首次:天津大学脑机海河实验室实现人体超声脑机接口高时空分辨解码
IT之家 11 月 22 日消息,天津大学脑机海河实验室团队近日在国际权威期刊《科学 · 进展》(Science Advances)发表最新研究成果。 团队提出了一种高鲁棒性(稳健性,Robustness)的超声调制脑电信号解码技术,首次实现人体被试数据层面的稳态视觉诱发电位(Steady-State Visual E
11 月 22 日消息,天津大学脑机海河实验室团队的最新研究成果发表在国际权威期刊《科学 · 进展》(Science Advances)上。
他们提出了一种高鲁棒性(稳健性,Robustness)的超声调制脑电信号解码技术,在人体被试数据层面首次实现了稳态视觉诱发电位(Steady-State Visual Evoked Potentials,SSVEP)脑电源信号的高精度解码。
依靠这项技术,颅内脑电源波形可以在多种复杂、极端场景下被高保真、无创地重建出来,高时空分辨率超声脑机接口的广泛应用也因此有了关键支撑。
脑机接口的思路,是在大脑与计算机之间搭起直接的信息通路,最高形态的人机混合智能有望借此实现。问题是,传统无创脑机接口卡在头皮脑电空间分辨率低这一瓶颈上,脑信息读取量因此受限,系统性能受到严重制约。超声调制脑电技术则是一种基于声电效应的新型无创脑电采集方法,脑电的高时间分辨率优势和经颅聚焦超声的高空间分辨率优势,它同时具备。不过,个体颅骨强声衰减性、超声经颅焦点偏移以及深部神经源活动强度的波动,让声电耦合效应往往处于极度不稳定的状态。
落到超声脑机接口的实际应用中,颅外采集的颅内源信号信噪比低、多源信号干扰以及超声经颅能量非均匀衰减等问题,会使声电耦合信号的强度发生剧烈波动。波动一来,耦合信号常处于微弱声电调制(边带能量处于极微弱噪声水平)或过度声电调制(边带能量接近甚至超过主峰能量)的复杂调制场景。目前,量化这些复杂场景的定量分析指标还没有,在极端失真场景下无创还原颅内源信号波形的高鲁棒性解码算法也缺位,超声脑机接口的系统性能及应用效果因此大受影响。

针对这一技术难题,团队首先提出声电调制比(Acoustoelectric Modulation Ratio, AMR)来定义不同的声电调制场景,按声电耦合深度把调制情况划分为微弱调制、适度调制和过度调制三种场景,随后设计了可跨场景应用的脉冲重复频率(Pulse Repetition Frequency, PRF)解码算法。
具体来说,研究在原理机制层面突破了以往仅定性描述声电效应的范畴,把 AMR 作为界定声电耦合深度的核心指标。AMR 参数直观反映了声-电分量的耦合强度,也决定了超声脑电信号解码算法的性能边界。解码算法层面,该研究通过提取特定 PRF 频率处的瞬时复数响应,有效隔离低频噪声并克服不同调制深度引发的波形畸变,将聚焦超声提供的空间位置标签转化为脑电源信号空间信息,传统无创头皮脑电因容积传导效应导致的低空间分辨率瓶颈,从源头上得到解决。

团队先搭了一套自研的 128 阵元超声相控阵系统,把焦域控制做到亚毫米级,HPBW 最低 0.79mm,聚焦超声的空间标记因此足够精准。数值仿真和仿脑组织体模实验随后验证了一件事:三种声电调制场景下,PRF 解码算法都能高保真地重建源信号波形。有了这个基础,团队又在 MetaBCI 平台上组织了 10 人次双指令 SSVEP 实验,拿包络提取、相干解调、时频分析、自适应解调等传统解码算法作对照。结果显示,弱调制(0 <AMR ≤ 0.6)、中等调制(0.6 < AMR ≤ 1)和过调制(AMR> 1)三种状态下,PRF 算法的平均解码相关性分别为 0.84、0.90 和 0.89,跨场景鲁棒性表现突出。

论文链接: