腦機接口（Brain-computer interface, BCI）是一種新型的人機交互技術，隨著其發展，對BCI專業人才的需求顯著增加，出現了BCI專業。然而，迄今為止，少有文獻考量這一新興專業的課程設計。為此，本文基于BCI研發的多學科性，考量和討論了BCI專業的課程設計。首先闡述了BCI專業興起的主要因素、BCI醫學與非醫學應用需求以及對BCI專業人才的需求。然后論述了BCI研發的多學科性質，基于該性質提出課程設計原則，并給出了BCI專業的課程設計的建議。最后討論了BCI專業面臨的挑戰，包括BCI專業建設缺乏共識與國際協作和教材不完善或缺乏等，未來的工作需要基于能力導向考量BCI專業的課程設計。期望本文為BCI專業的課程設計和建設提供參考。

01

引言

腦機接口（BCI）是一種變革性的人機交互（Human-computer interface，HCI），旨在繞過或不依賴外周神經或肌肉（peripheral nerves or muscles），利用腦（Brain）或中樞神經系統（Central Nervous System ，CNS）產生的信號（中樞神經信號）在腦與計算機之間建立直接的通信與控制通道[1-4]，如圖1所示。BCI旨在改善或進一步提高個體（包括患者、殘障人士和健康個體）的生活質量或工作效率，具有潛在重要的醫學和非醫學應用[3-5]。

圖1 BCI系統示意圖[6-7]

計算機技術和人工智能的快速發展、人類對大腦理解和采集腦信號技術的進步、對神經精神障礙患者和殘障人士的需求和能力的新認識，是對BCI領域科學興趣和科研活動劇增的主要因素[2]，這些因素也推動了BCI專業的興起。隨著BCI技術的快速發展和產業轉化的推進，對培養BCI專業人才的需求顯著增加，一個新興的BCI專業出現了，如圖2所示。

圖2 BCI 產業轉化對培養BCI專業人才的需求[7]

與傳統或現有的專業或學科有較大的不同，BCI專業是一個跨學科較多、需要多學科協作和交叉融合的專業，圖2也表明了BCI研發和轉化應用涉及多學科協作。然而，迄今為止，少有文獻基于BCI的多學科性考量BCI專業的課程設計。為此，本文首先闡述了BCI專業的興起，然后闡明BCI研發的多學科性質，基于該性質，提出BCI專業的課程設計原則，并給出建議的BCI專業的課程設計。最后討論了BCI專業建設面臨的挑戰和BCI專業的前景。期望本文為BCI界提供關于BCI專業的課程設計的有益建議。

02

BCI專業的興起

2.1 BCI研究的歷史：一個概述

BCI是一種新型的人機交互，是陽光下的新事物[2]，也是人類的夢想之一。與BCI相關的早期研究如表1所示。

在表1中，Vidal研發的BCI系統滿足現今狹義的BCI定義[2]，現在基于VEP的BCI在本質上依然延續這個思想[6]。在2011年之前的幾十年里，從大腦記錄的信號可以用來通信和控制，這種可能性已經流行并引起了科學興趣[20-25]。然而，只是在1986年至2011年這25 年開始了持續的研究，在1996年至2011年這 15 年出現了一個可辨認的領域： BCI的研究和開發[2]。截止2011年，這一新的領域全世界已有數百個研究組，并且新的研究組在不斷出現[2]。BCI領域的發展突飛猛進，在2006年至2011年這5年內出版了許多重要的BCI原創研究，是BCI研究的一個黃金時期[26-30]。自2012年至今，BCI研究界在著名國際學術期刊上發表的BCI文獻急劇增加[31-40]，特別是自2015年BCI界制定歐盟路線圖以來BCI進展加快，并且一些大公司如Neuralink等投資研發BCI，進一步推動其發展。如上所述，大部分是非侵入式BCI研究進展，侵入式BCI研究自早期證明直接將神經活動與外部設備連接的可行性以來，同樣經歷了顯著的發展。最早期的研究，如Nicolelis等人的工作[41-42]，為侵入式BCI奠定了基礎，通過動物模型和初步的人體試驗展示了其在控制外部設備方面的潛力。目前，侵入式BCI正處于不斷優化階段，重點在于提高信號質量、系統穩定性以及長期生物相容性，從而支持臨床上精細控制假肢、輪椅和通信設備等應用。最新的研究[32, 34, 43]則通過整合先進的信號處理技術、深度學習算法和新型生物材料，進一步提升系統的安全性與性能，朝著構建高分辨率、閉環控制系統的方向邁進。未來，侵入式BCI有望實現功能恢復、神經康復和認知增強等應用，為神經科學和康復醫學帶來革命性突破。

總之，自1964年Walter等開啟BCI研究以來[9]，該領域已發展逾60年，取得的研究成果表明人類正逐步實現BCI這一夢想，新興的BCI專業及其人才培養將推進這一夢想的實現。

2.2 BCI專業興起的主要因素

對BCI領域科學興趣和科研活動的劇增主要源于以下三個因素的結合[2]，也是推動BCI專業興起的主要因素[44]。

1）第一個最明顯的因素是功能強大和廉價的計算機硬件與軟件，能夠支持對大腦活動復雜高速的分析，這是實時 BCI操作必不可少的條件[2]。

2）第二個因素是在過去的60多年，從動物和人類的研究中，人類對中樞神經系統(CNS)有了更多的理解，特別是關于大腦信號的本質與功能性相關的大量新信息，例如，腦電活動和神經元動作電位[2]。同時，腦信號記錄技術取得重大進展。特別重要的是，對大腦或中樞神經系統非凡的自適應性或可塑性的理解取得了變革性的突破，利用這些自適應能力，可能創建大腦與基于計算機的設備之間新穎的交互（即BCI），交互作用可以替代、恢復、增強、補充或改善大腦與它的內部和外部環境的自然交互，這種可能性令人十分興奮[2]。

3）第三個因素是對殘障患者的需要和能力有了新的認識。他們因疾病而殘疾，如腦癱、脊髓損傷、腦卒中、肌萎縮性脊髓側索硬化癥(ALS)、多發性硬化癥、肌肉營養不良癥等。家用呼吸機和其他維持生命的技術，現在能夠使最嚴重的殘疾患者活很多年，但他們其中的一些人因為與外部世界交流困難而生活質量較低。此外，如果能夠給有很少自愿肌肉控制的人即便最基本的通信和控制方式，他們也能夠享受令人愉快的和富有成效的生活，這是BCI最重要的目標。BCI在目前有限的發展狀態下，可以服務這一需求[2]。

BCI的社會需求是推動BCI發展的根本動力，正如恩格斯說:“社會一旦有技術上的需要，這種需要就會比十所大學更能把科學推向前進。”BCI專業的創建以及課程設置的完善可能迫在眉睫，以滿足BCI研究、開發和應用對BCI專業人才的需求[44]。

2.3 BCI的醫學和非醫學應用需求

BCI的醫學和非醫學應用需求是BCI專業興起的根本動力[44]。

1）BCI的醫學應用需求

嚴重運動功能障礙患者幾乎喪失了與外界交流的能力，這直接降低了他們的生活質量，同時會給家庭和社會帶來沉重的負擔。BCI可為這類患者提供重要的新的通信和控制選擇，如前所述，這是 BCI最重要的目標，也是首要的目標[31-37]。對于其他嚴重殘疾患者，如重大的神經精神疾病患者，包括脊髓損傷患者、腦卒中患者、阿茲海默癥患者、帕金森患者、抑郁癥患者和精神分裂癥患者等對BCI技術也有潛在的需求[3]。

許多研究表明BCI能夠為臨床患者和殘障人士提供替代、恢復、增強、補充或改善CNS自然輸出的功效[2]。例如，已有研究把BCI用于中風康復、ALS、腦外傷治療、脊髓損傷康復、閉鎖綜合征患者交流、機器人和假肢控制、神經康復訓練、促進大腦可塑性和注意力控制、重度腦損傷患者意識評估與交流、運動障礙的智能神經調節[3]。除此以外，已有研究把雙向BCI技術用于脊髓損傷患者、BCI與虛擬現實交互融合用于神經康復、融合BCI與功能性電刺激（FES）用于運動恢復等[3]。最后，BCI作為可穿戴神經技術有望用于自我健康監測，以預防疾病，這是BCI的預防醫學應用[3]。

2）BCI的非醫學應用需求

除了醫學應用需求外，BCI還有非醫學應用需求或非醫學目標。隨著BCI技術的發展，其非醫學領域的需求也在增長，如在虛擬現實與增強現實[45]、游戲與娛樂[46-47]、教育與學習[48]以及職業安全與生產力提升[49-50]方面的應用。

2.4對BCI專業人才的需求

為了實現人類的BCI夢想，滿足BCI醫學和非醫學應用需求，BCI的研究、開發和應用需要BCI專業人才。隨著BCI技術的快速發展和產業轉化推進，對BCI專業人才的需求日益劇增，驅動這種需求的主要因素包括：1）BCI行業對跨學科創新人才的需求；2）BCI應用領域需求的增加與產業化對BCI專業人才的需求；3）分析和解讀復雜的腦信號對BCI專業人才的需求；4）BCI在未來智能系統中的潛力對BCI專業人才的需求[44]。

如上所述，隨著BCI技術的快速發展和產業轉化推進，一個新興專業：BCI專業逐漸出現。BCI專業的創建、課程設置的完善以及培養方案的制定可能勢在必行，以滿足BCI研究、開發和應用對BCI專業人才的需求[44]。與傳統或現有的專業或學科有較大的不同，BCI專業是一個跨學科較多、需要多學科協作和交叉融合的專業，該專業培養能夠跨學科原創或創新的人才。

03

BCI研發的多學科性和BCI專業的課程設計

3.1 BCI研發的多學科性質

自2000年以來，BCI取得了非凡的發展，一個重要原因是它內在和必然的多學科性，這也是BCI研究和開發的獨特性[2]。圖1示意了從用戶大腦到BCI的操作順序，這清晰地表明了這個特點。表2 列出了BCI研發涉及的主要學科。

由表2可見，與以往或現有其他技術有很大的不同，BCI研發涉及較多的學科，需要多學科的協作才能研發出成功的BCI系統。特別是，BCI的研發直接與大腦這一高度復雜的系統相連接，這是BCI研發最獨特的方面，也是最具挑戰性的。與大腦相關的神經科學或/和腦科學是BCI的科學原理和基石，腦科學包括中樞神經可塑性、心理科學和認知神經科學等。需要特別強調的是，BCI的研發不單純是一個工程問題（BCI系統實現和優化），還有更為基礎和關鍵的科學原理，如圖3（a）所示。圖3（b）為BCI的科學原理，包括特定的一組心理任務、注意任務和外部刺激誘發可分性較好的用于BCI的腦信號，具體體現為BCI范式與神經編碼[51]。此外，BCI系統中用戶大腦自適應性或中樞神經可塑性是BCI的重要科學原理，是BCI系統中調節用戶神經活動和自適應BCI算法的科學依據。

（a）

（b）

圖3 BCI系統研發涉及的三個重要方面。（a）BCI系統研發中神經科學原理、工程實現方法與實際應用之間的關系；（b）BCI的科學原理

BCI除了直接與神經科學或腦科學相關，同時與先進的計算機科學與技術和人工智能直接相關，包括計算機編程和軟件工程、算法分析與設計、現代信號處理、模式識別與機器學習、深度學習與人工智能[44]。計算機與人工智能是實現BCI的工具或工程方法。除此以外，以用戶為中心的BCI設計與人類工效學直接相關[52]，還與生物醫學工程、神經與康復工程、智能機器人控制等緊密相關[44]。圖4示意了BCI研發的多學科性質。

圖4 BCI研發的多學科性質示意圖[44]

綜上所述，基于BCI研發的多學科性和獨特性（與大腦直接連接），如果BCI研究和開發要實現它們的首要目標，即為嚴重殘疾患者提供重要的新的通信和控制選擇，那么這些不同的學科之間的有效合作是至關重要的[2]。實際上，除了實現BCI的首要目標，即使是實現BCI的其他目標（如其他醫學目標，非醫學目標），也需要不同的學科之間的有效合作[44]。

3.2 BCI專業的課程設計原則

如上所述，BCI的研發具有多學科性，因此，在BCI專業的建設中，課程設計需要充分考慮其多學科屬性，融合多個領域的知識體系與實踐方法。在這種獨特的背景下，為卓有成效的建設BCI專業，建議BCI專業的課程設計原則包括基于BCI系統研發的多學科協作原則、課程內容篩選或必要性原則、以跨學科交叉BCI創新能力培養為核心原則、BCI原理與實踐和項目導向相結合原則、以及課程內容靈活性與動態更新原則等8個原則。

1）基于BCI系統研發的多學科協作

如圖4所示，BCI系統的研發涉及較多的學科，成功的BCI系統研發（提供給用戶可用性和滿意度較高的BCI系統）需要多學科協作，應盡可能把必要的學科納入課程體系。如果還需要其他學科的支持，也應考量納入課程體系。

2）課程內容篩選或必要性原則

BCI專業涉及較多的學科，每個學科包含許多內容，應根據BCI系統研發的需要，從每個學科的眾多內容中篩選出必要的知識，這意味著并不是簡單的把涉及學科的所有知識都納入教學。例如，需要考量神經科學、心理學和認知科學知識體系中的哪些內容納入BCI專業的教學，同樣也需要考量計算機科學與技術以及人工智能知識體系中的哪些內容納入教學。

3）以跨學科交叉BCI創新能力培養為核心

BCI作為一項變革性的人機交互新興技術，其核心在于推動創新。課程設計應突出創新能力培養，鼓勵學生進行跨學科交叉BCI原創研究和技術探索。通過設置專題研討、開放式實驗、畢業設計等模塊，激發學生的創新思維。

4）BCI原理與實踐和項目導向相結合

不僅重視BCI理論與原理的教學，同時將BCI研發實踐項目嵌入教學內容中，通過BCI實驗、實訓、實習和課題研究相關課程或環節，并與BCI公司合作項目，提供學生將BCI理論與原理知識應用于實際研發的場景。這種實踐與項目導向式學習方法可有效提高學生的學習興趣，解決BCI研發實際問題的能力、團隊協作能力以及在不確定性條件下做出決策的能力。

5）課程設置和內容的靈活性與動態更新

BCI領域已出版多部權威著作[1-4]，這些著作被包括中國在內的多所高校和研究機構作為高年級本科生和研究生的教學參考，為BCI專業的課程設計提供了重要支撐，有助于學生系統掌握BCI相關原理與實踐。然而，隨著BCI技術及其相關學科的不斷進步，課程設計必須保持靈活性和適應性，定期更新課程內容。例如，應及時引入與BCI相關的神經科學、心理學和認知科學的最新進展，以及新的BCI工程實現方法和應用案例。通過BCI領域內的廣泛交流，教師和學生能夠迅速了解最新發展動態。以2023年第十屆BCI會議大師班[53]為例，該會議旨在展示不同層次學員的最新研究成果，并為他們提供深入交流和專家指導。會議涵蓋了從信號采集、解碼到系統實現等多樣化研究方向，極大地促進了跨學科互動，為推動BCI在臨床康復、輔助交流和智能控制等領域的發展提供了前沿視角和實踐經驗。這種交流平臺不僅使學生能夠了解BCI的最新進展、展示研究成果并獲得專家反饋，同時也為及時更新BCI專業相關課程內容提供了堅實依據。

6）自主學習和批判性思維

秉持以學生為本和個性發展的理念，強調在科學與技術的學習和研究中，形成獨立精神、自由思考和質疑的科學精神。為此，需要培養學生自主學習的能力，例如通過自由選修的課程模塊、制定個性化學習計劃等方式培養學生學習的自主性。同時，課程設計內容和形式注重引導學生質疑或批判性地思考已有結果或結論，培養學生善于提出問題和新想法并驗證。

7）人文社科素養

除了BCI本身的多學科協作與交叉融合，BCI專業的學生需要具有人文社科等領域的素養，鼓勵學生選修與主修課程相關或完全不同領域的課程，以拓展視野。BCI技術具有顯著的社會影響，課程設計中必須融入倫理學與社會責任教育。學生需要了解BCI在影響身心健康、隱私保護和技術濫用等方面的挑戰，培養社會責任感。

8）基于學習過程和成果的評估體系

在課程設計中，對學生的評估不僅依賴期末考試成績，還包括課堂參與、小組合作、研究報告和實踐成果等多元化評估方式，更注重對學生學習過程和能力的全面評價。

通過以上原則的貫徹，BCI專業的課程設計能夠滿足多學科背景下對學生全面發展的要求，為培養具有創新力和實踐能力的跨學科人才提供有力支持。

3.3 BCI專業的課程設計

建議BCI專業的課程設計考量以上所提的原則，構建一個層次分明和結構清晰的知識體系，如包括學科基礎課程、大類導論課（BCI研發涉及的腦科學、計算機科學和人工智能導論）、專業主修課程、專業實踐訓練（包括BCI實驗、實訓和實習）和論文綜合訓練，如圖5所示。通過從基礎課程到主修課程、再到實踐課程的系統化安排，讓學生在學習中逐步加深對BCI技術的理解。

圖5建議的BCI專業的課程設計層次結構

在圖5中設置大類導論課，使學生對BCI研發涉及的腦科學、計算機和人工智能有一個總體的了解，激發研究興趣，為后續課程奠定基礎。設置專業實踐訓練有助于學生將BCI理論、原理和方法與實踐相結合，加深對BCI專業課程內容的理解，提高解決實際問題的能力，并培養其在真實BCI應用場景中的創新能力。設置論文綜合訓練環節有助于培養學生掌握BCI的科研方法、數據分析和結果解讀等關鍵技能，提高他們的創新能力與批判性思維。

在BCI專業的實踐教學中，通過設定階段性目標、實踐項目與理論相結合，有效提升學生的研發能力和問題解決能力。實踐教學分為三個階段：基礎技能階段（如使用EEG設備進行運動想象相關腦信號的采集與預處理，掌握噪聲濾除與特征提取方法）；系統開發階段（如開發基于P300范式的拼寫系統）；應用創新階段（如結合VR技術開發神經康復訓練系統，提升跨學科協作能力與復雜場景應用）。實踐項目內容涵蓋經典范式實驗（如SSVEP-BCI、MI-BCI）、前沿技術探索（如侵入式BCI信號采集與深度學習解碼），以及跨學科綜合項目（如腦控機器人、AR-BCI游戲開發）。在資源利用方面，通過OpenBCI等開源硬件與虛擬仿真平臺有效降低實驗成本。此外，建立多維評估機制（如項目答辯、用戶測試與競賽），全方位考核學生的技術實現能力、創新思維和團隊協作能力。

在圖5中設置學科基礎課程是為了滿足BCI多學科協作與交叉融合的需求，為將來在BCI領域的研究、開發和應用奠定基礎。表3列出了建議的BCI專業的學科基礎課包含的課程以及必要性[44]，其中包含了BCI系統研發中定量分析腦信號和系統建模所必需的數學基礎，如微積分、線性代數和概率論與數理統計等。除此以外，設置了BCI硬件研發所需要的基礎，如大學物理、模擬與數字電子技術基礎和腦信號采集技術等，還包含了BCI軟件研發所需要的基礎，如算法分析與設計、數字信號處理算法和數據結構等。

在圖5中設置專業主修課程有助于學生掌握BCI領域的基礎原理和實踐技能。表4列出了建議的BCI專業的專業主修課包含的課程以及必要性[44]，其中包含了BCI系統涉及的原理，如BCI原理、神經科學原理及應用和認知神經科學基礎等。此外，還包含了BCI系統研發和應用涉及的課程，如人機交互、輔助技術和神經與康復工程等。

由以上可知，基于BCI研發的多學科協作，BCI專業的課程設計涉及不同學科領域較多的課程，在確保BCI專業的學生掌握涉及到的學科必要的（與BCI緊密相關的）基礎內容和基本技能的同時，也需要確定重點學科的核心課程。

在課程設計中，基礎課程、核心課程與實踐訓練通過層次遞進與跨學科協同以形成完整的知識體系。基礎課程為BCI技術提供數學與工程工具，例如，概率統計為腦信號噪聲建模奠定基礎，線性代數支撐機器學習特征提取的矩陣運算，而數字信號處理算法直接應用于腦電信號的濾波與降噪；核心課程（如腦信號處理、人機交互、神經工程）則聚焦BCI核心技能培養，通過理論深化與實踐轉化（如運動想象相關腦信號分類的算法開發、用戶界面的優化）銜接基礎課程與行業需求。實踐訓練（如BCI實驗、產業合作項目）進一步整合跨學科知識。這種從基本原理到技術融合、再到創新應用的三層架構，不僅強化了課程間的邏輯關聯，而且通過跨學科協同（如從數學建模到算法實現再到臨床驗證）構建了閉環式能力培養體系，確保學生能夠系統掌握從腦信號解碼到系統優化的技能。

值得強調的是，本研究提出的課程設計為BCI專業建設提供了通用參考，但具體實施時需充分考慮各校的學科優勢與資源條件。例如，以醫學為特色的高校可強化臨床神經病學模塊，而以人工智能為優勢的院校可側重算法創新課程，培養適應區域產業需求的BCI專業人才。

04

4.1 BCI專業建設面臨哪些挑戰？

BCI專業建設面臨許多挑戰，尤其因其涉及的學科較多，并且是前沿研究熱點，發展較快。以下是一些主要挑戰和建議的應對策略。

4.1.1 BCI專業的建設缺乏共識與國際協作

BCI專業是一個新興的專業，目前尚沒有該專業建設的共識，特別是對其課程設置尚沒有共識，這導致專業建設時缺乏參考。因此需要國際BCI界的協作，借鑒不同地區或國家BCI研究和教育的先進經驗，推動BCI專業建設的合作。特別是基于BCI多學科性建設國際化的BCI專業的課程，BCI界已經出版了一些重要著作[1-5]。

已有文獻初步討論了BCI專業的培養方案，包括BCI專業學制與學位授予、BCI專業培養目標、課程設置與學分分布[44]。然而，該文獻沒有給出所設置的每門課程的教學大綱（包括教學目標、內容和方法等），一方面的原因是限于篇幅，另一方面的原因可能是考慮到不同地區或國家教學大綱的差異。對于每門課程的教學大綱，教學內容的篩選至關重要，節選必要的，應避免全部納入和簡單的組合。此外，該文獻可能遺漏了BCI專業需要開設的課程，如人機交互和輔助技術等。最后，每門課程所需的先修課程（即開課的先后邏輯順序），每門課程的目標及其與專業培養目標的關系、教學內容和成績評價方法、教材和參考資料，這些方面還需要仔細考量。

4.1.2 BCI專業的課程教材不完善或缺乏

BCI專業作為一個新興專業，尚處于起步和建設階段，目前及未來一段時間內，課程教材不完善或缺乏[44]。盡管BCI界已經出版了一些重要著作[1-5]，但在BCI專業的課程建設中，教材開發依然面臨以下主要挑戰。

1）已有BCI編著或專著與BCI專業所需的教材存在一定的差距

已有BCI編著或專著側重研究或學術，通常是國際BCI研究界著名研究團隊的研究工作的總結和集成，作為BCI專業教學的參考資料是非常豐富和有價值的，但是它們作為教材可能不適合，建議充分考慮教學目標、方法與規律，按照循序漸進的邏輯順序進行梳理。盡管BCI的理論、原理和方法經過50多年的發展，已有相對穩定或取得共識的體系，但已有BCI著作是在特定時期出版的，需要補充或增加最新的BCI研究進展。此外，這些已出版的BCI著作尚缺乏激發學生興趣和創新的思考題和習題。

2）缺乏BCI實驗教程

與純理論研究相比，BCI是實驗科學與技術研究。如前所述，BCI專業不僅要教學BCI的理論、原理和方法，還需要把理論與實踐相結合，開展BCI實驗教學，然而目前缺乏配套的BCI實驗教程。可以考慮把BCI三種經典范式（SSVEP-BCI、MI-BCI和P300-BCI）系統作為實驗教學內容，并增加一些最新的BCI范式系統。

在BCI實驗教程中，針對每一種BCI范式系統，可包括實驗目的、涉及的硬件和軟件、實驗設計、實驗步驟、完整系統的實現以及系統性能分析和總結。

3）如何取舍并整合與BCI緊密相關的多學科內容并編寫系統性的教材

如前所述，BCI涉及神經科學、心理與認知科學、計算機科學與技術、信號處理與模式識別、機器學習與人工智能、人因工程和神經康復工程等多學科領域。在與BCI緊密相關的這些學科已有教材基礎上，如何取舍并整合這些學科的內容并編寫系統性的教材面臨較大的困難，特別是確保教材內容包含BCI研發所需要的學科基礎。設計BCI專業的課程體系需要在有限的時間內平衡廣度和深度，避免簡單組合，避免全部納入與追求大而全。建議組建BCI多學科專家團隊協同開發教材，每個學科專家負責相關部分內容并進行銜接和整合。

4）BCI專業的課程如何反映BCI技術的快速發展

BCI技術處于快速發展中，神經科學研究新的發現、新的硬件、算法及應用不斷涌現，尤其是腦信號采集新技術和新的處理算法、機器學習與深度學習、腦-機交互界面等領域的更新速度快，課程內容需要不斷調整。

建議在編寫基礎知識和核心原理與方法的“穩定版”教材的基礎上，定期更新課程內容，增加選修課和專題講座，將新技術和最新研究成果納入教學。例如補充在線資源和前沿文獻，定期更新或發布電子版章節，方便調整內容以反映最新進展。此外，鼓勵學生參加科研項目和學科競賽，以加深對前沿技術的理解。

4.1.3 高昂的BCI實驗設備和資源需求

BCI專業的建設需要構建適合教學的BCI實驗室，目前的BCI實驗室更偏重研究。此外，目前市售的BCI硬件和軟件系統比較昂貴，而教學通常需要多套BCI實驗平臺，配置成本較高。

建議開發適合教學的BCI實驗系統，并大幅降低系統成本和價格，提供批量配置。此外，可以通過校企合作和共享資源的方式，解決實驗設施不足的問題。同時，建立虛擬仿真實驗平臺，幫助學生通過軟件模擬實驗步驟和數據分析，節省成本[44]。

4.1.4 BCI專業的師資力量短缺

BCI專業的教師需要具有多學科背景，目前高校缺少具備神經科學和計算機技術雙重背景的專職教師，這會影響教學質量。建議邀請具備BCI多學科背景的專家擔任客座講師或導師。同時，鼓勵現有教師參加BCI多學科培訓[44]。

4.2 BCI專業前景如何？

BCI專業的前景與BCI技術的發展和轉化為實際應用的進程密不可分。隨著神經科學、心理與認知科學、計算機科學與技術、人工智能和人機工效學等領域的不斷進步，BCI技術將逐漸從實驗室走向實際應用，其應用場景也將從目前的醫療康復擴展至教育、娛樂、智能控制和增強現實等多個領域。因此，BCI專業具有前景。

在醫療領域，BCI技術將為嚴重運動障礙患者和殘障人士，如癱瘓患者、失語患者和其他神經或精神疾病患者帶來新的診斷、治療和康復手段。在非醫療應用中，如腦控游戲和腦機協作機器人等，也將給健康個體帶來新的體驗和服務。這些應用將為BCI專業的學生提供施展才能的行業。

4.3 目前存在的問題以及未來工作

本文基于BCI技術的多學科特性，提出了BCI專業課程設計的八個原則，構建了包含學科基礎課、大類導論課、專業主修課、實踐訓練和論文綜合訓練的五層課程框架，為BCI專業建設提供了參考。然而，對于BCI專業的課程設計的準則依然需要深入考量、補充和細化，特別需要基于能力導向考量BCI專業的課程設計，具體可能包括：（1）明確界定BCI專業所涵蓋的技能和知識。這包括通過需求評估研究、訪談、對未來工作的分析、市場研究、工作崗位等來支持這些技能和知識的證據；（2）將技能和知識與適當的教學法(pedagogies)和方法學（methodologies）相匹配；（3）設計結構化的課程網格。這種網格能夠提供如何在不同課程中交織和穿插技能和知識的見解，包括課堂和獨立作業的工作量；（4）與BCI相關的倫理問題應貫穿整個課程。由于BCI與醫學實踐和人類大腦之間的直接聯系，倫理問題應貫穿整個課程，將人置于中心，而不是技術。

05

結束語

本文針對新興的BCI專業，基于BCI系統研發的內在和必然的多學科性，提出了BCI專業的課程設計原則，給出了BCI專業的課程設計建議。這些原則和建議是初步的，下一步工作是基于能力導向完善BCI專業的課程設計，隨著BCI技術的發展，BCI專業的課程設計和建設將不斷完善，BCI專業建設面臨的挑戰將逐漸被克服，期望BCI專業有更好的前景。

參考文獻

[1] Graimann, B., Allison, B. Z., & Pfurtscheller, G. (Eds.). (2010). Brain-computer interfaces: Revolutionizing human-computer interaction. Springer Science & Business Media.

[2] Wolpaw, J.R. and Wolpaw, E.W., (2012). Brain-computer interfaces: something new under the sun. Brain-computer interfaces: principles and practice, 14.

[3] Ramsey, N. F., & Millán, J. D. R. (2020). Brain-computer interfaces. Elsevier.

[4] Allison, B. Z., Dunne, S., Leeb, R., Millán, J. D. R., & Nijholt, A. (Eds.). (2012). Towards practical brain-computer interfaces: bridging the gap from research to real-world applications. Springer Science & Business Media.

[5] Collura, T. F. (2014). Technical foundations of neurofeedback. Routledge.

[6] Chen, Y., Wang, F., Li, T., Zhao, L., Gong, A., Nan, W., ... & Fu, Y. (2024). Considerations and discussions on the clear definition and definite scope of brain-computer interfaces. Frontiers in Neuroscience, 18, 1449208.

[7] Luo, J., Ding, P., Gong, A., Tian, G., Xu, H., Zhao, L., & Fu, Y. (2022). Applications, industrial transformation and commercial value of brain-computer interface technology. Journal of Biomedical Engineering, 39(2), 405-415.

[8] ?nce, R., Adan?r, S. S., & Sevmez, F. (2021). The inventor of electroencephalography (EEG): Hans Berger (1873–1941). Child's Nervous System, 37, 2723-2724.

[9] Walter, W. G., Cooper, R., Aldridge, V. J., McCallum, W. C., & Winter, A. L. (1964). Contingent negative variation: an electric sign of sensori-motor association and expectancy in the human brain. nature, 203(4943), 380-384.

[10] Fetz, E. E. (1969). Operant conditioning of cortical unit activity. Science, 163(3870), 955-958.

[11] Fetz, E. E., & Finocchio, D. V. (1971). Operant conditioning of specific patterns of neural and muscular activity. Science, 174(4007), 431-435.

[12] Vidal, J. J. (1973). Toward direct brain-computer communication. Annual review of Biophysics and Bioengineering, 2(1), 157-180.

[13] Vidal, J. J. (1977). Real-time detection of brain events in EEG. Proceedings of the IEEE, 65(5), 633-641.

[14] Wolpaw, J. R., McFarland, D. J., Neat, G. W., & Forneris, C. A. (1991). An EEG-based brain-computer interface for cursor control. Electroencephalography and clinical neurophysiology, 78(3), 252-259.

[15] Donoghue, J. P. (2002). Connecting cortex to machines: recent advances in brain interfaces. Nature neuroscience, 5(Suppl 11), 1085-1088.

[16] Schwartz, A. B., Moran, D. W., & Reina, G. A. (2004). Differential representation of perception and action in the frontal cortex. Science, 303(5656), 380-383.

[17] Blankertz, B., Dornhege, G., Krauledat, M., Müller, K. R., & Curio, G. (2007). The non-invasive Berlin brain–computer interface: fast acquisition of effective performance in untrained subjects. NeuroImage, 37(2), 539-550.

[18] Daly, J. J., & Wolpaw, J. R. (2008). Brain–computer interfaces in neurological rehabilitation. The Lancet Neurology, 7(11), 1032-1043.

[19] Graimann, B., Allison, B., & Pfurtscheller, G. (2010). Brain–computer interfaces: A gentle introduction. In Brain-computer interfaces: Revolutionizing human-computer interaction (pp. 1-27). Berlin, Heidelberg: Springer Berlin Heidelberg.

[20] Millan, J. R., Renkens, F., Mourino, J., & Gerstner, W. (2004). Noninvasive brain-actuated control of a mobile robot by human EEG. IEEE Transactions on biomedical Engineering, 51(6), 1026-1033.

[21] Birbaumer, N., Ghanayim, N., Hinterberger, T., Iversen, I., Kotchoubey, B., Kübler, A., ... & Flor, H. (1999). A spelling device for the paralysed. Nature, 398(6725), 297-298.

[22] Nicolelis, M. A. (2001). Actions from thoughts. Nature, 409(6818), 403-407.

[23] Chapin, J. K., Moxon, K. A., Markowitz, R. S., & Nicolelis, M. A. (1999). Real-time control of a robot arm using simultaneously recorded neurons in the motor cortex. Nature neuroscience, 2(7), 664-670.

[24] Taylor, D. M., Tillery, S. I. H., & Schwartz, A. B. (2002). Direct cortical control of 3D neuroprosthetic devices. science, 296(5574), 1829-1832.

[25] Musallam, S., Corneil, B. D., Greger, B., Scherberger, H., & Andersen, R. A. (2004). Cognitive control signals for neural prosthetics. Science, 305(5681), 258-262.

[26] Santhanam, G., Ryu, S. I., Yu, B. M., Afshar, A., & Shenoy, K. V. (2006). A high-performance brain–computer interface. nature, 442(7099), 195-198.

[27] Scott, S. H. (2006). Converting thoughts into action. Nature, 442(7099), 141-142.

[28] Daly, J. J., & Wolpaw, J. R. (2008). Brain–computer interfaces in neurological rehabilitation. The Lancet Neurology, 7(11), 1032-1043.

[29] LaConte, S. M. (2011). Decoding fMRI brain states in real-time. Neuroimage, 56(2), 440-454.

[30] Hochberg, L. R., Serruya, M. D., Friehs, G. M., Mukand, J. A., Saleh, M., Caplan, A. H., ... & Donoghue, J. P. (2006). Neuronal ensemble control of prosthetic devices by a human with tetraplegia. Nature, 442(7099), 164-171.

[31] Hochberg, L. R., Bacher, D., Jarosiewicz, B., Masse, N. Y., Simeral, J. D., Vogel, J., ... & Donoghue, J. P. (2012). Reach and grasp by people with tetraplegia using a neurally controlled robotic arm. Nature, 485(7398), 372-375.

[32] Willett, F. R., Avansino, D. T., Hochberg, L. R., Henderson, J. M., & Shenoy, K. V. (2021). High-performance brain-to-text communication via handwriting. Nature, 593(7858), 249-254.[33] Ramsey, N. F., & Crone, N. E. (2023). Speech-enabling brain implants pass milestones. Nature, 620(7976), 954-955.

[34] Metzger, S. L., Littlejohn, K. T., Silva, A. B., Moses, D. A., Seaton, M. P., Wang, R., ... & Chang, E. F. (2023). A high-performance neuroprosthesis for speech decoding and avatar control. Nature, 620(7976), 1037-1046.

[35] Willett, F. R., Kunz, E. M., Fan, C., Avansino, D. T., Wilson, G. H., Choi, E. Y., ... & Henderson, J. M. (2023). A high-performance speech neuroprosthesis. Nature, 620(7976), 1031-1036.

[36] Lai, C., Tanaka, S., Harris, T. D., & Lee, A. K. (2023). Volitional activation of remote place representations with a hippocampal brain–machine interface. Science, 382(6670), 566-573.

[37] Flesher, S. N., Downey, J. E., Weiss, J. M., Hughes, C. L., Herrera, A. J., Tyler-Kabara, E. C., ... & Gaunt, R. A. (2021). A brain-computer interface that evokes tactile sensations improves robotic arm control. Science, 372(6544), 831-836.

[38] Coulter, M. E., & Kemere, C. (2023). The neural basis of mental navigation in rats. Science, 382(6670), 517-518.

[39] Minev, I. R., Musienko, P., Hirsch, A., Barraud, Q., Wenger, N., Moraud, E. M., ... & Lacour, S. P. (2015). Electronic dura mater for long-term multimodal neural interfaces. Science, 347(6218), 159-163.

[40] Aflalo, T., Kellis, S., Klaes, C., Lee, B., Shi, Y., Pejsa, K., ... & Andersen, R. A. (2015). Decoding motor imagery from the posterior parietal cortex of a tetraplegic human. Science, 348(6237), 906-910.

[41] Nicolelis, M. A. (2003). Brain–machine interfaces to restore motor function and probe neural circuits. Nature Reviews Neuroscience, 4(5), 417-422.

[42] Lebedev, M. A., & Nicolelis, M. A. (2006). Brain–machine interfaces: past, present and future. TRENDS in Neurosciences, 29(9), 536-546.

[43] Lorach, H., Galvez, A., Spagnolo, V., Martel, F., Karakas, S., Intering, N., ... & Courtine, G. (2023). Walking naturally after spinal cord injury using a brain–spine interface. Nature, 618(7963), 126-133.

[44] Yang, H., Li, T., Zhao, L., Chen, X., Pan, J., & Fu, Y. (2024). An emerging major: brain-computer interface major[J]. Journal of Biomedical Engineering, 41(6), 1257-1264. Chinese. doi: 10.7507/1001-5515.202409050. PMID: 40000217.

[45] Kohli, V., Tripathi, U., Chamola, V., Rout, B. K., & Kanhere, S. S. (2022). A review on Virtual Reality and Augmented Reality use-cases of Brain Computer Interface based applications for smart cities. Microprocessors and Microsystems, 88, 104392.

[46] Vasiljevic, G. A. M., & Cunha de Miranda, L. (2024). The CoDIS taxonomy for brain-computer interface games controlled by electroencephalography. International Journal of Human–Computer Interaction, 40(15), 3908-3935.

[47] Prapas, G., Glavas, K., Tzimourta, K. D., Tzallas, A. T., & Tsipouras, M. G. (2023). Mind the move: Developing a brain-computer interface game with left-right motor imagery. Information, 14(7), 354.

[48] Jamil, N., Belkacem, A. N., Ouhbi, S., & Guger, C. (2021). Cognitive and affective brain–computer interfaces for improving learning strategies and enhancing student capabilities: A systematic literature review. Ieee Access, 9, 134122-134147.

[49] Al-Hudhud, G., Alqahtani, L., Albaity, H., Alsaeed, D., & Al-Turaiki, I. (2019). Analyzing passive BCI signals to control adaptive automation devices. Sensors, 19(14), 3042.

[50] Powers, J. C., Bieliaieva, K., Wu, S., & Nam, C. S. (2015). The human factors and ergonomics of P300-based brain-computer interfaces. Brain sciences, 5(3), 318-354.

[51] Tai, P., Ding, P., Wang, F., Gong, A., Li, T., Zhao, L., ... & Fu, Y. (2024). Brain-computer interface paradigms and neural coding. Frontiers in Neuroscience, 17, 1345961.

[52] Lu, X., Ding, P., Li, S., Gong, A., Zhao, L., Qian, Q., ... & Fu, Y. (2021). Human factors engineering of brain-computer interface and its applications: Human-centered brain-computer interface design and evaluation methodology. Journal of Biomedical Engineering, 38(2), 210-223.Chinese. doi: 10.7507/1001-5515.202101093. PMID: 33913280; PMCID: PMC9927690.

[53] Cernera, S., Gemicioglu, T., Berezutskaya, J., Csaky, R., Verwoert, M., Polyakov, D., Papadopoulos, S., Spagnolo, V., Astudillo, J. G., Kumar, S., Alawieh, H., Kelly, D., Keough, J. R. G., Minhas, A., Dold, M., Han, Y., McClanahan, A., Mustafa, M., Gonzalez-Espana, J., ... Valeriani, D. (2025). Master classes of the tenth international brain–computer interface meeting: showcasing the research of BCI trainees. Journal of Neural Engineering, 22(2), 022001.

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