脑–机接口（BCI）相关术语
连载(九)
昆明理工大学伏云发教授团队
【导读】为了方便脑机接口（Brain-computer interface，BCI）初学者、中级和高级研发者查阅或精准理解BCI相关术语，本章列出了BCI相关术语。第1节为前言，第2节列出了与BCI直接相关的术语，第3节列出了与BCI紧密相关的术语，后面的几节分别列出了在BCI文献中使用的若干术语，包括BCI用户相关术语、实用BCI相关术语、用于BCI的脑神经电磁信号和脑组织血氧水平记录相关术语、BCI相关脑结构与功能术语，以及BCI相关的其他术语。这种列举方式是为了整理BCI相关术语的方便，不是绝对的，也不是标准，仅供参考，目的是为了方便查询或理解BCI相关术语。
目录
1.1-2.15节请看 脑机接口(BCI)重要内容：BCI相关术语（一）
3.1 -3.4节请看 脑机接口(BCI)重要内容：BCI相关术语（二）
3.5-3.12节请看 脑机接口(BCI)重要内容：BCI相关术语（三）
4.1-4.5节请看 脑机接口(BCI)重要内容：BCI相关术语（四）
4.6-4.11节请看 脑机接口(BCI)重要内容：BCI相关术语（五）
5.1-5.10节请看 脑机接口(BCI)重要内容：BCI相关术语（六）
5.11-5.17节请看 脑机接口(BCI)重要内容：BCI相关术语（七）
6.1-6.7节请看 脑机接口(BCI)重要内容：BCI相关术语（八）
第6节 用于BCI的脑神经电磁信号记录相关术语
6.8 皮层脑电（ECoG）
ECoG是一种通过外科手术在颅骨下方的大脑皮层表面放置电极来记录神经电活动的技术。ECoG能够记录大脑皮层上较大范围内神经元群体的活动，是一种比深部脑电极（如LFPs）侵入性较低但仍属于侵入性的大脑电活动记录方法。ECoG能够记录的频率范围从低频0.01 Hz到高频几百Hz，常见的记录范围在1 Hz到200 Hz之间，其中包括低频的δ波（1-4 Hz）、θ波（4-8 Hz）、α波（8-12 Hz）、β波（12-30 Hz）、以及高频振荡（γ波，30-200 Hz），涉及了脑电波和局部场电位等。
ECoG的时间分辨率较高，通常可以达到亚毫秒级（<1毫秒），能够精确捕捉到快速的神经活动变化。ECoG的空间分辨率比头皮EEG更高，通常在厘米级范围（0.5-3 cm），能够更准确地定位神经活动源，但仍低于单神经元记录等微电极阵列技术。ECoG电极接触皮层表面，信号质量较高，受噪音影响较小，信噪比高。虽然ECoG需要开颅手术，存在一定的安全风险，但与植入皮层采集神经电活动的方法相比，ECoG的安全风险较小。与EEG相比，ECoG仅覆盖有限的大脑区域。
ECoG因其较高的空间分辨率、较高的信噪比、高时间分辨率和微创等特性，使得基于ECoG的BCI在性能和安全性方面有较好的兼顾或平衡点，具有潜在的医学应用前景，特别是在帮助瘫痪患者恢复一些自主控制能力方面。它能够实时记录并解码大脑皮层的电活动，可控制假肢、计算机界面或其他外部设备。ECoG在BCI中提供了高效的信号处理能力，能够在保证较高准确率的前提下实现快速响应。文献[192-194]为ECoG在 BCI 中的应用提供了支持，讨论了其优势和应用前景。
6.9 ECoG网格
ECoG 网格是一种用于记录大脑皮层电活动的电极阵列，由多个电极组成，这些电极通常以二维网格的形式直接放置在大脑皮层的表面（硬脑膜下或硬脑膜上），以记录皮层的局部场电位（LFPs）和神经元群体的电活动。ECoG网格广泛用于神经科学研究、术中监测和BCI应用中，尤其是在癫痫病灶定位和脑功能区定位方面具有重要意义。文献[231-232]详细讨论了ECoG网格的应用及其在神经科学和BCI中的作用。
6.10 微电极阵列（MEA）
微电极阵列（MEA）是一种用于记录或刺激神经元活动的设备，通常由多个微小的电极组成，这些电极可以植入大脑的特定区域以捕捉局部神经元的电活动[190-191]。MEA已用于BCI领域，以获得较高空间和时间分辨率的神经信号。
MEA的空间分辨率与电极数量和布局有关，要求能够精确地记录单个神经元或小群体神经元的电活动。MEA的材料必须是生物相容的，以减少组织反应和长期使用的损伤。MEA必须能够在嘈杂的神经环境中提取清晰的信号，确保信号的准确性。MEA应能够在长时间的记录过程中保持稳定的性能，而不会因脑组织的移动或植入时间的延长而退化。
MEA 的发展历程中，技术的进步不断提升其分辨率、稳定性和多功能性。近年来，材料科学的进步（如纳米技术）和微加工技术的发展推动了更小、更灵敏的 MEA 的出现，为高精度脑信号的采集和处理提供了更多可能性。目前MEA正朝柔性高通量电极等方向发展。
6.11 神经元发放（NF）
神经元发放（NF）是指神经元在接受到足够强的刺激后，其膜电位达到阈值时，以一系列动作电位（APs）形式发放电信号的过程。这些APs以非常快速的频率（通常在毫秒级别）传播到其他神经元或肌肉细胞，以传递信息和指令。NF直接反映了神经元的电活动状态，是研究神经元信息传递、编码和神经回路功能的基础概念。文献[197-198]提供了有关NF的信息。
NF的频率范围通常在 1 Hz 到 200 Hz 之间，特定神经元的发放频率可能会受到外界刺激的强度、类型以及神经元本身的特性影响。NF的时间分辨率极高，通常可以达到亚毫秒级（<1毫秒）。这意味着NF可以在极短的时间内记录到，能够精确捕捉神经元的瞬时活动，提供非常细致的时间信息。
NF的空间分辨率取决于记录方法的选择。如果使用单个电极来记录单个神经元的发放活动，其空间分辨率可以达到微米级（μm），但无法提供大范围的脑活动信息。在多电极阵列的情况下，可以记录多个相邻神经元的发放活动，分辨率相对较低。
NF信号是侵入式BCI的重要信号来源之一。通过实时记录和解码神经元的发放模式，BCI系统可以直接将神经活动转化为控制指令，用于驱动外部设备（如机械臂、计算机光标等）。由于NF具有极高的时间分辨率和精确的定位能力，使得基于NF的BCI系统在复杂任务中具有较高的控制精度和响应速度。文献[197-198]提供了有关基于NF的BCI信息。
6.12 尖峰（Spikes）
Spikes是单个或多个神经元在动作电位过程中发出的短暂、快速的电信号，通常在神经记录中用来描述动作电位的发生。它们代表了神经元信息传递的基本单位，在神经科学中用来描述和记录神经元发放的瞬时电活动。
Spikes 通常用于描述和分析单个神经元或神经元群体的发放模式，特别是在研究神经编码和神经计算的过程中。Spikes 的频率通常在数百 Hz 到几 kHz 的范围内，具体取决于NF动作电位的速率。Spikes 的时间分辨率极高，通常在毫秒级或亚毫秒级，能够精确记录NF动作电位的时刻。Spikes 的空间分辨率非常高，通常在微米级别，这意味着能够记录到单个神经元的电活动。
Spikes能够提供关于单个神经元发放模式的详细信息，是研究神经编码和信息传递的关键。Spikes时间分辨率极高，能够捕捉到神经元活动的瞬时变化。然而，Spikes 数据量大且复杂，数据的处理和分析需要高效且复杂的算法。
在BCI中，Spikes 提供了非常精确的神经信号，能够用于控制高度复杂和精细的任务，如假肢控制或计算机界面的操作。然而，由于其侵入性较高和数据处理的复杂性，Spikes 在 BCI 中的应用更多集中于实验室和临床研究，特别是在研究神经机制和开发高精度BCI系统时。文献[197][199-200]提供了有关Spikes信息。
在本小节的最后，需要注意以上头皮脑电（EEG）、皮层脑电（ECoG）和局部场电位（LFPs）之间的关系，也需要注意神经元发放（NF）、动作电位（APs）和尖峰（Spikes）之间的关系，如表15所示。
6.13 局部场电位（LFPs）
LFPs是一种通过手术把电极植入皮层内，也可以放置在皮层表面或更深的脑区，以记录局部神经元群体活动产生的电场变化的技术。LFPs反映了局部神经元集群的同步电活动，主要记录来自神经元树突的突触后电位，以及较慢的膜电位波动，通常是较低频率的神经活动。LFPs 的频率范围通常在 0.1 Hz 到 500 Hz 之间，常见的研究频率范围为 1 Hz 到 100 Hz。这些频率涵盖了大部分脑电活动的节律，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 能够捕捉多种频率范围内的神经活动，从而帮助研究不同的脑电节律。
LFPs 的时间分辨率较高，通常可以达到亚毫秒级（<1毫秒），使其能够精确地捕捉神经元群体的动态变化。LFPs 的空间分辨率较高，能够记录到电极周围大约0.5-3毫米范围内的神经元活动，其空间分辨率取决于电极的大小和布置方式。因此，LFPs可以实时监测大脑的活动，适用于研究神经网络的动力学和功能连接性。
LFPs 信号相对于单个神经元放电（spikes）信号而言，具有较高的信噪比，能够稳定反映局部神经元群体的整体活动。然而，LFPs信号主要反映的是电极周围的神经元活动，其空间覆盖范围较小，难以捕捉到全脑范围内的活动。此外，LFPs 信号包含多个神经元群体的混合信号，具有非特异性，在解读时可能存在一定的不确定性。
LFPs 可用于研究神经元群体的同步活动，常用于研究局部神经回路功能和与脑疾病相关的电活动。LFPs已用于侵入性BCI系统中，其较高的时间分辨率和较高的空间分辨率使其能够实时解码神经活动，可控制外部设备。LFPs的信号稳定性和多频段分析为BCI提供了高效的神经信号解码手段，适用于复杂任务和控制精度较高的应用场景。文献[195-196]为LFPs在 BCI 中的应用提供了参考，讨论了其优势和应用前景。
6.14 脑信号功率谱（Power Spectrum of Brain Signals）
脑信号功率谱是指在频域中表示脑信号中各个频率成分的功率分布，通常用于分析脑电信号（EEG）、近红外光谱信号（fNIRS）、功能磁共振成像信号（fMRI）、和脑磁图信号（MEG）等。这些信号的功率谱能够反映大脑在特定频率范围内的活动情况，常用于识别和分类脑状态或精神状态，可以作为BCI系统的输入信号特征，用于提取脑活动的特定频率信息。
脑信号功率谱可通过对时间域脑信号进行频域转换（通常是通过傅里叶变换）得到，主要计算方法如下：
1）快速傅里叶变换（Fast Fourier Transform，FFT）。这是最常用的方法，通过对离散的时间信号应用快速傅里叶变换，将其转化为频域信号，然后计算每个频率分量的功率。
2）功率谱密度（Power Spectral Density，PSD）。利用FFT计算得到的频率信号，再通过归一化处理得到功率谱密度。
3）小波变换（Wavelet Transform）。这是一种时频分析方法，可以同时在时间域和频率域上进行分析，适用于非平稳信号的功率谱分析。
在BCI中，功率谱特征可以用于区分不同的脑状态，例如警觉与放松状态、运动想象等。通过功率谱分析可以识别脑信号中的特定频段（如α波、β波等），这些频段与特定的脑功能或认知状态有关。文献[287-289]中提供了有关脑信号功率的信息。
6.15 脑磁（MEG）
MEG是一种非侵入性脑成像技术，用于测量大脑神经元活动产生的微弱磁场。MEG 通过在头皮外放置超导量子干涉器（SQUIDs）或其他类型的磁场传感器，实时记录和分析大脑的磁活动，从而推测神经元的电活动。
MEG 能够检测从 0.1 Hz 到数百 Hz 的脑活动信号，涵盖从慢波活动到高频振荡的各种脑电节律。MEG的时间分辨率较高，可以达到毫秒级（约 1 毫秒），这使得 MEG 能够精确捕捉快速变化或瞬时的神经活动，适用于研究大脑的动态过程。MEG有较好的空间分辨率，一般在 2 到 3 毫米之间，虽然不如侵入性记录方法（如 ECoG 或 LFPs），但相比 EEG 有更好的定位能力，能够更准确地反映大脑活动的源头，因为磁场不受头骨和头皮的影响。文献[201-202]提供了有关MEG的信息。（统一这样标注参考文献，难以精准定位，目前chatgpt给的文献比较经典，多数为很多年前的，遗憾没有最近几年的）
MEG需要非常敏感的磁场传感器和复杂的磁场屏蔽环境，以避免环境中的磁场干扰，这导致其使用和维护成本非常高。MEG对深部脑区的活动灵敏度较低，主要用于检测皮层的神经活动。MEG在BCI中的应用主要集中于研究大脑皮层的神经活动模式并识别用户意图，因其设备成本高且操作复杂，MEG-BCI通常仅在实验室环境中使用，实际应用的推广受到一定限制[203-204][引用MEG-BCI的参考文献，英文期刊和徐浩天的综述论文——以上很多术语在涉及与BCI的关系时，几乎没有与BCI相关的文献，可以针对某个术语相关的BCI，查新Web of science，关键词是术语和BCI，题目上同时出现术语和BCI的著名英文期刊]。
仅用于学术分享，若侵权请留言，即时删侵！