科学家们喜欢寻找他们的科学的第一次提及。 例如，我看过一篇文章，其中有一篇文章被严重提及，关于电刺激大脑的第一个实验是在古罗马进行的，当时有人被电鳗震惊。 通常，电生理史的一种或多种通常是根据路易吉·加尔瓦尼（Luigi Galvani）（十八世纪）的实验计算得出的。 在本系列文章中，我们将尝试讲述一小部分科学知识，这些知识在过去300年中关于人脑的电活动，以及从这一切中可以获取什么利润。
脑电活动来自哪里？
大脑由神经元和神经胶质组成。 神经元表现出电活动，神经胶质细胞也可以这样做，但是以不同的方式[ 1 ]，[ 2 ]，今天我们将不再关注它。
神经元的电活动包括在细胞与环境之间泵送钠，钾和氯离子。 在神经元之间，使用化学介体传递信号。 当一个神经元分泌的介体进入另一神经元的合适受体时，它可以打开化学活化的离子通道，并让少量离子进入细胞。 结果，电池会稍微改变其电荷。 如果有足够的离子进入电池（例如，一个信号同时到达多个突触），则取决于电压（有更多）的其他离子通道将打开，并且根据“全有或全无”原理在几毫秒内激活该电池，然后返回到先前的条件。 此过程称为动作电位。
我该如何注册
记录单个细胞活动的最好方法是将电极插入皮质。 它可以是一根电线 ，也可以是具有几十个通道的矩阵 ，可以是具有数百个针脚的引脚 ，也可以是具有数千个针脚的柔性板（像这样，对您来说， 面罩 ）。
对于动物，这已经做了很长时间了。 有时，出于健康原因（癫痫病，帕金森氏病，完全瘫痪），需要对一个人进行治疗。 植入物的患者能够以思想的力量打印文本，控制骨骼，甚至可以控制工业机械手的所有自由度。
看起来令人印象深刻，但是在不久的将来，这种方法不会在每个地区的诊所中出现，尤其是对健康人而言。 首先，它非常昂贵-每个患者的手术费用以数十万美元衡量。 其次，将电极植入皮质仍然是一项严重的神经外科手术，具有所有可能的并发症和对植入物周围神经组织的损害。 第三，该技术本身并不完善-尚不清楚如何处理植入物的组织相容性，以及如何防止其对神经胶质的污染，因此，随着时间的推移，所需信号将不再被记录。 此外，教每位患者如何使用植入物需要每天进行一年以上的培训。
您不能将电线深深地刺入树皮，而要轻轻地放在树皮上-这样会得到皮层电图。 此处不再能够记录单个神经元的信号，但是您可以看到很小区域的活动（一般规则是，距离神经元越远，该方法的空间分辨率越差）。 侵入性级别较低，但是您仍然需要打开颅骨，因此该方法主要用于操作期间的监视。
您甚至可以将电线甚至不放在皮质上，而可以放在硬脑膜（位于大脑和真实头骨之间的薄头骨）上。 在这里，浸润性和可能的并发症水平甚至更低，但是信号质量仍然很高。 这将导致硬膜外脑电图。 该方法对每个人都有好处，但是这里仍然需要进行操作。
最后，用于研究大脑电活动的微创方法是脑电图，即使用位于头部表面的电极进行记录。 该方法是最普遍，相对便宜的（高端设备的成本不超过几万美元，大多数便宜几倍，消耗品几乎免费），并且具有非侵入性方法的最高时间分辨率-您可以研究感知过程，这需要几毫秒的时间。 缺点-低空间分辨率和嘈杂信号，但是，其中包含用于某些医学和神经接口目的的足够信息。
在具有动作电位的图片中，可以看到曲线有两个主要部分-实际上是动作电位（大峰值）和突触电位（在大峰值之前幅度的小变化）。 假设我们在头部表面上所记录的是各个神经元动作电位的总和是合乎逻辑的。 但是，实际上，一切都以相反的方式起作用-动作电位大约需要1毫秒，尽管幅度很高，但它不会穿过头骨和软组织，但是由于持续时间较长，突触电位被很好地汇总并记录在头骨表面上。 通过侵入性和非侵入性方法的同时记录已证明了这一点。 同样重要的是，并非每个神经元的活动都可以使用EEG记录（ 此处有更多详细信息）。
重要的是，大脑中大约有860亿个神经细胞（如何以这种精确度来计算，请参见此处 ），并且在这种噪声中无法计数一个神经元的活动。 但是，仍然可以提取一些信息。 想象一下，您正站在足球场的中心。 虽然粉丝们只是在吵闹并互相交谈，但是您会听到一阵稳定的嗡嗡声，但是当场上只有一小部分开始吟诵时，就已经可以清楚地听到它的声音了。 以与神经元相同的方式-在头骨表面上，只有当大量神经元立即显示出同步活动时，您才能看到有意义的信号。 对于非侵入性脑电图，这大约是5万个同步工作的神经元。
1924年，一个相当有趣的人第一次意识到了测量人的头顶张力的想法。 第一条EEG记录如下：
很难理解该信号的含义，但是立即可以看出它看起来不像白噪声-高振幅振荡和不同频率的主轴很明显。 这种Alpha节律是肉眼可以看到的最明显的脑节律。
当然，现在，不是用肉眼来分析脑电图节律，而是通过数学方法来分析，最简单的是频谱法。
脑电图的傅立叶条纹光谱（ 来源 ）
总体上，通常会分析几个区域的EEG的节奏活动，其中最受欢迎的是：
8-14 Hz- Alpha节奏。 主要表现在枕骨部位。 闭眼时增加很多，精神压力也可以抑制，放松时可以增加。 当唤醒在皮质和丘脑之间循环时，就会产生这种节奏。 丘脑是一种路由器，可以决定如何将传入信息重定向到皮质。 当一个人闭上眼睛时，他无事可做，他开始产生背景活动，这会在皮质中引起阿尔法节律。 另外，默认模式网络也起着重要作用-在安静的清醒过程中处于活动状态的结构网络，但这是另一篇文章的主题。
容易混淆的一种Alpha节奏是mu节奏。 它具有类似的特征，但记录在运动皮层所在的头部中央区域。 一个重要的特征是，当一个人移动四肢甚至思考如何做时，它的力量都会降低。
14-30 Hz- Beta节奏。 在大脑的额叶更明显。 随着精神压力增加。
30+ Hz-伽玛节奏。 它可能在大脑内部某处，但是可以从表面记录的大部分来自肌肉。 我们发现如下 ：
为了记录有肌肉和无肌肉的脑电图，有必要从头部去除肌肉活动。 不幸的是，没有一种简单的方法可以使头部的肌肉失去功能，而又不断开整个身体的连接。 我们请一位科学家（没有其他人会同意这样的事情），用一种肌肉松弛剂泵吸它，结果所有肌肉都断开了。 问题是，如果您关闭所有的肌肉，包括diaphragm肌和肋间肌，他将无法呼吸。 解决方法-将其放在呼吸机上。 问题在于他甚至没有肌肉甚至无法说话。 解决方案-我们在他的手臂上放了一个止血带，以使肌肉松弛剂不会掉到那里，然后他可以用这只手臂发出信号。 问题是，如果您拧紧实验，手会掉下来。 解决方案-当科学家停止感觉到他的手时，我们将停止实验，并希望一切顺利。 结果-在EEG频谱中，在肌肉松弛剂的背景下，超过20 Hz的份额减少了10-200倍，频率越高，下降幅度越大。
1-4 Hz- Delta节奏。 在此阶段表示，突然睡眠（最深的睡眠）也随着压力而增加。
除了有节奏的活动，脑电图中还有一种让人联想到的东西。 如果我们确定在什么时候向人们展示一种动机（可以是图片，声音，触觉甚至气味 ），我们就能看到对这种特定刺激的反应。 相对于背景脑电图，这种响应的信噪比相当低，但是，如果我们显示例如10倍的刺激，相对于呈现时刻和平均时间削减脑电图，我们可以获得非常详细的曲线，称为诱发电位（不要与电位混淆）动作）。
这是诱发声音的潜力。 我们将把细节留给心理生理学家-在这里，我们足以理解每个极端都意味着某些东西。 通过足够的平均，从听神经（I）开始到结缔皮层（P2）结束，结构的响应将可见。
她能做什么
您可以做很多事情，但是今天我们将专注于神经计算机接口。 这些是实时EEG分析系统，可将命令发送到计算机或机器人，而无需借助肌肉-这是现代科学可以提供的最接近远程运动的功能。
我想到的最明显的事情是在节奏活动上建立接口。 我们还记得一个人紧张时阿尔法节奏很小，而一个人放松时阿尔法节奏很多吗？ 好好放松 我们编写脑电图，进行傅立叶变换，当窗口中10赫兹附近的功率变得高于某个阈值时，打开灯泡-这是由思想力所控制的计算机。 相同的原理可以使您控制其他节奏。 由于其简单性和对设备的要求，因此出现了许多遵循该原理的玩具-Neurosky ， Emotiv ，成千上万个。 原则上，如果您努力尝试，一个人可以学会达到正确的状态，并将其正确分类。 消费类设备的问题在于它们通常不会写入非常高质量的信号，并且它们无法从眼睛和面部肌肉运动中减去伪像。 结果，就有了一个真正的机会来学习如何控制肌肉和眼睛，而不是大脑。（潜意识起作用了，因此您尝试不这样做的次数越多，结果越糟）。 此外，节奏中的信噪比非常低，并且界面缓慢且不准确（如果您可以正确地猜出状态的准确度超过70％，这已经是一个成就）。 是的，温和地说，除了放松和集中之外，国家的科学基础是不稳定的。 但是，通过适当的实现，该方法可能会得到应用。
节奏界面的重要子集是动作的表示。 在这里，邀请该人员不要想象抽象的放松，而是代表右手的动作。 如果操作正确（并且很难学习正确的演示文稿），则可以检测到左半球的mu节律下降。 这些接口的精度也旋转了70％左右，但是它们在模拟器中用于从中风和受伤中恢复 ，包括使用各种外骨骼，因此仍然需要它们。
EEG神经接口的另一类是基于各种诱发活动的使用。 这些接口非常可靠，成功组合的情况接近100％。
神经接口的最流行形式包括P300的潜力。 当一个人试图从许多不必要的刺激中挑选出自己需要的刺激时，就会出现这种情况。
例如，如果在这里我们尝试计算字母“ A”亮起多少次，但同时又不关注其他所有字母，那么针对此刺激，平均时，我们会看到一条红线，而平均所有其他人时，会看到一条蓝线。 用肉眼可以明显看出它们之间的区别，训练区分它们的分类器并不困难。
这样的界面通常不是很漂亮，也不是很快（打印单个字母大约需要10秒钟），但是对于完全瘫痪的患者可能很有用。
另外，IMC-P300中有一个认知成分-仅看一个字母是不够的，您需要积极注意它。 在某些条件下，这允许使用此技术制作非常有趣的 游戏 （但这是另一篇文章的主题）。
由于P300具有认知潜力，因此对他来说并不是很重要，事实上，向他人展示的内容主要是他可以对此做出反应。 结果，即使字母在某一点彼此替换，该界面也将起作用-这对于不能移动眼睛的患者很有用。
还有其他有趣的诱发电位，尤其是SSVEP（ZVPUS）-稳定状态的电位。 如果您在通信领域寻找类比，那么P300就像对讲机一样-来自不同刺激的信号被时间分开，而SSVEP是经典的FDMA-被载波频率分开，就像GSM通信一样。
有必要向人们展示几种以不同频率闪烁的刺激。 选择刺激时，仔细观察就足够了，几秒钟后，其频率就会神奇地出现在视觉皮层中，可以通过相关或频谱方法将其从中取出。 这比阅读P300的字母更快，更容易，但是很难长时间观察这种闪烁。
在有FDMA的地方，有CDMA的地方：
灰色是二进制序列，颜色是由它在所有通道中引起的活动，图是EEG中电位的分布。 可以看到，头后部的最大值在视觉区域
可能不通过频率和相位而是通过正交二进制序列来调节刺激的闪烁， 正交二进制序列同样会出现在视觉皮层中，并使用相关分析进行分类。 这可以帮助稍微优化分类器训练并加速界面-一个字母可以花费不到2秒的时间。 由于成功选择了颜色，尽管完全消除了闪烁，但您可以使界面少一点vyrviglaznym。 不幸的是，这里的认知成分并没有那么明显-跟踪眼睛的运动可以得到可比的结果，但是在技术上更简单，更便宜，更方便。
当我谈论这些或其他类型的接口如何工作时，我必须不断以信噪比进行操作。 确实，尽管背景阿尔法节奏很容易具有20的振幅，但诱发电位的振幅却低至约5微伏。这种微弱的信号似乎很难分类，但是实际上，如果正确进行实验并很好记录脑电图。 现在，大多数学术研究都集中在发明新的分类器领域，包括使用神经网络，但是使用scikit-learn的最简单的线性分类器已经可以达到相当不错的水平。 例如， 此处是具有P300和代码的良好数据集。
神经计算机接口-一项不断发展的技术，看起来像魔术，特别是对于没有准备的人。 然而，实际上，这是一种存在许多明显困难的方法。 与任何技术一样，这里的秘诀是要考虑所有限制，并找到其应用范围内这些限制不会干扰工作。