自鼠标发明以来已经过去了半个世纪，这仍然是人与计算机交互的主要方式之一。 我参加了HSE认知神经科学研究所的一次会议 ，以了解BCI领域的最新发展，这是遥不可及的，因此非常有趣。
我将会议报告修改为一篇有关相关故事的文章。 我简化并省略了一些时间，并补充了我对其他事件的观察和报告。 阅读后，希望您对BCI的方法和该领域的当前状态有共同的了解。 对于原始解释，最好参考原始文章，幸运的是，几乎所有内容都属于公共领域。
故事
BCI的历史始于1973年，《 Toward直接脑机通信》 [1]出版，雅克·维达尔（Jacques Vidal）提出了人机通信的思想，并描述了为此目的进行脑电信号分析的实验室。 十年后，Wolpaw专注于使用BCI帮助瘫痪者，并描述了BCI的概念[2]：
BCI的主要实现方式使孤立症患者可以输入文本。 使用该系统非常困难，因为用户必须接受长时间的培训[3]，相比之下，存在基于P300识别的“拼写检查者”-一种在用户做出选择时出现的组件，从而降低了对用户的要求[4] 。
在90年代，这个话题变得越来越多，尤其是随着机器学习技术的出现[5]。 随着BCI可靠性的提高，人们对将其应用程序扩展到新领域感兴趣。
Thorsten Zander提出了以下BCI分类[6]：
- 活动的BCI-用户无条件启动命令
- 响应式BCI-用户启动命令以响应系统风险
- 被动BCI-用户未给出命令，但系统读取并分析了其状态
另外，值得考虑一下脑刺激的问题，尽管这个主题与BCI没有直接关系，但它是扩展BCI控制能力的相关技术。
BCI也可以通过接收信号的方法进行分类：
脑电图是最常见的接收信号的方法，因此，除非另有说明，否则我默认是指它。
活跃的BCI
篮子范式
这是通过激活假想运动进行控制的可能性的象征。 事实是，运动皮层紧凑地位于头部的中央，因此可以很好地分类身体不同部位的假想运动并用于构建BCI。 为了使用这种BCI，用户需要在脑海中想象他如何在身体的不同部位进行运动。
为了促进实验，科学家正在开发自己的框架，例如BCILAB 。 在他的帮助下，进行了一项实验，以证明怀疑论者利用想象的动作进行控制的能力。 结果是80％-在一个人有其他通常选择的情况下，结果是一般的，但是值得称赞，尤其是对于没有准备的受访者而言[7]。
使用相同的方法来控制飞机模拟器的地平线。 结果好坏参半，对于3位受访者，他们设法获得94％的结果，另外4位获得64％的结果，而另外3位获得不到60％的结果。 成功的原因在于，三位一体的第一位飞行员以与掌舵相同的方式飞行。 其余的飞行员没有充分关注内部状态并进行肌肉运动，这对控制产生了负面影响。
康复系统
能够识别运动命令的BCI已被很好地研究，并且已经用于康复中风患者：恢复控制瘫痪肢体所需的断开连接。 帕维尔·鲍勃罗夫（Pavel Bobrov）展示了用于恢复手部运动功能的康复综合体的临床试验结果，证明了使用的有效性。 此外，对于在一个月后和中风后六个月开始康复的患者来说，康复时间越早，效果越好。 [11]
g.tec Gunter Edlinger的负责人谈到了康复专用体育馆的工作，有趣的一点是，康复过程中增加了四肢的电刺激，如果在上面使用了电动机械装置，则会进行电刺激，从而降低了综合设施的成本。
如果在此过程中添加游戏和竞赛元素，则参与度会更高，这意味着患者将更好地进行康复。 在HSE生物电接口中心，在Alexei Osadchy的领导下，开发了原型以改善康复过程。 视频演示了一个供两个人使用的原型系统，他们控制船只，执行虚构的电机命令，试图使船只向其方向倾斜：
单人游戏：
或者，例如，使用紧凑的电极阵列通过肌肉活动识别笔迹的算法，可以使您重建所写内容：[12]
他们工作的顶峰是ExoAtlet项目中的BCI工作，该项目使残疾人能够独立移动或将其用于康复。
侵入性BCI是一个更为复杂的主题，并且目前正在对出于医学原因而安装了电极的动物或人进行实验。 重点介绍了一系列研究，这些研究表明，不仅可以确定各个组成部分（意味着相同的虚构动作），而且可以在彼此之间共享动作，注意力和注视方向。 可提供萨马拉会议类似报告的录音 。
反应性BCI
被动式BCI的经典示例是基于P300效果的“ speller”，这是响应于所显示的激励的选择而出现的“波浪”，但是在“ speller”中，这样的激励是以某种方式是字母或命令的编码字符。 用户必须在心理上与系统显示的刺激互动-计算所选角色的闪烁次数。
更不用说Neurochat项目，该项目使残疾人可以交流：
被动BCI
被动BCI的基本思想是对一个人的状态进行评估，例如，对认知负荷（工作负荷）的评估，可以将其应用于训练系统中，为此进行了研究以解决该问题。
分类器接受了以下任务的培训：
- 对于高负载，受访者从3-4位数字中减去1-2位数字，不包括带有几十个数字的简单选项。
- 为了减轻负担，他们要求受访者专注于愉快的记忆。
该算法的准确性为70％。 分类器已经在其他任务（乘法，加注游戏）上进行了测试，并获得了相似的准确性，从而证实了分类器可以独立于人和任务的事实。 [13]
这个想法可以应用于外科手术中控制外科医生[14]。 解决了在模拟器上执行各种复杂程度的操作期间确定外科医生负担的任务。 该系统已学会确定外科医生如何高精度地执行手术。
另一种选择是测量松弛程度。 根据访客对互动装置的状态， 沉默博物馆（Museum of Silence）创作出生动的图片，反映出其内在状态。 [15]
被动BCI也可以用于控制任务，这是一种相当原始的方法，它使一个人不能直接控制光标，而不能直接控制光标，而是有权判断光标是否沿着正确的路径移动到目标。 实验是在小的4x4和6x6点矩阵上进行的。 首先，对系统进行点的任意运动训练，该人的任务是确定点是否沿正确的方向运动，然后我们在实时模式下对其进行测试，发现结果接近最佳路径。 [16]您可以观看演示 。
Midas触摸问题和E-BCI接口
借助凝视控制光标是一项简单的任务，可以借助眼动仪（又名视频眼动仪）解决。 但是这些界面中存在一些问题，例如，不自主的眼球运动和选择问题，顺便说一句，它在象征意义上被称为麦达斯（Mryas）（弗里吉亚国王）的触摸问题，任何触摸都会使该物品变成金色。 被动BCI的使用解决了这些问题。
使用活动眼动仪进行控制时，使用主动BCI进行选择的方法已为人所知，但其速度并没有不同。 一项使用NASA TLX量表对不同选择方法进行评分的受访者的研究表明，BCI选项在时间上并不比选择对象的长固定选项更快，但BCI导致的挫败感较小[10]。
Torsten Zander团队的进一步工作表明，有可能以90％的准确度区分有意识地固定在物体上和无意识[17]。 在实验中，使用了“赔率”范式-被调查者浏览了一系列包含他想选择的图形以及分散注意力的图形的图形。
Sergey Shishkin谈到了上述方法的改进[8]。 他们解决方案的一个重要优点是将选择速率降低到300ms – 500ms，这需要非常快速的分类；为此，使用了EEGNet [9]。
注意机制-这是一个单独的主题，可以扩展BCI的范围并创建多动症患者的康复系统， Mehdi Ordikhani在其Tedtalk中谈到了基本概念
刺激性
实验的伦理学问题对于神经科学来说是非常紧迫的，动物首当其冲地超越了国界。 如果我们想在大脑深处的特定区域工作，该怎么办？ 现在这仅适用于植入的电极。 但是，例如，在自然界中，有一些对磁场敏感的生物，密歇根大学的Galit Pelled小组从鱼类中分离出该基因，将其引入大鼠，并学会了通过磁场的作用来控制其行为[18]。 因此，可以对所需区域产生靶向作用，例如停止癫痫发作。
Mikhail Lebedev对恒河猴的侵入性界面进行了一系列研究：建立了脑-计算机-大脑界面，通过控制虚拟肢体可以接收触觉反馈。 您可以更详细地看到“ 大脑与计算机之间的接口 ”讲座的摘录。
深度学习王国
除了“深度学习”算法允许实现已经很高的“机器学习”精度外，还可以注意到人们正在研究“逆问题”。 根据快速的EEG和MEG数据，您可以尝试恢复大脑中神经元的实际激活，例如通过fMRI方法显示，但时间分辨率非常低。 一个人只能为乐观而高兴，并相信这项工作的即将成功。
基于EEG或MEG的BCI的另一个问题是，用户之间相同组件在大脑不同区域的活动结果有所不同，您必须学习每个用户和任务的神经网络，这会使系统工作复杂化并使其成本更高。 但是，“学习传递”可能会发生变化，当神经网络使用来自不同用户/不同任务中的数据并在线重新训练时，可以跳过校准步骤。 [19]
硬体
最后，我们到了腺体！
这里重要的是要讲两点，一方面，用于BCI的设备相当笨重，其中的人引起了人们的注意，在其中一项性能微型电极的演示中，使人在任何情况下都不会脱颖而出。 [20]
不幸的是，无法插入较大的照片，但是您可以浏览Google照片 。
尽管尺寸很小，但安装这些电极并不方便；您必须将每个电极粘在一起。 为了加速，请使用各种设备：
- 脑电图帽上标有电极孔
- 电极设计基本固定的各种设计的箍和头盔，只有OpenBCI与Ultracortex脱颖而出，可以根据任务重新布置电极。
相对较新的想法是CeeGrid电极阵列，用于安装在耳朵区域，既不可见又易于安装，但最大的缺点是有限的使用，尽管有工作表明，将此选项用于ERP BCI是现实的[21] 。
第二个问题是需要用于高质量信号的导电胶，这里显示出差异是可以接受的，使用干电极是合理的[22]，但这完全取决于头发的数量。 例如，最近佛罗里达研究仪器（Florida Research Instruments）开始销售细长的干电极（在下图的左下方），该电极与原始版本有所不同，其销的圆度更大，并且如您所知，对用户的负面感觉也较小。 借助材料或弹簧的帮助，当电极本身的销钉配有缓冲垫时，更高级的选择是（在下图中，它们位于中间和右侧）。
结论
BCI在群众中的传播将不会很快，容易；了解脑部疾病的可能性现在非常有限，但是在这一领域的进展不容忽视。 最主要的是，存在一种正确的趋势，即通过订阅减少设备成本/提供设备的成本以及针对发烧友的项目的出现。
我个人很高兴，在推广的Emotive，MUSE，OpenBCI中，俄罗斯项目开始出现。 在最近在圣彼得堡举行的Neuroforum上进行了演示：
可用设备的扩展使接口区域吸引了研究和实验。 入门门槛很低，您总是可以找到合适的任务，并且可以一直改进算法，获得新的知识和技能。 我希望你。
所以我看了BCI领域，让我们看看明年会有什么有趣的事情。
UPD更正了EBCI接口的描述，错误地将它们分配给了活动的BCI，这是不正确的