淺談腦機介面(筆記)

11 min readApr 6, 2021

一、什麼是腦機介面

腦機介面(Brain-computer interface,簡稱BCI)是人或動物腦與外部裝置(例如:機器)間的橋梁。根據腦與機器間的互動可以分為單向以及雙向。單向的腦機介面，在機器與腦間傳輸訊息的過程中，無法同時傳送訊息又接收訊息，然而雙向的可以，並達到訊息間的交換。

腦機介面 (Brain-Computer Interface, BCI) 是一種腦與外部裝置間的溝通系統，整個處理過程分為以下步驟(如圖(一))，1.腦部活性(brain activity)感測裝置2.訊號特徵萃取(feature extraction)3.訊號轉譯演算(translation algorithm) 4.輸出裝置 (output device) 5.操作程序(operation protocol)。

這個系統的特點在於，它是一個不需經由周邊神經和肌肉就能讓大腦與外界溝通的系統。將量測到與認知狀態相關的腦部活性(例如:腦波)，將其解碼(透過機器學習)傳輸到外界，與裝置溝通或是執行命令控制，整個過程中不需透過周邊神經與肌肉移動

我們將上述的過程，用實體的例子更仔細地描述一下。這裡以右手做事為例。圖(二)中明顯的左腦活化程度高，所以大概可以推得是對右手做事。所以，整個流程為先比較左右腦活化程度(因為可能兩邊都有活化)，確認左腦較高，再從左腦的資訊(左腦的EEG)藉由機器學習分析這些特徵，最後推得要使用右手的這個指令，再讓機器使用右手。

腦機介面本身須具備一些條件:

安全。這是直接放在腦附近的裝置，所以不安全當然沒人會想用
要有足夠的訊息，方便控制。整個系統需要反覆的訓練，產生大量的訊息，再由機器學習相關演算法從特徵中推論行為，最後執行命令。
這個介面(interface)必須是可靠的(reliable)，同1的道理。
要是非侵入式的(non-invasive)，因為沒有人想要有感測器直接插入腦裡。但論效果的話，侵入性的當然較好量測，也比較不會有誤差等問題，但也有很多缺點，將會在底下再做說明。

二、量測

根據電極的侵入腦內程度從內到外可以分為侵入式、部分侵入式、非侵入式。而在依據測得訊號的範圍從小到大可以分為 Intracortical recordings、Electrocorticography (ECoG)、Electroencephalography (EEG)。其中ECoG和EEG雖然空間準確度不高，但電極可涵蓋整個腦，範圍比Intracortical recordings (數釐米) 大得多。

侵入式腦機介面主要藉由植入式電極進行腦皮層神經元活性(cortical neuronal activity)的電位量測。用於重建特殊感覺（例如視覺）以及癱瘓病人的運動功能。此類人機介面通常直接植入到大腦的灰質，因而所取得的神經訊號的品質比較高。但缺點是容易引發免疫反應和疤，進而導致訊號品質的衰退甚至消失。題外話，有趣的是如果將從插入腦中之電極產生訊號接到麥克風，甚至可以聽到啪啪啪一個個清晰的神經元放電聲音。

部分侵入式人機介面一般患者頭蓋骨打開把電極平放在大腦皮層 (Cortex) 上與硬腦膜下 (Subdural) 的半侵入式方法，但是位於灰質外。空間解析度雖不如侵入式人機介面，但是優於非侵入式。其另一優點是引發免疫反應和產生疤的機率較小且減少腦膜、腦組織液、頭蓋骨等介質干擾訊號。ECoG最常被應用在臨床上協助癲癇 (Epilepsy) 病患定位不規則活動的腦區以利開刀切除。

非侵入性可穿戴式的腦活性感測裝置EEG，其傳統的濕式感測電極(wet electrode)，需要導電凝膠提供其電極與頭皮組織間較佳的電訊號傳遞能力，以提高接收的腦波訊號品質，滿足研究需求。然而，大部分的一般使用者認為使用上並不方便，不舒適以及需要清理。所以為了發展符合一般使用者實際需求的感測器電極介面，乾式感測電極(dry electrode)是目前的主流發展方向之一。當然也有非接觸式的，也就是不需接觸頭部的皮膚取得腦部的活性訊號，對使用者的舒適度較高，當然有的價格昂貴，有的即時的訊號無法提供。舉例來說，常見的非接觸式腦部活性感測器，包含功能磁共振成像(fMRI)、腦磁圖(MEG)與近紅外光(NIRS)。然而，fMRI與MEG為非可攜式的大型裝置且價格與維護成本高昂，僅見於大型醫院或研究機構。NIRS量測腦部metabolic活性訊號，其時間解析度約為1秒，無法提供較即時的訊號。使得非接觸式的BCI，多用於診斷與基礎科學研究。所以如果真正想要走向大眾化還是以接觸式為主。EEG則被發現與許多認知功能(如專注程度、情緒等)與神經疾病(如自閉症、精神分裂症等)相關。EEG作為有潛力的非侵入式人機介面已得到深入研究，這主要是因為該技術良好的時間解析度、易用性、可攜式性和相對低廉的價格且不需手術。但該技術的一個問題是它對噪聲的敏感，另一個使用EEG作為人機介面的現實障礙是使用者在工作之前要進行大量的訓練。訓練方面由於人工神經網路的出現，電腦可以分擔病人的學習負擔，在底下會簡短的說明。

講了這麼多，就來舉例個非侵入式裝置的實例吧。這裡要介紹一個10-20系統，當然還有其他的，例如:10-10或是10-5，但其實概念上差不多。

1.不同的大寫英文代表不同的腦部區域

2.數字的奇數代表左邊，偶數代表右邊，英文Z代表中間的位置

3.Inion(枕外隆凸點或枕骨)與Nasion(鼻根點)形成一條直線，左右耳也可形成一條直線，兩者的焦點就是Cz

20–10system中的20-10指的是比例的部分。例如:Cz到Nasion或Inion有3部分，分別佔20%、20%、10%。

然後在依照10-20這樣方式去分配就會形成19個點(不含Nasion與Inion)，其中A之位置測不到腦波，但仍有電波，所以可以當作測腦波的參考電位。

三、訊息處理

目前腦波分析的方法，仍以數據導向 (Data-driven) 為主。尋找大腦在執行不同任務或處於不同狀態下的腦波特徵。雖然沒辦法解析腦波中全部的資訊，但只要發現一些特徵讓我們能判讀使用者的大腦狀態或意圖，就能允許使用者透過腦機介面與外界簡易的溝通。

從傳統的時域和頻域特徵出發，透過視覺刺激誘發電位 (VEP)、事件誘發電位 (ERP) 等方法，發現更多腦部活動及腦功能的腦波特徵。若能提取顯著的腦波特徵，只要將腦波訊號依特徵分類 (classification)，就能轉換為指令控制電腦或機器 (translation algorithm)。那麼只要找出每個腦功能對應的腦波特徵，要解讀人的所有意念並非難事。

但，實際實作上存在兩大問題。第一，實際取得的訊號會混雜如眨眼等肌肉電訊號 (Electromyography, EMG) 和周圍電磁波 (如手機、電腦) 干擾，且訊號往往比真正腦波大得多，補通一下，如果拍打感測器或是被感測者亂動等都會影響最後的數據，這些就是我們常說的雜訊；第二，複雜的腦活動不是靠單一特徵就能預測，許多腦功能 (尤其是高階認知功能如推理、情感等) 仍找不到指標性的特徵。

所以，該如何濾除雜訊，取得真正的腦波訊號？面對複雜未知的腦活動，我們還有什麼辦法去判讀？這兩個問題對應了科學家正努力的兩大方向：一是精進訊號處理 (signal processing) 方法，處理雜訊，萃取出高品質的腦波訊號；二是開發新的分析方法，例如機器學習 (machine learning) 的技術。這裡將對這兩個簡短說明。

1.訊號處理 (signal processing)

傳統的訊號處理方法諸如濾波器 (filter) 即能有效濾除如交流電60Hz電磁波或直流電的干擾。但肌電訊號的干擾一直是科學家的困擾，它往往會降低腦機介面判讀腦波特徵的準確率。2000年一種稱為獨立成分分析 (Independent Component Analysis) 的方法成功地解決此問題。它假設腦波是由許多獨立的腦區發出訊號混合而成，用此模型配合強大的演算法，便可解出腦波內含的獨立成分，如眨眼、眼動等肌肉電訊號皆可分離。為了提升腦機介面的效能，許多厲害的訊號處理方法相繼被開發。

2.機器學習

從大量看似無意義的腦波訊號中，判斷複雜的腦活動 (如精細的運動控制)，大幅提升腦機介面判讀的準確率。機器學習的方法如廻歸分析 (Regression)、人工神經網路 (Artificial Neural Network)、貝式模型 (Bayesian Inference Model)。

依腦波特徵分類即可轉為指令控制腦機介面。藉由訊號處理如傳統的濾波器到新開發的獨立成分分析(ICA)、連結性分性 (connectivity analysis)等方法，能從混雜的訊號中萃取出高品質腦波，提高指令正確率；而透過機器學習等新興技術，從大量腦波訊號裡準確解讀人較複雜的腦部活動，這是近年腦機介面快速發展的關鍵之一

四、應用

1.醫療復健器材

傳統腦機介面的應用以協助癱瘓或行動不便的病人為主，例如腦波電話、腦波拼字機、醫療復健器材。新的腦機介面除了讓腦控指令更多、更快之外，也加入了如肌電、眼動等生理訊號，讓判讀更加準確，例如新型腦控義肢。用腦波控制復健器材協助四肢的運動，不只能加強肌肉，更能重建或強化神經與肌肉的連結。對於腦中風壓迫到運動神經的病人的復原能有所幫助。另外，對於癱瘓的病人而言，甚至可以結合功能性電刺激 (Functional Electrical Stimulation) 的技術，將偵測到的腦波轉為各種電訊號，刺激癱瘓病人不同處的肢體肌肉，訓練後即有機會能控制原本無法移動的四肢。底下用圖簡短說明一下。

左邊為正常的(沒有BCI)人的大腦傳輸訊息的圖，右圖為BCI的傳輸。

如果有一個人頸部以下癱瘓，代表在上圖當中有某一條連線斷了，無法行動。所以可以藉由BCI替代中間的傳輸過程，傳到特定地方(手或腳等)，恢復原來的行動。

2.綜合型腦機介面

單用腦波訊號的腦機介面有正確率上的極限。現今腦機介面的發展，更趨向於綜合型 (Hybrid)，同時採用腦波 (EEG)、肌肉電訊號 (EMG)、眼動訊號 (Eye-tracking)，加上動作感應 (如攝影機、加速儀) 等各種訊號，以求更準確的判讀使用者意念。例如:將整合的資訊應用在偵測帕金森氏症患者的異常腦波特徵並將開發輔助型義肢協助患者行動。

3.遠程控制另一個人(補充)

這聽起來非常酷且不大可能，但有科學家確實地將兩隻老鼠控制彼此。所以解釋未來將如何人遠程控制人。

上面的人可以利用腦袋控制底下的人的行為。藉由偵測Sender的EEG，判斷出他想要甚麼行為(例如:打鍵盤)，再對Receiver下指令。而Receiver會收到從Sender來的刺激(藉由頭上的刺激器當作接收的媒介)，誘發其大腦的周便神經，最後就會讓Receiver做出Sender想要的行為。

4.大眾化的腦機介面

許多科學團隊和新創公司也致力於將腦機介面大眾化，除了新穎的腦控虛擬實境遊戲，也讓所有人能打造自己專屬的腦機介面。例如:九個歐盟國家共同合作的Assistive Technology Rapid Integration & Construction Set (AsTeRICS) 計劃，開發了一套模組式 (module) 的腦機介面，讓使用者能夠用簡單的圖形介面軟體和各種訊號量測硬體 (如腦波帽、眼動偵測) 組合出自己專屬的綜合型腦機介面，極富趣味與教育意義。