侵入性

侵入性技术需要通过手术在人脑植入用来记录脑活动的电极。侵入性脑机交互可以使用植入大脑的皮层内多电极阵列，或者从暴露在外的大脑皮层上直接收集皮层脑电描记图（electrocorticography，EGoG）。

非侵入性

非侵入性脑机交互一般使用从头皮上收集的脑电信号（EEG）。脑电和皮层脑电都是测量脑内神经元放电产生的电压波动。

侵入性的皮层脑电比非侵入性的脑电要有更高的空间分辨率（毫米级的）及信噪比。其中，皮层内多电极阵列是上述三种技术中侵入性最高的。这些电极会记录两种信号：（1）单个神经元的放电信号；（2）电极周围区域的神经活动电流

在实现人脑皮层内记录前（例如，使用电极阵列记录单个神经元的活动），进步的技术已经提供了“概念验证”以证实在现实世界制造功能性脑机交互系统的理论可行性。事实上，在过去十年里，啮齿类动物、非人灵长类动物和人类参与第一阶段临床试验的神经控制假肢装置已经呈现出令人印象深刻的演示。这一进展将在未来5 – 10年大大加快，并将使一系列不同的神经系统疾病在临床上得到可行的解决方案。

这些技术提供了互补的优势。不同技术之间需要进行必要的组合，以实现最终的目标，即做到能使病人毫不费力地执行日常生活任务的脑机交互水平。此外，我们需要将实用的脑机交互工具与智能交互设计和设备相结合，以方便用户长时间使用，并减少认知负荷。这样，建造脑机交互的出发点就从“这个系统能制造出来吗”变为“我们如何建造一个可靠、精确、强大，并且能在临床上使用的脑机交互系统”。要解决这一问题，需要先考虑以下关键挑战：

01

需要设计一个可以长久操作、持续一生的物理操作交互界面。最新的硬件形式包括脑电（EEG）干电极以及生理兼容的、可植入多个脑区的神经交互接口，例如皮层脑电描记图（ECoG）等。然而以上各种硬件形式所需的一项重要特质是——无线传输和低电能消耗。更重要的是，新的硬件形式需要新的软件支撑。理论上，持续地使用一个脑机交互会对大脑回路产生可塑性改变。这会导致用户产生某项心理意图的神经信号编码模式发生相应变化。因此，脑机交互系统，尤其是其解码算法，需要进行相应升级。作为解码脑信号的一种高级数学算法，机器学习技术需要在用户操作脑控装置时，以透明的方式去追踪信号模式的变化。这种用户和脑机交互系统间的双适应是具有非凡意义的。

02

第二项挑战是在系统中解码、整合对意志作用很关键的用户的认知状态信息。这包括用户能够意识到设备出错，对关键决策点的预期，注意力偏移和疲劳等。这些对减少认知负荷和促进长期操作都很关键。想要实现可以自然而轻松的操作的复杂假肢装置，认知信息必须和所“读取”的从连续到离散的不同运动（比如，取物，或发起运动）相结合。

03

第三个主要挑战是提供逼真的感官反馈传达人工触觉和本体信息，如对假肢装置位置和运动的感知。这种感官信息对假肢装置的控制很重要，可以使用户通过假肢装置感受到环境状态。这种感官反馈可以通过其他感觉代替，也可以通过刺激身体来恢复因残疾等丢失的感觉。现有的技术主要是通过电刺激大脑感觉皮层来获取感知。而新的光遗传技术（如利用光线来“开、关”脑神经元）使更多刺激种类的运用成为可能。

总而言之，作为神经科学的一种研究工具，脑机交互技术很有开发潜力。它为研究者提供了可以直接控制脑与感知觉、行为之间因果关系的机会。因此，这项技术可以为关于行为和知觉的神经生物学方向提供新的研究视角。

来源：互联网