貼片“膏藥”就能意念操控輪椅：腦機接口無需植入，準確率超90%_風聞

栗子 魚羊 發自 凹非寺

量子位 報道 | 公眾號 QbitAI

你想象的腦機接口，是不是要帶個帽子，上面有很多洞洞，把腦袋搞成一個蜂窩？

△ 我司一璞小姐姐

不不不，現在不用了。

只要在脖子後面貼一張薄薄的軟軟的“膏藥”，再套一條時尚的髮帶，不用植入任何設備**，也不用注射奇怪的試劑**，就能用意念來控制機器了。

比如，腦電波操控輪椅：

△ 來自老番茄

啊不對，是這個：

△ 已加速

前進，後退，左轉，右轉。

系統能讀懂人的心，經過6個人類親身測試，接收每個指令的準確率，都超過了90%。

這樣，高位截癱的人類，動動腦子就可以出去玩了。

這是佐治亞理工學院的Woon-Hong Yeo教授，帶領團隊成員，借用深度學習開發出的新型腦機接口，登上了Nature的機器智能子刊。

它不止能支配輪椅，還能幫助小機器人靈活走位：

△ 已加速它很薄，但很有深度

佐治亞理工學院的這套可穿戴腦機接口，顯然比傳統設備輕便許多，只有一條髮帶，和一貼“膏藥”。

他們為其取名SKINTRONICS。

這一套新設備，其實是新型納米膜電極，柔性電子設備和深度學習算法結合的產物。

在硬件上，主要有三個組成部分。

首先，是高度靈活的，安裝在頭髮上的電極。電極可以通過頭髮與頭皮直接接觸。

傳統的“濕”電極與導電凝膠耦合，以充分捕獲信號，需要花費大量的時間來設置並進行定期維護。此外，水基凝膠還會隨着時間的流逝而蒸發，導致皮膚電極接觸阻抗衰減。

相比之下，SKINTRONICS採用的乾電極，性能更為優秀。

當施加輕微的向下壓力時，幹發電極的導電撓性彈性體支腿會輕微張開，與頭皮更好地接觸。

其次，是超薄納米膜電極。

這一塊皮膚狀電極具有網眼結構，採用氣溶膠噴射印刷，可以拉伸。這樣的設計能減少運動偽影，並增強皮膚與電極之間的接觸阻抗。

整個系統實際採用了三個彈性頭皮電極，用髮帶固定。而皮膚狀印刷電極則被放置在耳後，通過柔性薄膜電纜連接到SKINTRONICS系統中。

最後，就是那塊“膏藥”——柔性無線電子設備。

通過微細加工技術，材料轉移印刷和軟硬件部件集成的一套組合拳，多通道柔性電子系統被封裝在柔軟的彈性膜中。

柔軟到即使彎折180°，也不會對設備產生不利影響。

這一塊柔性電路集成了藍牙模塊，大腦記錄的腦電圖數據會在其中進行處理，然後通過藍牙傳輸到電腦上，有效範圍為15米。

不過，光靠傳感器是不夠的。

橫在面前的還有兩個難題：

一是，SSVEP信號比較低，在幾十微伏的範圍，和身體裏的電噪音很接近。所以，這樣的信號不容易分析。

二是，人類的大腦有個體差異，每個人發出的信號都會有所不同，容易影響系統對用户指令的理解。

如果理解有偏差，就沒辦法按照人類的想法，來操控輪椅了。

所以，研究人員想到了深度學習。

一隻CNN要學會根據腦電信號，準確分析出人類的指令。

而人類發出指令的方式，是做出某個動作：閉眼、看上面、看下面、看左邊、看右邊。不同的動作，有不同的腦電信號：

△ 已加速

AI按照頻率 (Hz) 的不同，把信號分成了5類，對應的指令是：

一是無動作，二是往前走，三是逆時針，四是順時針，五是往後退。

訓練好的CNN，學到了一套權重，對分類更有幫助的參數，可以拎出來。

因為，它們代表了那些電極所在的點位，發出的信號更加有用。畢竟，不同位置收穫的信號質量並不一樣。

淘汰一部分獲取信號不給力的電極，可以有效減少傳感器的數量。只保留位置最佳的電極，也有助於AI理解人類的意圖。

研究人員説，AI不需要提前瞭解特定的信號種類，深度學習在傳統方法很難分解出特徵的情況下，就派上了用場。

離線訓練完成之後，團隊在6個人類身上進行了輪椅控制測試。

結果，AI對4種指令的判斷，準確率都在90%以上：

成功了。

不過，就像開頭提到的那樣，這一套指令不止能拿來控制輪椅。

小機器人的走位，也可以靠它支配：

△ 已加速

就連播放課件的時候，也用得上：

△ 已加速

大概，也能拿來打遊戲吧。

當然，這項研究的價值，還不止於此。

助力病理研究

經典的EEG（腦電圖）系統必須覆蓋大部分頭皮才能獲得信號，在應用當中，無疑給使用者帶來了身體和心理上的雙重壓力。

而這樣小型、可穿戴式的腦機接口設備，將改變這一現狀，為運動障礙人士帶來更多的便利。

論文的通訊作者Woon-Hong Yeo介紹説，下一步研究，將集中在完全彈性的，無線自粘式電極的研究上。這樣的電極可以直接安裝在有頭髮的頭皮上，無需再借髮帶之力。

並且，他們會進一步將電子器件小型化，以集成更多電極。這樣，SKINTRONICS系統將能用來檢測運動障礙者的運動誘發電位或運動心像（Motor Imagination），服務於未來的治療應用研究。

注：運動心像，是人在心理上模擬/排練某種動作的過程，可用作精神康復。

在另一位論文作者Audrey Duarte的一項睡眠研究中，就已經用上了這套簡單的EEG監測系統，來監測人們在自己家中睡覺時的神經活動。

使用以往的設備，這類研究只能在實驗室中進行，還會讓受試者感到相當不舒服。

或許，阿爾茲海默症等複雜病症的神經病理學研究，也將從此處獲得新的突破。

研究團隊

論文的通訊作者，是佐治亞理工學院機械工程學院和生物醫學工程系的助理教授Woon-Hong Yeo。

Woon-Hong Yeo本科畢業於韓國仁荷大學，2011年在華盛頓大學拿到博士學位，17年成為佐治亞理工學院的助理教授。

一作Musa Mahmood是Woon-Hong Yeo的弟子，從弗吉尼亞聯邦大學（VCU）一路追隨Yeo來到佐治亞理工學院，目前在Yeo的課題組讀博。

研究團隊還包括Yeo課題組的Yun-Soung Kim，Saswat Mishra和Robert Herbert，以及佐治亞理工學院心理學學院副教授Audrey Duarte，肯特大學的Deogratias Mzurikwao，和威奇托州立大學的Yongkuk Lee。

傳送門

論文地址：https://www.nature.com/articles/s42256-019-0091-7