分享

单电极信息传输率达20比特/分钟,清华团队开发出无线微创脑机接口,计划年底开展小规模临床试验

 生辉 2022-07-13 发布于甘肃


作为未来人机交互的一种全新途径,脑机接口的研究一直非常热门。

马斯克的脑机接口公司 Neuralink 曾经展示过植入脑机接口的猕猴可以用大脑控制光标在屏幕上移动;浙江大学对瘫痪患者实施国内首例“脑机接口”手术,通过植入的脑机接口可以操控一只机械臂进行握手、拿饮料、吃油条等动作;约翰·霍普金斯大学对瘫痪患者双边植入脑机接口,实现控制两只机械臂使用餐刀餐叉实现自主进食……从动物到人体,从单边到双边,脑机接口技术正在以肉眼可见的速度蓬勃发展。 

就现阶段而言,侵入式脑机接口技术占据主流,其获取的脑电信号更加保真,应用范围也更加广泛,然而,它需要进行开颅植入,对人体创伤较大且可能会带来副作用,这成为目前限制脑机接口技术进步的桎梏。 

(来源:NeuroImage

近日,清华大学医学院生物医学工程系洪波课题组等联合团队,开发出一种更为小型化的侵入式脑机接口方案,采用 3 个颅内电极实现通过微创植入脑机接口进行文字输入,速度达到每分钟 12 个字符,为今后实现以最小创伤植入脑机接口帮助瘫痪患者恢复外界沟通能力提供了理论和实践基础。目前,这项研究已经以“Intracranial brain-computer interface spelling using localized visual motion response”(使用局部视觉运动反应的颅内脑机接口拼写)为题发表在 NeuroImage 上。 

“研究脑机接口的初衷,是为了帮助重度瘫痪的残疾人。脑机接口可以帮助重度残疾患者恢复对外交流的能力,另外,脑机接口也是未来人机交互的全新途径。”清华大学医学院生物医学工程系洪波教授告诉生辉。

洪波本硕博均就读于清华大学生物医学工程系。博士毕业之后,他于 2004 年进入美国约翰·霍普金斯大学医学院进行博士后研究工作。2005 年,洪波回国加入清华大学医学院生物医学工程系,任研究员、博士生导师,现在他还兼任清华大学人工智能研究院副院长、清华 IDG 麦戈文脑研究院研究员。

图|清华大学医学院生物医学工程系研究员洪波(来源:受访者)

截至目前,他在 Nature Neuroscience、Nature Communications、PNAS、Journal of Neuroscience、NeuroImage 等期刊发表论文 70 余篇。洪波教授课题组的研究领域涵盖脑机接口、脑网络动态解析、人脑语言神经机制等,其中,微创脑机接口是近几年的主要研究方向。

“每个电极等效信息传输率达 20 比特/分钟”

“我们的脑机接口基于人脑视觉背侧通路上负责视觉运动功能的脑区,然而,人脑视觉运动脑区在空间位置上存在个体差异,并且由于神经可塑性以及长期病理改变,患者之间的个体化差异则会更大。”洪波说道,“所以这项研究的第一个难点,是如何能够在手术前精确定位患者的视觉运动功能区。”他指出。 

图|灵长类动物大脑视觉通路模型(来源:Neuroscience

据介绍,这个问题的突破点在于大脑的任何功能都有同样的生理基础,即神经元的协同发放活动,而神经元的活跃需要大量的血氧供应。“基于此,我们利用功能磁共振这种测量血氧活动的方法来定位个体化的大脑视觉运动相关区域。洪波说道。

具体而言,他们采用一个由运动光栅构成的功能磁共振(fMRI)定位范式,结合磁共振大脑结构像,在手术前定位出试验者的个体化视觉运动区(V5/MT)。手术后,通过与 CT 扫描数据配准,最终定位出具有最强磁共振功能响应的电极位点。 

“我们课题组与解放军总医院功能神经外科团队开展合作,通过手术前的功能磁共振影像精准定位视觉运动的目标脑区。最终,我们仅仅使用了 3 个具有最优功能磁共振响应的电极位点,结果证明,功能磁共振个体化定位的电极位点要显著好于依赖解剖结构定位的电极位点。”他补充说。 

图|功能磁共振精准定位患者的视觉运动区以及最优电极位点(来源:NeuroImage

除此之外,“如何高效准确地分析与识别注意力相关的视觉运动脑电信号,也是这项研究中的技术难点。”论文第一作者、清华大学生物医学工程系博士生刘定坤表示,“对此,我们采用了空间差分的信号增强算法和自适应的贝叶斯决策算法,有效提升了脑机接口的信息传输率。” 

据介绍,去年美国斯坦福大学脑机接口团队基于运动脑区的神经信号实现了手写字符的高速识别,该团队使用了 192 个微针硅电极,每个电极的等效信息传输率约为 2 比特/分钟。 

“在这项研究中,我们采用 3 个颅内电极便实现了微创植入脑机接口打字,速度达到了每分钟 12 个字符,每个电极的等效信息传输率达到 20 比特/分钟。”洪波表示。 

“无线微创脑机接口设备预计年底进入临床”

脑机接口主要分为侵入式和非侵入式。相较于非侵入式,植入电极的侵入式脑机接口拥有更高的通信带宽,然而,开颅手术造成较大创伤以及各种可能出现的副作用是限制这项技术广泛应用于临床的障碍。“脑机接口技术应用与临床的难点,在于如何解决侵入性造成的创伤和信号质量之间的平衡问题。洪波表示,“换句话说,就是设计一种脑机接口方案,来尽可能地降低手术风险,以及术后的感染和排异风险,同时又能保证采集到有效的、高质量的脑电信号。”

本项研究,洪波课题组采用的是线状的 SEEG 电极。“虽然我们基于 SEEG 的微创脑机接口方案使用的电极数量已经很少了,但仍然还需要穿过硬脑膜,这会对大脑内环境造成破坏。”洪波表示,“所以,我们团队又提出了一种新型微创植入的脑机接口方案。信号方面,体内机部分嵌入在颅骨中,用于采集和处理脑电信号,而电极可以延伸植入到大脑中的各个脑区;供能方面,无需配备电池,体内机与体外机耦合供电,实现脑电信号读取和刺激信号写入的双向脑机接口无线通讯。”他补充说。 

图|无线微创脑机接口系统“NEO”(来源:受访者)

据介绍,与美国 BrainGate 以及 Neuralink 脑机接口方案不同,洪波课题组开发的这种脑机接口方案采用全无线传输的设计,不会对脑内环境造成破坏,避免了感染的风险,在侵入性和信号质量之间实现了很好的平衡。“目前,我们与博睿康科技合作开发的无线微创脑机接口 NEO 系统设备已经完成定型和送检,预计在今年年底将会开展小规模的临床试验。”他表示。 

对于产业化,洪波坦言,“将研究成果转化成医疗产品,是脑科学研究造福患者和社会的重要途径。关于脑电采集以及脑机接口技术的研究转化,截至目前,已经诞生了两家创业公司,都是由实验室毕业的博士生创立的。” 

据介绍,一家是刚刚提到的博睿康科技,该公司成立于 2011 年,目前已经能够生产高精度的脑电硬件设备,颅内脑电通道数达 1024 导,可以用于临床、科研等广泛的应用场景。“我们实验室正在与博睿康的工程力量积极合作开发新一代的全无线硬膜外微创脑机接口,计划年底推进临床,这是我国微创植入脑机接口的自主创新和大胆尝试。”洪波说道。 

另一家是成立于 2019 年的灵犀云医学科技,“这家公司主要开发脑疾病相关脑电的人工智能筛查与诊断算法,包括癫痫、抑郁、老年痴呆等,并把这些人工智能算法部署到缺少医生的基层医院,已经在山东、河北、湖北等地医院神经科得到应用。”洪波介绍到。 

“脑机接口的长期植入安全性还有待验证”

脑机接口作为未来极具潜力的人机交互技术,全球各国均投入了大量精力竞相研发。据介绍,目前脑机接口的研究进展主要集中在两个方面:

其一,神经界面的硬件技术。“也就是如何长期稳定地读取大脑活动信息,同时,不会对人体造成任何损伤以及出现排异反应等,所以,这就需要在生物材料和免疫机制方面有所突破。” 

据介绍,目前,用于记录单个神经细胞活动的、可长期植入的电极基本都是由总部位于犹他州盐湖城的 Blackrock Neurotech 公司开发制造的。该电极是一种硅材质的微电极阵列,通过植入到大脑皮层内来记录神经元群体发放的活动。其最为常见的应用,是植入到感觉运动皮层,解码人体肢体的运动控制信号,甚至能够解码精细的手写输入。此外,这种微电极阵列也能植入到感觉皮层上,实现感觉的反馈。现阶段,国内中科院纳米中心、中科院上海微系统所、中科院半导体所等团队都在攻关此类植入微电极。

这类微电极用于植入式脑机接口的优势是能够记录到单细胞尺度的活动,但它需要通过开颅手术植入到大脑神经组织的内部,电极在大脑中可能会引起神经炎症反应,长期使用下也可能导致电极失效,而且其长期安全性还需要进一步验证。 

比如,去年美国斯坦福大学研究团队的试验在业界引起了不小的轰动,他们对一位瘫痪患者的大脑植入了脑机接口,瘫痪患者可以通过脑机接口实现手写输入,速度达到了每分钟 90 个英文字母。 

▲图|犹他微电极植入脑机接口实现手写输入(来源:Nature

除此之外,基于高密度皮层脑电 ECoG 实现的脑机接口系统,可以用于失语症病人解读意识和通讯交流。然而,这种电极的问题在于,需要进行创伤较大的开颅手术,同时高密度的 ECoG 电极覆盖在皮层上,还会对大脑造成不小的压力,其长期植入安全性也有待验证。

其二,神经解码的软件技术。“如何精准地解析大脑内的神经信息,也需要进行突破。就现阶段而言,无论是语言还是运动相关信息的解码都只是迈出了一小步,解码准确率和解码深度远未达到实用水平。洪波指出

据介绍,神经解码算法方面的最新进展主要来自于对神经机制的深入研究和深度学习方法的应用。“例如,基于循环神经网络,加州大学旧金山分校 Edward Chang 课题组于 2019 年实现了基于颅内微电极采集得到的神经电活动进行的语音合成,由病人颅内脑电翻译合成的语音达到了人类听众能够有效识别的水平。”他表示。 

▲图|高密度皮层脑电 ECoG 解码语音的深度学习方法(编译自 Nature

借助癫痫病人手术的机会,Edward Chang 课题组对人脑语音处理的系统已经进行了近十年的研究,“他们详细探索了大脑对于声音的编码机制和大脑对于发声器官的控制规律,这些研究为如今的语音解码工作奠定了坚实的科学基础。”洪波介绍道。

参考资料:
1.https:///10.1016/j.neuroimage.2022.119363
2.https://www.med.
3.http://neuro.med./




    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多