脑机接口

一、简介

脑机接口，即Brain-ComputerInterface，简称BCI，是指在人或动物大脑与外部设备之间创建的直接连接，从而实现脑与设备的信息交换。按照BCI信息的传送方向，分为狭义BCI和广义BCI。

狭义BCI指输出式BCI，在大脑（含人与动物脑）与外部设备之间建立直接的交流和控制通道，利用中枢神经系统产生的信号，在不依赖外周神经或肌肉的条件下，把用户或被试者的感知觉、认知、意念、思维等转化为外部设备的动作指令。

广义BCI除了输出式BCI，还包含输入式BCI和双向闭环BCI。输入式BCI主要指外部设备的向大脑输入电、磁、声、光的刺激，以调控大脑中枢神经活动。双向闭环BCI主要指大脑向外部设备输出通信或控制指令，外部设备在执行指令过程中把结果反馈给大脑，从而完成脑-机信号交互的闭环。

二、技术构成

BCI系统包含信号采集、信号处理、信号执行、神经反馈四个功能模块。

BCI系统环路示意图

信号采集：感知和测量大脑信号，获得足量的脑电数据，将信号传递给信号处理单元组件。

信号处理：信号处理功能包括特征提取和转换算法。特征提取指提取用于用户意图编码的信号特征，基于深度学习的相关算法或专家知识将脑信号转化为计算机信号。转化算法是指将提取的信号特征转换为通信指令，从而向机器输出指令。信号处理是大脑向机器输出指令的关键环节。

信号执行：指机器按照接收的信号指令执行实际的操作，如在显示器上的光标移动、字母输入、语音输出、机械四肢的运动、控制轮椅、控制多种电子设备等。

神经反馈：具有自适应闭环控制系统的功能，能够向用户提供反馈并微调大脑活动，从而优化输出结果。

三、核心技术

信号采集、处理算法、芯片是影响BCI发展的关键因素。信号采集主要以EEG非侵入式采集为主。同时，已有以Neuralink为代表的创新企业在尝试侵入式采集，已在动物试验中取得进展。人工神经网络算法、时/频域结合分析法和贝叶斯分析法在自我学习能力、异常数据处理能力方面具备优势，是信号处理过程中使用较多的算法。类脑芯片成为BCI行业研究应用的新方向，由于类脑和人脑运算能力差距较大，如何提高类脑芯片的运算能力是BCI芯片研究的未来方向。

1.信号采集

人体电生理信号主要分为心电(ECG)、肌电(EMG)、眼电(EOG)以及脑电(EEG)等信号，其中脑电是BCI采集的主要电生理信号。脑电（EEG）是由大脑神经活动产生的电位信号，是人体中重要的生物电信号，反映了大脑神经元细胞体的生理活动，蕴藏了丰富的大脑活动信息。

1）脑电信号种类

在不同的意识状态下，EEG的不同节律呈现出各异的活动状态。按照所在频段的不同分类，一般采用希腊字母（α、β、γ、δ、θ）来表示不同的自发EEG信号节律。EEG频率主要集中在0.5~100Hz，电压幅值为5~100μV。脑电波的研究主要集中在其中的四种波形Alpha(α)波，Belta(β)波，Theta(θ)波以及Delta(δ)波。

部分脑电信号种类及特点

2）脑信号采集方式

根据信号采集侵入程度，BCI技术可分为非侵入式、半侵入式和侵入式三种。其中非侵入式EEG是脑信号采集的主要方式。

非侵入式通过外部设备直接从大脑外部采集大脑信号，主要包括脑电图（EEG）、脑磁图（MEG）、功能核磁共振成像（fMRI）、功能性近红外脑成像（fNIRS）等。

半侵入式通过放置电极于硬脑膜或用螺钉穿透颅骨等方式采集大脑信号，以脑皮层电图（ECoG）为代表。

侵入式需要通过手术在大脑皮质内植入电极或芯片采集大脑信号，可以记录局部场电位（LFP）、单个神经元的活动（即动作电位/锋电位，Spike）和多个神经元活动（MUA），包括脑深部刺激术（DBS）、硅纳米阵列等。

BCI 按照侵入程度分类

侵入式

优点：直接在大脑皮质内采集脑信号，采集路径短，信号受干扰较小，其时间分辨率在0.01秒内，空间分辨率可达到微米级。

缺点：需要通过外科手术将电极或芯片植入大脑皮质，其技术难度大、临风险较高、价格昂贵，使得侵入式应用受限。

目前涉足侵入式的企业较少，美国Neuralink公司正在研发的脑机设备属于典型的侵入性式接口。2020年8月，马斯克召开Neuralink发布会，通过直播的方式展示BCI设备。该设备只有一枚硬币大小，用手术植入头骨，可以用手机里的APP控制。马斯克曾表示，Neuralink公司的脑机接口有望借助微芯片装置来帮助四肢瘫痪者的全身功能恢复。我国宁矩科技(NeuraMatrix)、脑虎科技(NeuroXess)公司宣布主要研发对象为侵入式BCI。宁矩自研的脑机接口专用的系统级芯片已经完成流片，预计2022年初实现搭载自研芯片的设备量产，公司推出的国内首个无线侵入式脑机接口设备，一代样机已开始与临床合作。

非侵入式

优点：置于大脑外，临床风险较低且能满足常用场景下对大脑信号的监测。

缺点：需要经过颅骨和头皮才能获得脑信号，信号所经路径较远，易受干扰，其时间分辨率通常在毫秒以上，空间分辨率也在毫米以上，低于侵入式。

在非侵入式的几种采集方式中，EEG的时间分辨率高于fMRI和fNIRS，同时可以通过增加电极数量来提高EEG的空间分辨率，且EEG设备便携，无需fMRI、fNIRS、MEG配备大型影像设备和探测设备，需要较高的费用。目前EEG已成为应用最多的非侵入式脑信号采集方式。

3）电极

电极是实现脑信号采集的硬件支持，目前BCI设备中使用较多的是氯化银电极，如侧重康复治疗功能的臻泰智能脑机设备使用银/氯化银镀层电极，主打缓解疲劳与身心放松的易念科技旗下心影冥想头环，采用镀金及硅胶电极，实现更好的贴合头皮，增强放松感。

而石墨烯电极未来也被看好。2020年12月，河北大学科研团队研制出石墨烯柔性电极，通过抗阻力试验、脑电输出质量检测试验等将石墨烯电极与氯化银电极进行全方位的性能比较，随着时间的推移，所采集到的脑电信号振幅无明显衰减，波形也未出现基线漂移，双方数据基本一致。实验测试证明，石墨烯电极采集到的数据稳定准确，系统运行平稳，可以满足作为便携式脑电信号监测设备进行长期日常生活监测。

2.算法设计

算法设计是信号处理能力和处理效率的关键，脑信号处理利用相关算法，从经过预处理的脑电信号中提取与受试者意图相关的特定特征量，提取后交给分类器进行分类，分类器的输出内容即作为控制器的输入内容。在信息初步采集处理完毕后，会将所得信息进行编码，即把生物电信号转化为数字信号。

脑信号处理代表性算法包括以下几个种类：

1）频域分析法

功率谱估计是频域分析的主要手段，基于EEG各频段功率进行分析，它的意义在于把幅度随时间变化的脑电波变换为脑电功率随频率变化的谱图，从而可直观地观察到脑电节律的分布与变化情况。

2）时域分析法

时域分析直接提取波形特征以进一步的分析和诊断，如直方图分析、方差分析、峰值检测及波形参数分析、波形识别等。

3）时/频域结合分析法

把时/频两域结合起来分析方法，如维格纳分布和小波变换理论，小波变换中的多尺度分析可以根据EEG中的棘波、棘慢波及伪差在不同尺度上表现不同而检测出异常波。时/频域结合分析法结合了时域分析法和频域分析法的优点，能够有效避免部分信号号在频域上、时域上不突出而无法准确观察的问题，可更好分析脑电节律的分布与变化情况，如反映癫痫信息的棘慢波，反映睡眠信息的梭形波等瞬态波形。

4）人工神经网络法

人类在对大脑及大脑神经网络认识理解的基础上，对人脑组织结构和运行机制的某种抽象、简化和模拟。其在非线性关系数据上表现出非常强大的学习能力，且参数选择灵活，能够识别异常值，被广泛地应用于EGG信号的分类。

5）线性判别法

通过建立概率密度方程式模型，输入新的数据，计算每一类数据产生的概率，通过判别概率值最大的点，来判断对应输入数据的类别。不适用于异常值或强噪声的存在。

6）支持向量机

基本原理是通过非线性变换将输入空间变换到一个高维空间，然后在新空间中求取最优线性分类面。不适用于异常值或强噪声的存在。

7）贝叶斯分析法

基于证据框架的线性回归分析，相比非线性分类方法具有较低的计算复杂度的优点，应用较为普遍。贝叶斯分析能够解决一般的线性分类方法只能得到分类的标签、不能得到测试样本属于某一类的概率大小的难题，有助于信号后续的处理，可以获得更好的信号效果，它在基于P300的BCI中得到较多的应用。

算法自我学习能力、异常值的处理能力是脑信号处理算法选择的重要参考指标。目前人工神经网络法、时/频域结合分析法和贝叶斯分析法成为热门研究对象。

3.芯片

芯片是脑信号处理的又一支撑，芯片影响算法速度，决定脑信号处理运转效率。按照芯片的信号处理功能，BCI中芯片大致分为模拟前端信号芯片、核心信号处理芯片。

模拟前端信号芯片为可穿戴生物医疗芯片搜集信号，医疗设备的精度通常取决于模数转换器(AnalogtoDigitalConverter)的精度，转换器将捕获的模拟信号输入转换为数字格式，即将人体生理信号转换为电学数字信息，然后存储和处理。

核心信号处理模块中较多采用逻辑芯片、模拟芯片，如FPGA芯片、DSP芯片。根据ICInsights报告，德州仪器、ADI、SkyworksSolutions在模拟芯片方面全球出货量中位居前三。

BCI芯片硬件结构图

另外，类脑芯片已成为BCI行业研究应用的新方向。类脑芯片主要对大脑运作底层原理进行模仿、功能延展。目前主要运用的有“深度学习”等算法。该算法本质是对人类大脑视觉系统的模仿，因人的视觉系统由多层神经网络组成，层与层之间通过学习训练生成连接，被称为“深度学习”。不像人类的神经元与突触可以实现一体化，电脑中存储与运算分开，需要更多的运算单位完成计算。目前类脑和人脑部运算能力差距较大，但会成为未来行业研究、应用的新方向。

4.信号执行

信号执行是大脑意图得以实现的关键。BCI的信号执行指将已分析的信号转换为实际的操作，如在显示器上的光标移动、字母输入、语音输出、机械四肢的运动、控制轮椅、控制多种电子设备等。

以识别左右机械手臂为例：人类大脑在想象肢体不同部位的运动时，大部分人的大脑皮层运动体感区附近都会出现8～30Hz的节律性脑电波幅的变化，此频带包括了脑电波中的α波和β波频段；当人在想象左手和右手的运动时，大脑皮层左右两侧运动区将出现交叉式的脑电节律波幅的增强和减弱。2020年中国浙大团队在国内首次通过对一位高位截瘫患者脑内植入Utah芯片，患者可以利用大脑皮层信号精准控制外接机械手臂，完成进食、饮水、握手等一系列上肢重要功能运动。

5.神经反馈

神经反馈是BCI系统环路中最后一环，也是实现双向脑机交互的关键环节。不仅能让受试者清楚自己的思维产生的控制结果，同时还能够帮助受试者根据结果来自主调整脑电信号，以达到预期目标。神经反馈基于条件反射和人脑可塑性，将脑活动特征、信号转化结果、机器执行情况以不同感官（包括视觉、听觉、触觉等）形式反馈到用户大脑，大脑可以根据神经反馈结果，进行自主调整，再次输出意图，通过多次的神经反馈，最终提升脑机交互的性能。而且，神经反馈在用户自适应控制器和自适应算法控制器之间起着调控作用，特别是在运动想象BCI中，神经反馈可以动态的评估和改善用户的运动想象能力。

四、政策驱动

脑科学研究已经成为全球共识，美国、中国、日本、欧盟等国家和地区纷纷发布政策支持脑科学研究。特别是美国早在1989年就发布了《全国性脑计划》，启动脑科学研究。中国在《国家中长期科学和技术发展规划纲要（2006-2020）》中首次把“脑科学与认知”列入基础研究八大科学前沿问题，标志着脑科学研究已经上升到国家科学发展战略层面。

全球主要国家和地区脑科学扶持政策

中国在《“十三五”医疗器械科技创新专项规划》中指出要加快发展康复、助残、养老等相关的人机交互和脑机接口技术。2021年8月科技部颁布《科技创新2030——“脑科学与类脑研究”重大项目2021年度项目申报指南》，明确指出脑认知原理解析、认知障碍相关重大脑疾病发病机理与干预技术、类脑计算与脑机智能技术及应用、儿童青少年脑智发育和脑科学技术平台建设五大研究方向。

中国“脑计划”五大重点研究方向

五、市场空间

脑疾病的庞大患病基数和全球老龄化问题的加持，使得脑科学、BCI市场规模不断扩大。同时各国政策的支持将协同产业链上下游发展，产业链的延伸和经济的发展，将不断拓展脑机接口的应用领域，在军事、教育、消费娱乐等细分领域逐步渗透。目前全球多家机构对赛道规模的长期稳健增长持乐观态度。

QYResearch数据显示，2019年BCI市场规模达12亿美元，预计2026年将达到27亿美元，年复合增长率为12.4%。其中，北美地区是全球最大市场，占总市场份额的60%。

六、行业玩家

BCI行业的技术供给端，主要由科研机构、孵化平台、创新企业三大种类型的组织所构成，为行业发展提供源源不断的技术支持。其中科研机构主要来源于全球高校、私人设立的研究所等；孵化平台主要由第三方组织机构推动建设，如政府、投资机构牵头建立；创新企业即将实验室的技术转化为标准化的应用产品，投向市场。

1.科研机构

目前，我国在该领域的科研机构大致由三大类型构成。一是以上海脑科学与类脑研究中心、北京脑科学与类脑研究中心为代表的中国脑计划南北两个中心；二是以复旦大学脑科学前沿科学中心、浙江大学脑与脑机融合前沿科学中心等为代表的教育部前沿科学中心；三是国内高校和科研院所成立的各类研究机构，如清华大学、北京大学、北京师范大学、中科院深圳先进技术研究院与IDG共建的麦戈文脑科学研究院等。

2.孵化平台

2021年11月17日，“红杉中国智能医疗加速器”在上海张江正式宣布启用，这是红杉中国连续16年布局医疗领域投资以来所发起设立的第一个医疗领域的专业孵化平台。目前，该中心包括“红杉中国智能医疗基因组学孵化器”和“红杉中国脑科学孵化中心”两大平台，分别专注于基因组学和脑科学两大垂直细分领域。红杉脑科学中心旨在与科研院校和临床专家深度合作，打造国际领先的脑科学技术研究与产业孵化平台，加速走通技术产品的商业化道路，为推动脑疾病的干预、诊疗贡献力量。

3.创新企业

截止到2021年年底，中国累计有14家BCI企业获得融资，单次融资最高达到5亿人民币，部分企业已获得多次融资。从获得融资企业的主要业务看，大部分企业的产品聚焦在非侵入式BCI，包括可穿戴的BCI设备、脑疾病的影像诊断、脑认知康复等。但也有企业尝试在侵入式BCI领域布局，如NeuraMatrix（宁矩科技）、NeuroXess(脑虎科技)等主要以侵入式BCI产品研发为主。

中国BCI行业部分投融资情况

七、市场应用

BCI在医疗健康领域的应用短期以监测和改善为主，中期以替代为主，长期以增强治疗为主。监测主要是通过BCI系统完成对人体神经状态的实时监控和测量，比如对人的睡眠状态进行监测，以评估睡眠质量；对处于深度昏迷的患者进行监测，帮助医生评估患者的意识等级。改善/恢复主要是针对癫痫、脑卒中、多动症患者预警或康复训练，比如对于感觉运动皮层相关部位受损的脑卒中患者，BCI可以从受损的皮层区采集信号，然后刺激失能肌肉或控制矫形器，改善肢体运动。替代主要针对因为损伤或疾病而丧失某种功能的患者，如肢体运动重度障碍患者、脊髓侧索硬化症患者、重症肌无力患者，通过BCI系统将脑中的意念传达输出。增强主要指将BCI系统植入大脑，增强大脑记忆，推动人机的直接互动等，如治疗阿尔茨海默症等疾病。

BCI在医疗健康中的临床应用

1.癫痫

癫痫是大脑神经元突发性异常放电，导致短暂的大脑功能障碍的一种慢性疾病。由于癫痫的治疗在药物干预无效的情况下，一般采取神经调控和手术切除，但都需要先对癫痫致痫灶进行精确定位。目前，北京慧脑云计算有限公司已开发的癫痫致痫灶精准定位系对癫痫病灶可以开展精准的空间定位。该项目已经获得北京市科委资金支持，同时获得合肥综合性国家科学中心人工智能学院项目的经费，与首都医科大学宣武医院、上海市同济医院等机构正开展临床合作。

2.脑卒中

脑卒中又称中风。是一种急性脑血管疾病，由脑部血管突然破裂或因血管阻塞，导致血液不能流入大脑而引起脑组织损伤的一组疾病。BCI技术可以运用到脑卒中的诊疗中。带病生存的脑卒中患者、脑卒中致残的患者身上，运用BCI技术可以对功能障碍进行康复训练，BCI从受试者受损的皮层区采集信号，然后刺激失能手臂肌肉，帮助脑卒中患者恢复上肢功能。

3.肢体残障

BCI假肢产品区别于传统单纯支撑性假肢产品，可以实时采集、翻译神经电和肌肉电信号，识别佩戴者的运动意图，将运动意图转化为仿生手的动作，实现肢体自主活动功能。

4.阿尔茨海默

阿尔茨海默病（AD）是一种神经系统退行性疾病。临床上以记忆障碍、失语、行为障碍等全面性痴呆表现为特征。目前BCI技术已经广泛的应用到AD的筛查诊疗当中。在MRI等技术中，科学家正在运用不同的追踪物来对AD患者进行筛查。除成像筛查方式外，新兴的数字筛查方法也通过软件方式开始在AD患者中应用。上海特霍芬(Thoven)智能科技开发的数字系统，通过语言处理技术、语言算法、表情识别、情绪计算等方式，通过游戏为基础的AI筛查数字药系统，结合人工智能及大数据分析，完成AD筛查。目前该系统于2021年5月在上海精神卫生中心完成150例AD临床实验，数据显示，阿尔茨海默症筛查效率得到有效提升。

5.其他疾病

BCI在帕金森氏病、精神疾病、脊髓肿瘤等疾病的临床应用尚处研究阶段。未来，BCI在医疗健康的应用将迈入脑疾病治疗深水区，为脑疾病治疗带来颠覆式创新革命。

八、行业标准

虽然目前BCI应用尚处于初级阶段，但BCI高度依靠电子设备，面临设备安全问题与个人隐私安全问题。因此，为了避免BCI陷入无序发展，需要提早考虑制定BCI。目前相关国际组织已经在着手在制定BCI相关标准：

1.IEEE（电气与电子工程师协会）正在制定P2731-StandardBCI统一术语以及P2794-体内神经接口研究报告标准，并在P2731中提出了P300标准数据库。

2.ISO下属相关组织根据各自的职能都在积极开展标准化工作。ISO/TC37（其他语言与内容资源技术委员会）、ISO/TC69（国际统计方法应用标准化技术委员会）、ISO/TC159（国际人体工程学标准化技术委员会）、ISO/TC187（国际自动化系统与集成标准化技术委员会）和ISO/TC215（国际健康信息学标准化技术委员会）正在致力于开发BCI相关术语、定义、统计方法、人机交互的人体工程学、物理设备控制、脑机传感器数据的标准化工作。

3.IEC（国际电工委员会）研究BCI传感器、植入物、传感器电缆、电阻抗层析成像（EIT）组件的质量评估标准化工作。

4.ITU（国际电联）与WHO合作建立人工智能专家组（FG-AI4H)，神经系统疾病的标准化评估是组织的工作主题之一。