感器能获取精确的高频信号，如Local Field Potentials（LFP）和spike信号；介入式技术由于与软组织隔离，难以获取spike信号；非植入式技术只能获取低频的大规模同步放电信号，如EEG（图3）。
系统分类：根据信号采集方式的不同，可将BCI系统分为全局脑 - 计算机接口（G-BCI）和局部脑 - 计算机接口（L-BCI）。G-BCI如EEG，能获取整体信号，但在识别特定运动控制区域时可能存在困难；L-BCI能获取更准确的信号，但可能无法完全反映大脑的复杂认知过程。
图3 关于采集信号的检测维度的示意图BCI信号采集技术的全景分类
基于手术和检测两个维度，BCI信号采集技术可分为九个类别，为我们提供了一个全面而清晰的技术概览。
图4 脑机接口信号采集技术的手术检测二维全景图1. 非侵入性非植入式技术
技术特点：包括电磁信号和血流信号两类。电磁信号如EEG成本低、使用广泛，但信号质量可能受组织和生物电干扰影响；MEG具有良好的时间分辨率和更多通道，但设备成本高。血流信号如fNIRS、fTCD和fMRI常用于多模态BCI研究，但各自存在一些局限性。
应用场景：在教育、游戏、通信等消费电子领域有广泛应用，如帮助中风患者进行运动康复、实时监测患者麻醉状态、进行睡眠调节、监测专业操作人员的认知状态、评估群体学习动态等。
2. 微创性非植入式技术
技术特点：旨在解决非植入式技术的技术障碍，如MILEM技术通过超声振动改善信号传输，提高了信号的信噪比。
应用前景：虽然目前仍处于研究阶段，但有望为未来的应用提供潜在的解决方案。
3. 非侵入性介入技术
技术分类：根据植入腔的类型，可分为血管和耳道两类。血管类使用纳米探针获取信号，如Neuro-SWARM3；耳道类记录EEG，如in-ear EEG。
技术挑战：纳米探针方法在BCI信号采集中的信号质量和体内实验证据不足，in-ear EEG在选择接地和参考引线时存在挑战，可能会影响便携性或信号质量。
4. 微创性介入技术
技术代表：Stentrode是该领域的一个范例，通过微创手术将支架电极阵列插入脑静脉系统，可获取更精确的神经生理信号。
技术优势：具有良好的安全性和生物相容性，能记录带宽高达226 Hz的信号。
技术局限：存在手术复杂、并发症风险高、信号发射器需要植入锁骨下增加成本、设备不可逆等问题，需要进一步的实证验证。
5. 微创性植入式技术
技术分类：包括声学和电学两类。声学信号技术如聚焦超声成像（FUS），是一种微创神经成像技术，可用于运动解码研究；电学信号技术如皮下EEG（sqEEG）和脑皮层电图（ECoG），sqEEG主要用于癫痫检测，ECoG具有更高的空间分辨率和带宽，在语音和动作解码方面有很大潜力。
技术发展：这些技术仍在不断发展中，如FUS需要进一步研究其应用和局限性，ECoG虽然在植入手术上有风险，但在BCI研究中表现出色。
6. 侵入性植入式技术
技术分类：可分为皮质和深度信号两类。皮质信号类主要包括Neuralink、Neural Dust和颅内微电极阵列（MEAs）；深度信号类如立体定向脑电图（sEEG）、Neuropixels和完全植入式BCI。
技术特点：这些技术在空间分辨率和信号带宽方面具有优势，能进行优秀的解码操作，但也面临着免疫反应、设备稳定性等挑战。
技术应用：MEAs已被用于运动、视觉、语音等解码任务，Neuropixels在动物实验和人类实验中都有广泛应用，完全植入式BCI主要应用于闭环BCI系统。
图5 每个类别中的代表性技术潜在可行技术
1. 无创植入技术:组织渗透纳米机器人
自然存在的纳米级机械结构启发了对纳米机器人的研究，在医疗领域，纳米机器人可进行手术、药物输送、成像和分析等。具有组织穿透能力的纳米机器人可通过磁钻和声学微炮技术进入血液无法到达的组织，为BCI的非侵入性植入提供了潜在应用前景。未来，可将纳米机器人注入大脑血液中，使其穿透进入大脑皮层，进而传递大脑内的神经活动。
2. 微创植入技术:体内组装接口
该技术通过利用体内生物过程在注射后组装电极材料，以避免过多的手术创伤。例如，体内3D生物打印和使用近红外光对含有电极组件的生物相容性墨水进行结构化等方法，为微创性植入技术提供了新的思路。然而，目前该技术仅能实现电极接口的体内制造，信号传输和处理所需的组件仍依赖传统手术植入技术。
3.有创非植入技术:活体自体神经装置
技术原理：利用自体活细胞构建植入式电子设备被认为是规避免疫和炎症反应的有前途的途径。虽然目前该技术在BCI领域的应用有限，但已有研究使用神经元簇建立微柱状结构或利用自体神经元细胞和心肌细胞传输信号，为该技术的发展奠定了基础。不过，使用自体细胞仍可能引发免疫反应，因此细胞类型的选择至关重要。
4.侵入性干预技术：脑室内系统插管植入
脑室脑系统由四个相互连接的脑室组成，将插管植入脑室可获取脑活动信号用于BCI研究。然而，该程序存在损伤脑组织的风险，且由于脑脊液渗透压变化可能会损害脑组织，因此被归类为侵入性干预技术。尽管如此，这种方法有可能产生与传统方法不同的独特信号，具有潜在的应用价值。
未来发展方向
非侵入性非植入式技术：在消费电子领域具有广阔的应用前景，如教育、游戏和通信等。
个体设备控制：在复杂场景中需要可靠和稳定的信号源，如工业建筑、灾难救援和探索等。
植入式技术：在医疗康复领域具有突破性的应用前景，如运动康复和疾病干预等。
人工智能在BCI信号采集中的应用：可提高BCI的有效性和安全性，如医疗影像分析和电极材料设计等
总结及展望
文章强调了信号采集在BCI系统中的关键重要性，通过对过去十年当代文献的研究，引入了“手术 - 检测二维全景”的创新分类模式，系统地组织了BCI研究中使用的各种信号采集方法。未来，BCI信号采集技术的发展应注重平衡信号保真度、侵入性、生物相容性等因素，推动BCI技术的发展，为人类健康和生活带来更多福祉。
总的来说，BCI信号采集技术的发展需要跨学科的合作和创新，未来应不断探索潜在可行技术，拓展其在消费电子、医疗康复等领域的应用，同时关注伦理和安全问题，以实现BCI技术的可持续发展。
主要作者简介
高小榕 清华大学生物医学工程学院教授，中国生物医学工程学会医学神经工程分会主委。从事脑机接口研究20余年，提出并实现了基于稳态诱发电位的脑机接口技术，连续十年入选爱思唯尔中国高引学者榜。
孙艺珂 清华大学生物医学工程学院博士生。曾获国家奖学金、WRC BCI CRC青年论文大赛冠军、WRC BCI CRC技术赛一等奖等荣誉奖励。
引用本文
Yike Sun, Xiaogang Chen, Bingchuan Liu et al., Signal acquisition of brain–computer interfaces: A medical-engineering crossover perspective review. Fundamental Research, doi.org/10.1016/j.fmre. 2024.04.011.
原文链接（复制到浏览器中查看）：
https://www.sciencedirect.com/science/article/pii/S2667325824001559
关于Fundamental Research
Fundamental Research是由国家自然科学基金委员会主管、主办的综合性英文学术期刊。创刊于2021年，期刊立足反映国家自然科学基金资助的优秀成果，全方位报道世界基础研究前沿重要进展和重大创新性成果，提升中国基础研究和中国科学家在国际科学界的显示度和影响力，为中外科学家打造一个高端的国际学术交流平台。内容涵盖数学物理、化学化工、生命科学、地球科学、工程与材料科学、信息科学、管理科学、健康医学、交叉科学等领域，设置Article、Review、Highlight、Perspective、Commentary等栏目。期刊已被ESCI、Scopus、DOAJ、PubMed、CAS（美国化学文摘社）、CSCD（中国科学引文数据库）、CSTPCD（中国科技论文与引文数据库）等国内外知名数据库收录。2023年影响因子5.7，位于综合性期刊Q1区。欢迎广大科研工作者关注、投稿、引用！
期刊主页：
www.keaipublishing.com/en/journals/fundamental-research/
文章阅读：
www.sciencedirect.com/journal/Fundamental-Research
投稿系统：
www.editorialmanager.com/fmre
