重磅文章 | BCI信号采集综述：医学与工程的交叉视角
重磅文章 | BCI信号采集综述：医学与工程的交叉视角
脑机接口（BCI）技术旨在促进个体与外部设备之间的通信。BCI系统的有效性依赖于信号采集方法的进步。近期，高小榕团队通过回顾过去十年的研究文献，对BCI信号采集技术进行全面的综述。文中详细描述了九种不同的技术类别，并讨论了它们面临的主要挑战。相关研究成果发表于2025年1月在《Fundamental Research》期刊。
脑机接口
1924年，Hans Berger首次使用粘土电极记录脑电图（EEG），开启了科学监测脑部活动的先河。1973年，Jacques Vidal提出脑机接口（BCI）概念。1999年，BCI被定义为“无需依赖大脑正常输出通路的通信系统”；2012年进一步定义为“新的非肌肉通道”；2021年BCI定义扩展为“任何大脑与外部设备直接互动的系统”。
BCI系统通常主要包括四个部分：信号采集、信号处理、输出和反馈。信号采集模块是BCI系统的核心，负责记录大脑的电活动。处理模块则分析这些信号解码用户意图。输出模块通过机器人手臂或拼写器等方式执行用户意图，而反馈模块通过视觉、听觉等方式向用户提供系统的解读和执行结果，以支持闭环反馈设计。
Fig1. 典型 BCI 的系统结构。
BCI信号采集技术的分类
传统上，BCI被分为非侵入性和侵入性两类，但近年来学者提出了更细化的分类方法。例如，2020年He et al. 等基于电极侵入程度将其分为非侵入性、侵入性和半侵入性三类；2021年Eric等人则根据传感器位置及侵入程度分为非侵入性、嵌入式和颅内类。但技术的进步已超越传统分类框架，亟需扩展并增强新的分类方法。为此，该综述提出一种BCI信号采集技术二维概述，重点关注外科应用。综述详细分析了现有和新兴技术的优势、局限性、挑战以及应用前景。
BCI信号采集技术的二维视角
BCI系统的发展需要临床医生和工程师的跨学科合作。临床医生专注于手术设计以减少创伤，而工程师则致力于优化传感器性能。然而，目前双方合作存在不足。临床医生对BCI技术的复杂性理解有限，而工程师缺乏神经科学和临床实践的指导。此综述通过涵盖手术和感知两个方面来建立一个全面的分类模型。
外科维度：手术侵入性
BCI信号采集技术根据手术侵入性分为非侵入性、微创和侵入性三类。非侵入性方法无解剖创伤，微创方法造成可见创伤但不影响脑组织，侵入性方法则对脑组织造成微米级或更大创伤。随着侵入性增加，手术风险、伦理问题和医学条件需求也相应上升。非侵入性方法通常无需持续临床监督，微创方法需神经学专家参与，侵入性方法则需神经外科医生直接参与。评估BCI技术时需要权衡这些因素。
Fig2. 生物识别信号采集技术的分类
检测维度：传感器的操作位置
基于传感器位置，BCI的检测维度分为非植入、介入和植入三类。非植入技术通过身体表面传感器采集信号（如EEG），介入技术利用自然腔体（如血管）操作，植入技术则将传感器植入组织内。介入和植入技术可能涉及不同的生物兼容性风险和伦理问题等。
检测维度与信号的关系
植入技术可捕捉高频信号（如LFP和尖峰信号），适合精确控制任务；介入技术主要获取LFP信号；非植入技术仅能获取低频信号（如EEG），适合大规模神经活动监测。尖峰信号、LFP和EEG之间存在尺度效应，并不是简单的叠加。BCI系统可分为局部脑机接口（L-BCI）和全局脑机接口（G-BCI）：L-BCI依赖局部精确信号检测，适合精准控制但可能无法反映复杂认知；G-BCI捕捉大范围神经活动，适合情感计算等任务，但在精确定位运动控制区域时表现有限。
Fig3. 获取信号的检测维度示意图
基于手术-检测二维视角的BCI信号采集技术全景图
基于手术维度和检测维度，此综述构建了一个九类（3×3矩阵）的BCI信号采集技术全景图。通过文献分析，发现非侵入非植入技术占主导地位（85.87%），而非侵入介入、微创非植入和微创介入技术仍处于早期阶段（分别占0.13%、0.02%和0.06%）。微创植入技术（4.84%）和侵入植入技术（9.08%）主要用于临床和动物实验。未来，非侵入非植入技术的部署复杂度预计降低，其他技术比例将显著增长。
非侵入性非植入技术
非侵入性非植入技术主要包括电磁信号（EEG、MEG）和血流信号（fNIRS、fTCD、fMRI）。
EEG因低成本和易用性被广泛应用，且具有优秀的时间分辨率。然而，EEG信号易受组织及生物电干扰影响。多数EEG设备采用湿电极，但目前也在探索使用干电极。MEG与EEG相似，具备较高的时间分辨率并且通道数量更多。MEG设备通常依赖SQUID技术，需要强大的磁屏蔽和液氮冷却，导致成本较高。最近，光学泵浦磁力计（OPM）有望解决一些设备问题。EEG和MEG信号互补，可结合使用，但均为大量神经元协同活动的模糊结果，主要表现为低频信号。
fNIRS是通过近红外光检测血液中的氧气变化，具有较高的空间分辨率，但近红外光在颅骨中的传导效率较低。fTCD是通过超声多普勒成像获取较高的成像速率，但其需要耦合剂，便利性低。fMRI具有极高的空间分辨率，但存在较大的延迟，以及fMRI的时间分辨率仍不及其他技术。
最小侵入性非植入技术
最小侵入性非植入技术通过微创手术改善EEG信号采集，解决传统非植入技术受颅骨电导率低等因素影响的问题。研究者提出最小侵入性局部颅骨电生理改造技术（MILEM），利用超声振动在颅骨上打小孔，优化头皮电场分布，这可以显著提高信噪比的同时，保持高时间分辨率。
非侵入性干预技术
非侵入性干预技术在BCI研究中的应用主要分为血管类和耳道类两种方法。血管类通过纳米探针远程获取信号，但信号质量尚需检验，且缺乏体内实验报告。耳道类通过耳道记录EEG，类似耳塞设备，信号特征与10-20导联系统中的T7和T8导联相似，但在选择地面和参考导联时存在挑战，且放置位置可能影响便捷性和信号质量。
微创干预技术
微创技术能获取更精确的神经生理信号，典型的例子是Stentrode。Stentrode通过微创手术将支架电极阵列插入脑静脉系统，从血管内部署传感器，减轻免疫反应。实验已确认该方法的安全性和生物相容性，且电极能够记录226 Hz带宽的信号，主要捕捉局部场电位（LFPs）。然而，该技术也有局限性，如手术复杂性、并发症风险（如颅内出血、血栓形成）以及成本高等。
微创植入技术
微创植入技术在BCI研究中包括声学信号技术和电信号技术两大类。声学信号技术：如聚焦超声成像（FUS），通过超声信号传输和植入传感器分析大脑信号。FUS提供高分辨率和高灵敏度的信号，主要用于检测血液流动，在运动解码研究中具有较大应用潜力。该技术仍在开发中，应用和局限性需要进一步研究。
电信号技术包括皮下脑电图（sqEEG）和皮层脑电图（ECoG）。sqEEG为长时间佩戴的小型皮下植入物，适用于癫痫检测，且在运动伪影抑制方面具有优势，在BCI研究中具有潜力。ECoG具有较高空间分辨率和带宽，较少受到EMG和EOG干扰，适用于解码语音和动作，尽管植入手术风险较高，限制了其在非治疗性用途中的接受度。ECoG在BCI中依然占据重要地位，尤其在语音和动作解码方面具有巨大潜力。
侵入式植入技术
侵入式植入技术在BCI研究中因其优越的空间分辨率和信号带宽广泛应用。其技术分为皮层信号类和深度信号类两类。皮层信号类目前包括Neuralink，Neural Dust，MEA（如犹他阵列和密歇根探针）。Neuralink在2019年开发了一种高带宽脑机接口平台，该平台主要包括高密度电极和自动化手术机器人，可以实现高质量信号和减少创伤，但尚无完整的技术评估报告。Neural Dust是一种微型传感器集群，通过超声波监控和刺激神经活动，能无线传输数据，但目前仅在外周神经上试验。MEA广泛应用于运动、视觉、语言解码。但spike信号在植入后不久因针损失和免疫反应导致频带减小而减弱。近期研究人员在柔性MEA领域取得了显著进展。
深度信号类包括sEEG，Neuropixels和完全植入式BCI。sEEG的带宽和分辨率高于标准EEG，用于癫痫定位和语言、运动解码。Neuropixels是一种硅基数字神经探针，能够记录细胞级信号，广泛应用于体内实验和人体实验，但长期记录存在挑战。完全植入式BCI减少电缆和外部设备暴露，常用于闭环BCI系统，但存在脆弱性和组织干扰等问题，限制了其长期植入的应用。
Fig4. 手术检测二维全景：BCI 信号采集技术
潜在可行的技术
非侵入式植入技术：组织穿透纳米机器人
纳米机器人研究受到自然界中纳米级机械结构（如细菌鞭毛）的启发。在医学领域，纳米机器人具备手术操作、药物递送、成像与分析功能。具备组织穿透能力的纳米机器人可以利用磁性钻孔和声波微炮技术进入血流无法触及的组织。2019年，研究人员成功展示了通过外部磁场引导，利用磁性钻孔将纳米机器人引入大鼠大脑的可行性。该技术有望应用于非侵入式BCI，通过将纳米机器人注入血液，并通过外部磁场引导它们穿透大脑皮层，再通过超声波或近红外光传输神经活动信息。
微创植入技术：体内组装接口
一种创新的最小侵入性植入策略是利用生物自身机制，在体内直接组装电极材料，从而降低手术创伤。体内3D生物打印便是这一策略的典型应用，其中含电极成分的生物相容性墨水在注射后，通过近红外光照射形成预设结构。2023年，Sha等人提出了使用纳米片胶体的喷射注射器方法，能够将电极材料精确送至特定神经目标区域，以构建电导性且可生物降解的接口。同时，Strakosas等人开发了无固体基底的软性导电材料原位合成方法，通过注射复杂前体体系，推动体内合成电子器件与神经系统的深度融合。然而，这些技术目前仅能在体内构建电极接口，而信号传输与处理组件仍依赖传统植入手术。
Fig5. 每个类别的代表性技术。
侵入性非植入技术：活自体神经装置
利用自体活细胞作为构建可植入电子装置的基础底物，被认为是规避免疫和炎症反应的良好途径。2017年，Serruya等人开创性地开发了自体活细胞神经接口，采用神经元集群建立微柱结构。值得注意的是，该接口被包裹在可生物降解的水凝胶中，其在体内能自然降解。同样，2021年，Prox等人设计了一种深脑刺激（DBS）装置，其中自体神经细胞和心肌细胞被封装在琼脂凝胶外壳中。这一创新使得能够利用自体细胞直接从目标脑区传递信号到外部，从而避免了传感器植入的需要。尽管使用了自体细胞，但人体仍会对来自不同部位的细胞产生免疫反应，因而细胞类型需谨慎选择。
侵入性干预技术：脑室系统的套管植入
将套管植入脑室用于治疗或手术的研究已广泛开展。此外，研究表明，从脑室系统采集的电信号可用于BCI研究。在套管植入手术中，可通过电极将脑室活动信号直接传输至外部记录设备。然而，该方法可能因脑脊液渗透压变化导致脑组织损伤。尽管存在风险，该技术仍具有潜在优势，其能获取独特信号，拓展更多应用场景并呈现不同的信号特性。
脑机接口信号采集技术的未来发展方向
非侵入式非植入技术：迈向消费电子领域
BCI技术在消费电子领域具有广泛应用潜力，涵盖教育、游戏和通信等多个方面。尽管非侵入式非植入技术信号质量不如植入式技术，但因其社会接受度高、成本低和技术成熟，仍旧是理想的选择。该技术在医疗、安全监测、教育和娱乐等领域取得突破。
Fig6. 生物识别（BCI）技术未来发展前瞻图。
复杂场景下的个体设备控制与信号源挑战
BCI技术不仅在残疾人群体中有应用，对健康个体同样适用。尽管获取可靠BCI信号在现实中仍具挑战性，但研究正朝着开发微创干预方法前进。同时研究也在探索更小型、柔软的植入设备以减少大脑免疫反应。随着BCI技术的扩展，隐私和伦理问题日益突出，亟需制定相关法规以防止滥用。
植入式 BCI 在医学康复中的突破
BCI信号采集设备在肌萎缩侧索硬化症（ALS）患者中的应用已得到认可，它为患者提供了高精度信号和低手术风险的治疗方案。该技术在运动康复和疾病干预方面取得了进展，并且随着神经解码算法和设备生物相容性的提升，有望帮助ALS患者控制外部设备。未来，BCI技术可能扩展到治疗癫痫、帕金森病和精神疾病等，实现实时监测和精确刺激干预。
人工智能BCI信号获取中的应用
人工智能的融合显著提高了BCI系统的性能。AI在处理复杂神经信号方面的效率，推动了高级模式识别和解码技术的发展。例如AI提高了BCI系统解析用户意图的精度和速度，在医学影像数据分析中帮助优化电极位置，提升信号捕获准确性并降低手术风险等。此外，AI还指导电极的设计与制造，通过预测性仿真提高了人机接口的耐用性和可持续性。
结论
此综述深入分析了BCI技术面临的挑战，特别强调了信号获取的重要性。信号获取作为BCI系统的核心，需平衡侵入性、分辨率、保真度、成本、可用性和安全性。研究提出了一种创新的分类框架——“手术-检测二维全景图”，系统地整理了信号获取方法。评估指出，该框架为理解BCI信号获取技术的优劣及适用性提供了现代化概述，推动了学术界讨论和跨学科合作，为BCI技术进步奠定了基础。