腦-機接口（BCI）相關術語

連載(九)

昆明理工大學伏云發教授團隊

【導讀】為了方便腦機接口（Brain-computer interface，BCI）初學者、中級和高級研發者查閱或精準理解BCI相關術語，本章列出了BCI相關術語。第1節為前言，第2節列出了與BCI直接相關的術語，第3節列出了與BCI緊密相關的術語，后面的幾節分別列出了在BCI文獻中使用的若干術語，包括BCI用戶相關術語、實用BCI相關術語、用于BCI的腦神經電磁信號和腦組織血氧水平記錄相關術語、BCI相關腦結構與功能術語，以及BCI相關的其他術語。這種列舉方式是為了整理BCI相關術語的方便，不是絕對的，也不是標準，僅供參考，目的是為了方便查詢或理解BCI相關術語。

目錄

左右滑動查看目錄

1.1-2.15節請看

3.1 -3.4節請看

3.5-3.12節請看

4.1-4.5節請看

4.6-4.11節請看

5.1-5.10節請看

5.11-5.17節請看

6.1-6.7節請看

第6節 用于BCI的腦神經電磁信號記錄相關術語

6.8 皮層腦電（ECoG）

ECoG是一種通過外科手術在顱骨下方的大腦皮層表面放置電極來記錄神經電活動的技術。ECoG能夠記錄大腦皮層上較大范圍內神經元群體的活動，是一種比深部腦電極（如LFPs）侵入性較低但仍屬于侵入性的大腦電活動記錄方法。ECoG能夠記錄的頻率范圍從低頻0.01 Hz到高頻幾百Hz，常見的記錄范圍在1 Hz到200 Hz之間，其中包括低頻的δ波（1-4 Hz）、θ波（4-8 Hz）、α波（8-12 Hz）、β波（12-30 Hz）、以及高頻振蕩（γ波，30-200 Hz），涉及了腦電波和局部場電位等。

ECoG的時間分辨率較高，通常可以達到亞毫秒級（<1毫秒），能夠精確捕捉到快速的神經活動變化。ECoG的空間分辨率比頭皮EEG更高，通常在厘米級范圍（0.5-3 cm），能夠更準確地定位神經活動源，但仍低于單神經元記錄等微電極陣列技術。ECoG電極接觸皮層表面，信號質量較高，受噪音影響較小，信噪比高。雖然ECoG需要開顱手術，存在一定的安全風險，但與植入皮層采集神經電活動的方法相比，ECoG的安全風險較小。與EEG相比，ECoG僅覆蓋有限的大腦區域。

ECoG因其較高的空間分辨率、較高的信噪比、高時間分辨率和微創等特性，使得基于ECoG的BCI在性能和安全性方面有較好的兼顧或平衡點，具有潛在的醫學應用前景，特別是在幫助癱瘓患者恢復一些自主控制能力方面。它能夠實時記錄并解碼大腦皮層的電活動，可控制假肢、計算機界面或其他外部設備。ECoG在BCI中提供了高效的信號處理能力，能夠在保證較高準確率的前提下實現快速響應。文獻[192-194]為ECoG在 BCI 中的應用提供了支持，討論了其優勢和應用前景。

6.9 ECoG網格

ECoG 網格是一種用于記錄大腦皮層電活動的電極陣列，由多個電極組成，這些電極通常以二維網格的形式直接放置在大腦皮層的表面（硬腦膜下或硬腦膜上），以記錄皮層的局部場電位（LFPs）和神經元群體的電活動。ECoG網格廣泛用于神經科學研究、術中監測和BCI應用中，尤其是在癲癇病灶定位和腦功能區定位方面具有重要意義。文獻[231-232]詳細討論了ECoG網格的應用及其在神經科學和BCI中的作用。

6.10 微電極陣列（MEA）

微電極陣列（MEA）是一種用于記錄或刺激神經元活動的設備，通常由多個微小的電極組成，這些電極可以植入大腦的特定區域以捕捉局部神經元的電活動[190-191]。MEA已用于BCI領域，以獲得較高空間和時間分辨率的神經信號。

MEA的空間分辨率與電極數量和布局有關，要求能夠精確地記錄單個神經元或小群體神經元的電活動。MEA的材料必須是生物相容的，以減少組織反應和長期使用的損傷。MEA必須能夠在嘈雜的神經環境中提取清晰的信號，確保信號的準確性。MEA應能夠在長時間的記錄過程中保持穩定的性能，而不會因腦組織的移動或植入時間的延長而退化。

MEA 的發展歷程中，技術的進步不斷提升其分辨率、穩定性和多功能性。近年來，材料科學的進步（如納米技術）和微加工技術的發展推動了更小、更靈敏的 MEA 的出現，為高精度腦信號的采集和處理提供了更多可能性。目前MEA正朝柔性高通量電極等方向發展。

6.11 神經元發放（NF）

神經元發放（NF）是指神經元在接受到足夠強的刺激后，其膜電位達到閾值時，以一系列動作電位（APs）形式發放電信號的過程。這些APs以非常快速的頻率（通常在毫秒級別）傳播到其他神經元或肌肉細胞，以傳遞信息和指令。NF直接反映了神經元的電活動狀態，是研究神經元信息傳遞、編碼和神經回路功能的基礎概念。文獻[197-198]提供了有關NF的信息。

NF的頻率范圍通常在 1 Hz 到 200 Hz 之間，特定神經元的發放頻率可能會受到外界刺激的強度、類型以及神經元本身的特性影響。NF的時間分辨率極高，通常可以達到亞毫秒級（<1毫秒）。這意味著NF可以在極短的時間內記錄到，能夠精確捕捉神經元的瞬時活動，提供非常細致的時間信息。

NF的空間分辨率取決于記錄方法的選擇。如果使用單個電極來記錄單個神經元的發放活動，其空間分辨率可以達到微米級（μm），但無法提供大范圍的腦活動信息。在多電極陣列的情況下，可以記錄多個相鄰神經元的發放活動，分辨率相對較低。

NF信號是侵入式BCI的重要信號來源之一。通過實時記錄和解碼神經元的發放模式，BCI系統可以直接將神經活動轉化為控制指令，用于驅動外部設備（如機械臂、計算機光標等）。由于NF具有極高的時間分辨率和精確的定位能力，使得基于NF的BCI系統在復雜任務中具有較高的控制精度和響應速度。文獻[197-198]提供了有關基于NF的BCI信息。

6.12 尖峰（Spikes）

Spikes是單個或多個神經元在動作電位過程中發出的短暫、快速的電信號，通常在神經記錄中用來描述動作電位的發生。它們代表了神經元信息傳遞的基本單位，在神經科學中用來描述和記錄神經元發放的瞬時電活動。

Spikes 通常用于描述和分析單個神經元或神經元群體的發放模式，特別是在研究神經編碼和神經計算的過程中。Spikes 的頻率通常在數百 Hz 到幾 kHz 的范圍內，具體取決于NF動作電位的速率。Spikes 的時間分辨率極高，通常在毫秒級或亞毫秒級，能夠精確記錄NF動作電位的時刻。Spikes 的空間分辨率非常高，通常在微米級別，這意味著能夠記錄到單個神經元的電活動。

Spikes能夠提供關于單個神經元發放模式的詳細信息，是研究神經編碼和信息傳遞的關鍵。Spikes時間分辨率極高，能夠捕捉到神經元活動的瞬時變化。然而，Spikes 數據量大且復雜，數據的處理和分析需要高效且復雜的算法。

在BCI中，Spikes 提供了非常精確的神經信號，能夠用于控制高度復雜和精細的任務，如假肢控制或計算機界面的操作。然而，由于其侵入性較高和數據處理的復雜性，Spikes 在 BCI 中的應用更多集中于實驗室和臨床研究，特別是在研究神經機制和開發高精度BCI系統時。文獻[197][199-200]提供了有關Spikes信息。

在本小節的最后，需要注意以上頭皮腦電（EEG）、皮層腦電（ECoG）和局部場電位（LFPs）之間的關系，也需要注意神經元發放（NF）、動作電位（APs）和尖峰（Spikes）之間的關系，如表15所示。

表15頭皮腦電（EEG）、皮層腦電（ECoG）和局部場電位（LFPs）之間的關系以及神經元發放（NF）、動作電位（APs）和尖峰（Spikes）之間的關系

6.13 局部場電位（LFPs）

LFPs是一種通過手術把電極植入皮層內，也可以放置在皮層表面或更深的腦區，以記錄局部神經元群體活動產生的電場變化的技術。LFPs反映了局部神經元集群的同步電活動，主要記錄來自神經元樹突的突觸后電位，以及較慢的膜電位波動，通常是較低頻率的神經活動。LFPs 的頻率范圍通常在 0.1 Hz 到 500 Hz 之間，常見的研究頻率范圍為 1 Hz 到 100 Hz。這些頻率涵蓋了大部分腦電活動的節律，如 delta（δ, 1-4 Hz），theta（θ, 4-8 Hz），alpha（α, 8-12 Hz），beta（β, 12-30 Hz）以及 gamma（γ, 30-100 Hz）。LFPs 能夠捕捉多種頻率范圍內的神經活動，從而幫助研究不同的腦電節律。

LFPs 的時間分辨率較高，通常可以達到亞毫秒級（<1毫秒），使其能夠精確地捕捉神經元群體的動態變化。LFPs 的空間分辨率較高，能夠記錄到電極周圍大約0.5-3毫米范圍內的神經元活動，其空間分辨率取決于電極的大小和布置方式。因此，LFPs可以實時監測大腦的活動，適用于研究神經網絡的動力學和功能連接性。

LFPs 信號相對于單個神經元放電（spikes）信號而言，具有較高的信噪比，能夠穩定反映局部神經元群體的整體活動。然而，LFPs信號主要反映的是電極周圍的神經元活動，其空間覆蓋范圍較小，難以捕捉到全腦范圍內的活動。此外，LFPs 信號包含多個神經元群體的混合信號，具有非特異性，在解讀時可能存在一定的不確定性。

LFPs 可用于研究神經元群體的同步活動，常用于研究局部神經回路功能和與腦疾病相關的電活動。LFPs已用于侵入性BCI系統中，其較高的時間分辨率和較高的空間分辨率使其能夠實時解碼神經活動，可控制外部設備。LFPs的信號穩定性和多頻段分析為BCI提供了高效的神經信號解碼手段，適用于復雜任務和控制精度較高的應用場景。文獻[195-196]為LFPs在 BCI 中的應用提供了參考，討論了其優勢和應用前景。

6.14 腦信號功率譜（Power Spectrum of Brain Signals）

腦信號功率譜是指在頻域中表示腦信號中各個頻率成分的功率分布，通常用于分析腦電信號（EEG）、近紅外光譜信號（fNIRS）、功能磁共振成像信號（fMRI）、和腦磁圖信號（MEG）等。這些信號的功率譜能夠反映大腦在特定頻率范圍內的活動情況，常用于識別和分類腦狀態或精神狀態，可以作為BCI系統的輸入信號特征，用于提取腦活動的特定頻率信息。

腦信號功率譜可通過對時間域腦信號進行頻域轉換（通常是通過傅里葉變換）得到，主要計算方法如下：

1）快速傅里葉變換（Fast Fourier Transform，FFT）。這是最常用的方法，通過對離散的時間信號應用快速傅里葉變換，將其轉化為頻域信號，然后計算每個頻率分量的功率。

2）功率譜密度（Power Spectral Density，PSD）。利用FFT計算得到的頻率信號，再通過歸一化處理得到功率譜密度。

3）小波變換（Wavelet Transform）。這是一種時頻分析方法，可以同時在時間域和頻率域上進行分析，適用于非平穩信號的功率譜分析。

在BCI中，功率譜特征可以用于區分不同的腦狀態，例如警覺與放松狀態、運動想象等。通過功率譜分析可以識別腦信號中的特定頻段（如α波、β波等），這些頻段與特定的腦功能或認知狀態有關。文獻[287-289]中提供了有關腦信號功率的信息。

6.15 腦磁（MEG）

MEG是一種非侵入性腦成像技術，用于測量大腦神經元活動產生的微弱磁場。MEG 通過在頭皮外放置超導量子干涉器（SQUIDs）或其他類型的磁場傳感器，實時記錄和分析大腦的磁活動，從而推測神經元的電活動。

MEG 能夠檢測從 0.1 Hz 到數百 Hz 的腦活動信號，涵蓋從慢波活動到高頻振蕩的各種腦電節律。MEG的時間分辨率較高，可以達到毫秒級（約 1 毫秒），這使得 MEG 能夠精確捕捉快速變化或瞬時的神經活動，適用于研究大腦的動態過程。MEG有較好的空間分辨率，一般在 2 到 3 毫米之間，雖然不如侵入性記錄方法（如 ECoG 或 LFPs），但相比 EEG 有更好的定位能力，能夠更準確地反映大腦活動的源頭，因為磁場不受頭骨和頭皮的影響。文獻[201-202]提供了有關MEG的信息。（統一這樣標注參考文獻，難以精準定位，目前chatgpt給的文獻比較經典，多數為很多年前的，遺憾沒有最近幾年的）

MEG需要非常敏感的磁場傳感器和復雜的磁場屏蔽環境，以避免環境中的磁場干擾，這導致其使用和維護成本非常高。MEG對深部腦區的活動靈敏度較低，主要用于檢測皮層的神經活動。MEG在BCI中的應用主要集中于研究大腦皮層的神經活動模式并識別用戶意圖，因其設備成本高且操作復雜，MEG-BCI通常僅在實驗室環境中使用，實際應用的推廣受到一定限制[203-204][引用MEG-BCI的參考文獻，英文期刊和徐浩天的綜述論文——以上很多術語在涉及與BCI的關系時，幾乎沒有與BCI相關的文獻，可以針對某個術語相關的BCI，查新Web of science，關鍵詞是術語和BCI，題目上同時出現術語和BCI的著名英文期刊]。

僅用于學術分享，若侵權請留言，即時刪侵！

歡迎加入腦機接口社區交流群，

探討腦機接口領域話題，實時跟蹤腦機接口前沿。

加微信群：

添加微信:RoseBCI【備注：姓名+行業/專業】。

歡迎來稿

1.歡迎來稿。投稿咨詢，請聯系微信：RoseBCI

點擊投稿：

2.加入社區成為兼職創作者，請聯系微信：RoseBCI

一鍵三連「分享」、「點贊」和「在看」

不錯過每一條腦機前沿進展