BCI脑机接口9：BCI的未来展望与方向

13、BCI的展望：

a、神经生理现象研究：

基于运动想象模式的脑机接口是目前BCI研究中的热点，因为它有明确的神经生理现象作为基础，如ERD/ERS和MRPs等。BCI系统使用的神经生理现象都是基于实验观察得到的，故进一步的神经生理研究将有助于新的BCI范式的提出和新的模式产生。此外，在一些BCI实验中(如ERD/ERS)，有一定比例的使用者被称为“BCI盲”，他们没有明显的ERD/ERS现象。“BCI盲”的产生是由于大脑结构的差异还是别的原因，目前还没有相关的结论。

b、特征提取和模式分类的融合：

在特征提取方法中，除了目前得到较多研究的降维方法如PCA、ICA、局部线性投影和CSP外，还可以发展基于核和基于流形的非线性降维方法，如在流形学习中，非线性主要强调的是局部性，而运动想象的特征分布不仅在空间位置上具有局部性，而且在时间过程和频率域上也有局部性(差异主要集中在µ节律和β节 律)的特点。因此，可以考虑应用流形学习的思想并结合先验信息，挖掘这些局部信息，并和全局信息进行联合，可望得到更好的结果。
特征的联合是特征提取的另一个方向，两个相互独立或者相关性不大的特征联合往往可以得到更好的结果。特征之间的互补如表征空间能量分布的带通能量信息和表征空间同步情况的相位信息一起就可以提供更为完整的信息，以实现更好的分类。
另外，如何将特征提取和分类同步进行，以在这两个本来相互独立的过程中进行信息的交换、反馈，从而达到最佳的效果，也是未来发展的方向。

c、半监督学习的应用：

BCI中的大多数分类方法是有监督的学习方法，在未来发展中，如何能有效地提取蕴含在大量无标签数据中的有用信息，以提高系统的性能和减小使用者的训练时间是一个重要的发展方向。
半监督方法是在有监督训练的基础上对分类器的一个局部更新过程，在实时系统的搭建中，不同的使用者个体差异很大；同时，由于EEG的不平稳性，即使是同样的任务、使用者，信号会随着年龄、心情、动机、情绪、疲劳、环境情况、使用时段、使用策略等的不同而不同，因此，基于半监督学习的自适应调整应该是值得研究的一个重要方向。

d、实时在线系统的搭建：

BCI要真正实现应用的价值，实时系统的搭建是必需的环节。要实现实际可用的BCI系统，不仅对用于BCI的EEG信号处理算法有要求，而且对实验的设计模式(如有无反馈、反馈的形式等)、人机交互形式等都有更高的要求。特别是在BCI反馈学习的研究中，任务执行中是否需要反馈和以何种方式反馈还有一定的争议。如何让大脑和计算机这两个智能系统互影响、相互依赖，朝着更加和谐的方向发展等都是BCI研究中需要深入探讨的问题。
此外，发展脑机交互的实时系统，异步模式是必需的，而从同步到异步的过渡还有很多的问题，怎样确认空闲态，如何在空闲态上识别有用的信号，如何自动判别非控制信号，排除自然情况下的外界干扰等，都是待解决的重要问题。

e、多模态BCI研究：

为了进一步增强人机交互系统的性能，扩大BCI在复杂的现实环境中的可靠性和稳定性，可以考虑触觉、EEG、EMG、眼动等多模式的联合，以实现多模态的高速高稳定的控制。
多种感觉信号的参与将有助于更好地判断使用者的真正意图，但也牵涉到了多类数据的同时记录、高 速处理、信息融合、模型设计、相互干扰控制、综合系统的复杂度增加等问题需要进一步深入研究。
此外，在在线系统的反馈研究中，也可以尝试用多模态的反馈形式(视觉、听觉、触觉等)，并探讨相关的功能意义和实现的途径。