脑机接口(BCI)重要内容：BCI相关术语（六）

脑–机接口（BCI）相关术语

连载(六)

昆明理工大学伏云发教授团队

【导读】为了方便脑机接口（Brain-computer interface，BCI）初学者、中级和高级研发者查阅或精准理解BCI相关术语，本章列出了BCI相关术语。第一节为前言，第2节列出了与BCI直接相关的术语，第3节列出了与BCI紧密相关的术语，后面的几节分别列出了在BCI文献中使用的若干术语，包括BCI用户相关术语、实用BCI相关术语、用于BCI的脑神经电磁信号和脑组织血氧水平记录相关术语、BCI相关脑结构与功能术语，以及BCI相关的其他术语。这种列举方式是为了整理BCI相关术语的方便，不是绝对的，也不是标准，仅供参考，目的是为了方便查询或理解BCI相关术语。

目录

左右滑动查看目录

1.1-2.15节请看 脑机接口(BCI)重要内容：BCI相关术语（一）

3.1 -3.4节请看 脑机接口(BCI)重要内容：BCI相关术语（二）

3.5-3.12节请看 脑机接口(BCI)重要内容：BCI相关术语（三）

4.1-4.5节请看 脑机接口(BCI)重要内容：BCI相关术语（四）

4.6-4.11节请看 脑机接口(BCI)重要内容：BCI相关术语（五）

第5节 实用BCI相关术语

5.1 BCI临床验证（Clinical Validation of BCI）

BCI临床验证是指通过严格的科学方法评估BCI技术在特定医疗环境下的有效性和安全性。验证阶段的目的是确定BCI系统是否在真实世界的临床设置中能够稳定、有效地提供预期的功能。

BCI临床验证方法主要包括：

1）实验设计。在多中心、随机对照试验中对BCI系统进行验证。

2）数据收集与分析。采用标准化的方法收集患者的临床数据，并通过统计学分析评估BCI系统的疗效。

3）安全性评估。监测并记录BCI系统在使用过程中的副作用和并发症。

5.2 BCI临床评估（Clinical Assessment of BCI）

BCI临床评估是指对BCI系统在临床应用中的性能进行全面评估，包括其可用性、用户接受度、功能表现和潜在的临床效益。评估阶段旨在了解BCI系统在广泛患者群体中的实际效果和适用性。

BCI临床评估的方法主要包括：

1）用户反馈。通过问卷调查和访谈方式收集患者和医生对BCI系统的使用体验。

2）长期随访。评估BCI系统在长期使用中的效果和持续性。

3）功能测试。通过临床功能测试评估BCI系统对患者生活质量和功能恢复的影响。

5.3 BCI临床推广（Clinical Deployment of BCI）

BCI临床推广是指在经过验证和评估后，将BCI系统推广应用到更广泛的医疗机构和患者群体中，以实现其在临床中的广泛使用。推广阶段包括培训医疗人员、制定标准操作流程，并持续监控系统的临床应用效果。

BCI临床推广的方法主要包括：

1）培训与教育。对医疗专业人员进行BCI系统的使用和维护培训。

2）标准化指南。制定和发布BCI系统的临床使用指南和标准操作流程。

3）持续监控与反馈。建立BCI临床使用的反馈机制，定期收集和分析数据，以便进行必要的改进和优化。

BCI临床验证是BCI临床应用的第一步，通过科学的研究方法验证其安全性和有效性，而BCI临床评估在验证的基础上，对BCI系统的实际应用效果进行更广泛的评估，BCI临床推广是在验证和评估之后，确保BCI系统在医疗实践中的大规模应用。文献[1] [36] [182]中涉及了BCI临床验证、BCI临床评估和BCI临床推广的相关信息。

5.4 BCI替代功效 (Replacement efficacy of BCI)

BCI替代功效（Replacement efficacy of BCI）是用于替代受损或缺失的神经功能的BCI系统,旨在通过直接解码用户的大脑信号来控制外部设备，从而替代失去的运动、感觉或认知功能，帮助患者恢复自主性和生活质量[36]。

BCI替代功效主要应用于重度运动障碍患者，如脑卒中、ALS（肌萎缩侧索硬化）等疾病导致的瘫痪患者[109]。通过替代有障碍的自然的神经肌肉通路，BCI系统可以让用户直接通过大脑活动控制机械臂、轮椅、计算机光标或其他设备。

5.5 BCI恢复功效(Restoration efficacy of BCI)

恢复功效的BCI(Restoration efficacy of BCI)是利用BCI技术来帮助患者恢复部分或全部丧失的神经功能或运动功能。恢复功效的BCI通常与神经康复相结合，通过重复利用特定的脑信号，促进大脑的神经可塑性，从而帮助患者重新建立或改善受损的功能。这类BCI在中风、脊髓损伤、帕金森病等疾病的康复治疗中具有重要应用，可以有效帮助患者恢复运动能力或其他神经功能。文献[9] [291-292]中提供了有关BCI恢复功效的相关信息。

5.6 BCI增强功效 (Enhancement efficacy of BCI)

BCI增强功效 (Enhancement efficacy of BCI)是利BCI技术来增强或扩展个体已有的神经或认知功能。与BCI恢复功效不同，BCI增强功效并不是为了恢复失去的功能，而是为了提升个体的正常功能，如提高记忆力、专注力或运动技能。通过与外部设备或计算系统的结合，BCI增强功效可以扩展个体能力，使其超出自然生理极限，在军事、体育、增强现实（AR）和虚拟现实（VR）等领域有潜在应用。文献[36] [293-294]中提供了有关恢复BCI增强功效的相关信息。

5.7 BCI补充功效 (Supplementary efficacy of BCI)

BCI补充功效 (Supplementary efficacy of BCI)通过BCI技术来补充部分失去的神经或认知功能，但并不完全恢复原有功能。这类BCI通常用于帮助那些有部分功能丧失但仍保留部分能力的患者，例如中风患者或轻度运动功能障碍者。BCI补充功效可以通过提供辅助控制或补充反馈来提升患者的剩余能力，使其能够更好地进行日常活动。文献[1] [9] [291]中提供了有关BCI补充功效的相关信息。

5.8 BCI改善功效 (Improvement efficacy of BCI)

BCI改善功效 (Improvement efficacy of BCI)通过BCI技术对现有的神经或认知功能进行改善或优化，使得用户能够在特定任务或日常活动中表现得更加出色。这类BCI的目标不是恢复丧失的功能或补偿部分缺失的能力，而是通过与大脑直接交互来提升健康个体的功能水平。例如，在工作效率、学习能力、运动表现等方面，通过BCI进行实时反馈和调节，用户可以获得相对较高的表现水平。文献[36] [295-296]中提供了有关BCI改善功效的相关信息。

5.9 BCI系统稳定性（Stability of BCI Systems）

控制系统的稳定性是指系统在面对外部扰动或内部变化时，能够维持或恢复到预期工作状态的能力。换句话说，一个稳定的控制系统在输入或环境条件发生变化时，不会发生无限制的振荡、失控或崩溃，而是会逐渐趋于一个平衡状态或回到原始设定的状态。

BCI系统稳定性是BCI系统在长时间运行、频繁使用或在不同环境下，能够持续提供一致和可靠的输出信号的能力。BCI系统的稳定性涉及多个方面，包括脑信号处理的稳健性、用户大脑信号的持续一致性，以及系统对外部干扰（如电磁噪声、用户疲劳等）的抗干扰能力。确保BCI系统的稳定性对于实现可靠的脑控功能至关重要。

提高BCI系统稳定性主要包括但不限于以下几个方面。

1）优化硬件设计。采用高灵敏度和低噪声的传感器，以确保采集的脑信号质量更高，更稳定。改进电极的设计和放置，以减少由于电极位置变化导致的信号波动。

2）改进脑信号处理方法。开发和应用先进的去噪算法，如自适应滤波器和独立成分分析（ICA），以减少环境噪声和伪迹的干扰。设计能够应对脑信号波动的特征提取方法，提高分类器在不同条件下的一致性 。

3）个性化模型和自适应系统。根据个体的脑信号特征，定制化训练模型，以适应用户的个体差异，减少信号的波动。引入自适应算法，能够随着时间调整系统，以应对用户状态的变化，如疲劳或注意力分散。

4）环境控制。在使用BCI系统时，控制外界环境的干扰，如减少电磁噪声和其他物理干扰，以保证脑信号的稳定性。创建一个安静、舒适的使用环境，减少用户在使用过程中的生理和心理压力。

文献[9] [163] [172] [280] [328-331]中提供了有关BCI系统稳定性的信息。

5.10 BCI系统准确性（Accuracy of BCI Systems）

控制系统的准确性是指系统在响应输入指令时，输出结果与预期目标之间的误差或偏差程度。准确性越高，系统的输出结果就越接近目标值。控制系统的准确性通常通过误差分析来评估，例如使用均方根误差（Root Mean Square Error, RMSE）或其他相关指标。

BCI系统准确性（Accuracy of BCI Systems）是BCI系统在解码用户大脑信号并将其转换为控制指令时，正确识别和执行用户意图的能力。高准确性的BCI系统意味着系统能够准确解码出用户的大脑活动模式，从而使输出信号能够正确控制外部设备，减少误操作或错误指令的发生。准确性是BCI系统性能评估中的一个关键指标，通常通过实验数据的正确分类率或误差率来衡量。

提高BCI系统准确性的主要方法包括但不限于以下几方面。

1）优化脑信号处理。通过滤波、独立成分分析（ICA）等方法减少噪声或伪迹，提高脑信号质量。

2）脑信号特征提取。提取并选择与心理任务或外部刺激相关的脑信号特征，如时域、频域和空域特征，以增强分类器的性能。

3）改进解码脑信号算法和模型。采用先进的机器学习算法（如支持向量机和随机森林等）以及深度学习模型（如卷积神经网络等）来提高脑信号分类的准确性。根据个体的脑信号特点定制模型，以适应不同用户的差异性。

4）增强数据采集。可采用多电极记录多通道的脑信号，增加信号的空间分辨率。结合其他生物信号（如肌电和眼电等）进行多模态融合，增强分类的鲁棒性和准确性。

5）用户训练和反馈机制。通过对用户进行持续训练，使其能够更有效地控制BCI系统，从而提高系统的准确性。提供实时的视觉或其他形式的反馈，帮助用户调整操作策略，提高BCI的控制精度。

文献 [36] [163] [280] [331-332]  [329-330]中提供了有关BCI系统稳定性的信息。

仅用于学术分享，若侵权请留言，即时删侵！

   加入社群   

欢迎加入脑机接口社区交流群，

探讨脑机接口领域话题，实时跟踪脑机接口前沿。

加微信群：

添加微信:RoseBCI【备注：姓名+行业/专业】。

加：

   欢迎来稿   

1.欢迎来稿。投稿咨询，请联系微信：RoseBCI

点击投稿：脑机接口社区学术新闻投稿指南

2.加入社区成为兼职创作者，请联系微信：RoseBCI

一键三连「分享」、「点赞」和「在看」

不错过每一条脑机前沿进展