基于高频稳态视觉诱发场的视觉脑机接口
基于高频稳态视觉诱发场的视觉脑机接口
背景介绍
脑机接口（Brain-Computer Interface, BCI）技术通过解码特定的脑活动信号，使用户能够控制机器。尽管侵入性BCI在捕获高质量脑信号方面表现出色，但其应用主要局限于临床环境。而非侵入性方法，如脑电图（Electroencephalography, EEG），则为广泛应用BCI提供了更具可行性的途径。然而，由于脑脊液和颅骨的影响，EEG信号在传播过程中会变得非常微弱，且颅骨的差异性和各向异性导电性让定位EEG信号位置变得更加困难。
磁源成像（Magnetoencephalography, MEG）是一种非侵入性成像脑活动的方法，它在捕捉精细空间信息方面优于EEG。这种优势主要源自磁通量不会像电流那样受到衰减。然而，传统MEG设备使用超导量子干涉器（Superconducting Quantum Interference Devices, SQUIDs）放置在距离头皮3-6厘米处，导致信噪比（Signal-to-Noise Ratio, SNR）较低，而且设备需要持续的低温制冷，增加了成本和操作限制。近年来，光泵磁力计（Optically Pumped Magnetometers, OPM）作为一种新兴技术被引入MEG测量中。OPM不仅要求更小的体积且不需要制冷，同时在理论上能提供与SQUID相当的灵敏度。
稳态视觉诱发场（Steady-State Visual Evoked Potentials, SSVEPs）在EEG特征中脱颖而出，通常被用作不同BCI系统中的控制信号。大多数SSVEP BCI系统使用低频（＜12 Hz）或中频（12–30 Hz）的刺激，这些频率的信号较强。然而，低频和中频的SSVEP会减弱用户的真实体验，甚至增加视觉疲劳和癫痫风险。相比之下，高频SSVEP刺激能够提供更为舒适的互动体验，当闪烁频率超过临界闪烁融合阈（50-60 Hz）时，SSVEP刺激变得不易察觉，从而大大降低疲劳感，提升用户体验。然而，由于高频SSVEP-BIC系统性能较低，实际应用较少。
为解决这一挑战，本研究利用高频稳态视觉诱发场（Steady-State Visual Evoked Fields, SSVEFs）构建基于OPM-MEG的BCI系统，探索其可行性。
论文来源
本研究论文由Dengpei Ji, Xiaolin Xiao, Jieyu Wu, Xiang He, Guiying Zhang, Ruihan Guo, Miao Liu, Minpeng Xu, Qiang Lin, Tzyy-Ping Jung, Dong Ming等多位来自中国天津大学医工交叉与转化医学学院、中国浙江工业大学理学院、美国加州大学圣地亚哥分校、天津市脑机交互与人机融合海河实验室的研究者共同撰写，并于2024年5月30日发表于《Journal of Neural Engineering》。论文的摘要显示了他们研究的关键点，即构建一个基于高频SSVEFs的MEG-BCI系统，以实现不可察觉的闪烁、用户友好和高准确率的目标。
研究方法
实验设备与环境
研究团队采用了由QuSpin（美国科罗拉多州路易斯维尔）制造的六通道第二代光泵零场磁力计，每个磁力计都是一个自包含的传感器单元，能够同时测量两个正交方向的磁场。为了满足无磁场环境的需要，传感器被安置在零磁场屏蔽室中，背景静态磁场被降低到约2纳特斯拉，梯度不超过15纳特斯拉每米。
参与者佩戴标准10/20脑电图帽，头盔固定传感器位置以保证精确的信号采集。
实验对象
五名被试（年龄在18至30岁之间，1名女性，均为右撇子）参与了实验。所有参与者在实验前确认无幽闭恐惧症，并详细了解了实验过程。
刺激呈现
研究团队采用了由Cyclone IV场可编程门阵列（Field-Programmable Gate Array, FPGA）驱动的白色LED，设计了一个9命令封闭阵列的高频SSVEF系统，频率范围为58-62 Hz，以0.5 Hz为间隔。光纤被用来将刺激信号传入磁屏蔽室，以满足无磁场环境需求。
实验程序
每个被试完成15套离线实验，每套包含3个区块，每个区块包含9个刺激事件，以伪随机顺序呈现。每个刺激事件持续4秒，总时间为135秒。为了减轻黑暗环境的视觉疲劳，休息期间刺激单元保持常亮状态。
数据记录与分析
OPM-MEG系统用于记录数据，FPGA发送刺激触发信号，使用内置信号处理软件进行预处理，采用了无限脉冲响应带通滤波器，范围设为55–70 Hz，用快速傅里叶变换（Fast Fourier Transform, FFT）分析频域特性，使用集成任务相关成分分析（Ensemble Task-Related Component Analysis, ETRCA）算法进行目标识别和系统性能评估。
主要研究结果
环境噪声特性分析
通过分析被试在安静状态下的4–70 Hz频谱能量，确认了低频噪声不会影响高频SSVEF信号检测，验证了MEG信号的正常检测能力。
高频SSVEF的时域信号特性
通过分析被试从刺激开始前200毫秒到刺激后400毫秒的波形，确认了在约200毫秒的视觉潜伏期后，信号稳定且具有明显的幅值和相位。
高频SSVEF的频域特性分析
通过FFT分析，每个事件的目标频率上均有明显的能量峰值，反映了MEG信号的成功识别。在所有事件中，z轴的能量高于y轴，显示了在不同目标频率上的显著差异（p<0.01）。
高频SSVEF-BCI系统性能
离线实验中，该九命令BCI系统取得了平均分类准确率92.98%的成绩，理论最高信息传输率（ITR）为58.36 bits/min，最长个体ITR为63.75 bits/min（被试3），表明该系统在短数据长度下（0.7秒）达到了较高的ITR水准。
研究结论
本研究首次探索了基于高频SSVEF的OPM-MEG BCI系统的可行性，取得了显著的平均离线准确率（92.98%）和令人印象深刻的最高ITR（63.75 bits/min），表明MEG在检测微弱脑信号方面的潜力和可行性，为推进MEG在BCI系统中的发展和实际应用提供了理论和实践价值。
实验亮点
- 创新性强: 首次探索了基于高频SSVEF的OPM-MEG BCI系统，解决了传统低频SSVEF带来的视觉疲劳和癫痫风险问题。
- 高准确率和ITR: 系统表现出色，平均分类准确率达92.98%，理论最高ITR为58.36 bits/min。
- 多维度信号分析: 通过对z轴和y轴信号的联合分析，显著提高了系统的分类准确率，展示了多维度分析方法的潜力。
未来研究方向
未来的研究将着重于扩展命令数量和改进适合于微弱MEG信号特性的算法，以进一步提升ITR。其他潜在的应用包括进行更多被试的在线实验，以证明系统的普遍性以及比较MEG和EEG联合实验中的不同特性，探索MEG在BCI系统中的更广泛应用。