 本文探讨了一种全新的脑机接口(BCI)的可行性，它可能带来新的技术、实验和临床应用。BCI是一种基于计算机的系统，它可以使活体大脑和外部机器之间进行单向或双向的通信。BCI读出大脑信号并将其转换成由机器执行的任务命令。在闭环中，机器可以用适当的信号刺激大脑。 近年来，已有研究表明，在可见（或者接近可见）光谱和近红外光谱范围内或附近的神经元会发出超微弱的光。这种超微弱光子发射(ultraweak photon emission，UPE)反映了细胞(和身体)的氧化状态，越来越多的证据表明UPE可能在神经元功能中发挥信息作用。事实上，一些实验指出了神经活动、氧化反应、脑电图活动、脑血流量、脑能量代谢和谷氨酸释放与 UPE 强度之间存在直接关联。 因此，由多个研究单位的研究人员联合提出了一种使用UPE的新型颅骨植入BCI。研究人员认为，安装在颅骨内表面的集成光子芯片可以实现从 UPE 信号中提取相关特征的新形式。目前，光子技术正逐渐超越电气技术，因此，光子芯片在小型化、高速、低热效应、大集成能力等方面可能优于电子芯片，从而实现高产量、批量生产和低价格。事实上，研究者正在做一些非常重大的猜想，这些猜想需要实验验证，因此他们讨论了有争议的部分，技术的可行性和局限性，以及这种设想的技术如果在未来成功实施可能产生的影响。 图1 [图1]探测器芯片可以安装在颅骨的内表面，而无需接触脑组织，即非侵入性。头部闭合颅骨的环境足够黑暗，因此该环境适合安装芯片检测UPE。靠近大脑表面的UPE强度更强，可以被颅骨上的芯片捕捉到。 图2 上图2为研究人员提出的BCI方案。在BCI方案中，将光学芯片植入颅骨的内表面。少数 UPE 光子会干扰光子芯片，结果被检测为探测器处随时间变化的不同单光子分布。该结果通过无线信号从芯片的检测器部分传送到接收器（例如智能手机或电脑）。 图3 图 3. a) 四种不同光子计数 hni 平均值的泊松分布。b)演示10个光子平均数下不同热模式数下的热场光电计数分布。c)热场光电计数分布(hni类似)对于大量模式M接近泊松分布 图4 图4。带N '输入和N '输出的片上光学干涉仪。输出模式可以通过机器学习技术进行特征提取。对于每项认知任务或决策，在针对特定任务进行多次训练后，预计会形成类似的模式(平均而言)。平均模式的特征可以通过深度学习方法，或者通过软件上的卷积神经网络(CNN)来识别。 图5 图 5. 在安装在计算机、机器或智能手机上的软件上，由 CMOS 阵列组成的芯片通过卷积神经网络 (CNN) 对检测到的 UPE 进行特征提取和模式识别，顶部) 不使用光学干涉仪直接进行UPE检测，底部) 在干涉仪后进行UPE检测。光学干涉仪的存在是为了区分UPE波长，因为相似光子(在波长上)的干涉与非相似光子形成不同的模式。这种干涉仪的优点之一是对相似波长进行简单的“光谱测量”。 然而，一组波长可能会同时形成不同的模式并掩盖干涉模式，这可能不会比直接检测更具优势，但是可以使用模式识别技术对这些组合模式进行分类，例如主成分分析 (PCA)，它可以在重叠的模式中找到不同模式之间的差异，并在经过多组训练数据后针对相关波长对每个模式进行分类。利用CMOS阵列直接检测UPE和光学干涉仪间接检测UPE都可用于UPE数据采集。 图6 上图演示了一个典型的片上UPE探测器可以由连接到集成光子电路的光纤阵列构成，该集成光子电路具有由CMOS光电传感器阵列组成的输出门。 图7 上图为光学干涉仪中各种MZI调制器单元的示意图。光在波导和调制器中的不良衰减取决于芯片平台的材料以及确定弯曲和散射损耗的调制器的尺寸和结构。 论文信息 Vahid Salari, Serafim Rodrigues, Erhan Saglamyurek and Daniel Oblak. Are Brain-Computer Interfaces Feasible withIntegrated Photonic Chips? |
|
|
