脑电图与脑机接口核心概念及区别

脑电图（EEG）和脑机接口（BCI）是神经科学与工程学交叉领域的两项关键技术，二者密切相关但功能和应用场景不同。以下是它们的核心概念、关联及区别：

1. 脑电图（EEG）

定义

EEG是一种通过头皮电极记录大脑神经元群电活动的无创技术，反映大脑皮层的电位变化，时间分辨率高（毫秒级），但空间分辨率较低。

特点

• 信号类型：主要捕捉低频（0.1–100 Hz）的神经振荡，如α波（8–13 Hz）、β波（14–30 Hz）等。

• 应用：

  • 临床：癫痫诊断、睡眠研究、脑损伤评估。

  • 科研：认知神经科学、情绪研究。

• 局限性：信号易受肌肉活动、眼动等干扰，且无法精准定位深层脑区活动。

2. 脑机接口（BCI）

定义

BCI是一种直接在大脑与外部设备（如计算机、假肢）之间建立通信路径的系统，不依赖外周神经或肌肉。EEG是BCI最常用的信号输入方式之一。

分类

• 侵入式（如皮层电极）：信号质量高，但需手术植入，风险大。

• 非侵入式（如EEG、fNIRS）：安全便捷，但信号噪声大。

• 部分侵入式（如ECoG）：平衡信号质量与安全性。

EEG-BCI的典型应用

• 医疗康复：帮助瘫痪患者控制轮椅或机械臂（如基于P300或运动想象范式）。

• 游戏与VR：通过注意力或放松程度控制虚拟角色。

• 增强认知：神经反馈训练改善注意力或情绪调节。

3. EEG与BCI的关系

• EEG是BCI的信号源之一：BCI可通过EEG、fMRI、MEG等多种技术实现，但EEG因便携性和低成本成为主流选择。

• 信号解码是关键：BCI需通过机器学习（如SVM、深度学习）实时解析EEG中的特定模式（如事件相关电位ERP或频段功率变化）。

• 挑战：EEG信号噪声大，用户需训练以提高信噪比；BCI系统需个性化校准。

4. 前沿进展

• 混合BCI：结合EEG与其他信号（如眼动、肌电）提升稳定性。

• 深度学习：CNN、Transformer模型改善EEG信号解码效率。

• 便携化：干电极EEG和无线设备推动消费级BCI（如头戴式游戏控制器）。

总结

• EEG是工具，用于记录脑电活动；BCI是系统，利用EEG等信号实现脑控交互。

• 非侵入式EEG-BCI虽受限但潜力巨大，尤其在医疗与娱乐领域；侵入式BCI精度更高，但适用人群有限。

随着算法和硬件的发展，EEG-BCI可能在未来成为人机交互的重要方式，如帮助残障人士恢复运动功能或实现“意念控制”智能设备。