孫勁男 張山根 高小榕

(清華大學(xué)醫(yī)學(xué)院生物醫(yī)學(xué)工程系，北京 100084)

引言

腦機接口和神經(jīng)調(diào)控是未來實現(xiàn)腦機交互缺一不可的兩個重要組成部分，近來關(guān)于神經(jīng)信號的解讀取得了不少突破性的進展，而神經(jīng)調(diào)控方面依然有很大的研究潛力。

在腦電圖(electroencephalogram, EEG)中可以觀察到各個頻段的振蕩，而這些振蕩一直都是EEG研究的熱點。隨著研究的深入，各個節(jié)律對人的作用和影響也逐漸被發(fā)現(xiàn)。神經(jīng)振蕩最早是由Hans Berger在1929年發(fā)現(xiàn)的[1]，但是其確切的生理功能至今仍然有待研究。神經(jīng)振蕩的作用可能包括特征綁定、信息傳遞以及節(jié)律運動輸出等，但到目前為止，仍然缺乏實驗證據(jù)來說明神經(jīng)振蕩的確切功能，因此還無法對神經(jīng)振蕩的作用做出一個完善的解釋。神經(jīng)科學(xué)對這一神經(jīng)現(xiàn)象的研究重點在于確定神經(jīng)振蕩源頭以及神經(jīng)振蕩的功能，以便更進一步地調(diào)控振蕩的某些特性，從而實現(xiàn)腦功能上目的性的改變。

在神經(jīng)振蕩中，最為人所熟知的宏觀神經(jīng)振蕩活動就是alpha波振蕩。Alpha波振蕩的起源被認(rèn)為和丘腦皮質(zhì)結(jié)構(gòu)有關(guān)[2-7]，越來越多關(guān)于alpha波振蕩功能的研究指出alpha波振蕩作為一種人腦的主要振蕩起著“抑制”的作用[6]。當(dāng)然，alpha波振蕩在信息傳遞處理中也起著重要的作用，更有研究表明，alpha波振蕩的中心頻率與完成任務(wù)的能力和認(rèn)知狀態(tài)有著密切關(guān)系[3]。鑒于alpha波振蕩具有抑制任務(wù)不相關(guān)腦活動的作用，因此它與注意力也有著相當(dāng)密切的關(guān)系。

神經(jīng)反饋訓(xùn)練(neurofeedback training, NFT)作為一種操作性生物反饋調(diào)節(jié)方法，可以控制或改變這些神經(jīng)振蕩，從而影響人的行為表現(xiàn)。根據(jù)加拿大心理學(xué)家赫布(Donald Olding Hebb)提出的學(xué)習(xí)規(guī)則[8]，特定神經(jīng)元(突觸)組若經(jīng)常激活，則其功能連接也會得到加強，甚至形成新的回路。而長久不活躍的神經(jīng)元或回路將逐漸衰退，這也是神經(jīng)可塑性的核心理論之一，是神經(jīng)反饋訓(xùn)練的生理基礎(chǔ)。目前，神經(jīng)反饋訓(xùn)練已有多種應(yīng)用場景[9]，如治療注意缺陷多動障礙[10-11]、癲癇[12]、亨廷頓病[13]、提高認(rèn)知能力[14-15]和加強情緒和行為控制的自我調(diào)節(jié)[16]。

穩(wěn)態(tài)視覺誘發(fā)電位(steady-state visual evoked potential, SSVEP)作為腦機接口的經(jīng)典范式，有著諸多應(yīng)用場景，也是腦機接口發(fā)展中重要的一環(huán)。SSVEP可以理解為一種自發(fā)的鎖相刺激響應(yīng)振蕩，常用信噪比去評價其信號質(zhì)量。盡管經(jīng)過幾十年的研究，SSVEP腦機接口的使用技能表現(xiàn)依然有著被試和算法依賴性。綜上所述，本研究希望探索一種神經(jīng)調(diào)控方法，以提升注意和SSVEP腦機接口使用技能。

1 方法

1.1 噪聲RSVP實驗

為了后續(xù)可以通過神經(jīng)反饋訓(xùn)練的方式對注意力進行調(diào)節(jié)，從而實現(xiàn)增強任務(wù)執(zhí)行能力的目標(biāo)，首先要針對注意模式的一些基本規(guī)律進行研究。這部分將在一個高注意需求的實驗任務(wù)中探究注意的一些網(wǎng)絡(luò)性質(zhì)和高注意狀態(tài)的可用特征。

1.1.1實驗設(shè)計

實驗的總體流程是：被試者注意屏幕上的RSVP刺激，并持續(xù)保持尋找目標(biāo)狀態(tài)。本實驗中，視覺RSVP刺激的目標(biāo)和非目標(biāo)分別是有人的照片和無人的街景照片，即被試者需要持續(xù)注意尋找人物。在被試者注視刺激的過程中，記錄腦電信息以備分析。每個試次設(shè)計為100張圖片以10 Hz的速度呈現(xiàn)，其中有2～3張目標(biāo)；且目標(biāo)不會出現(xiàn)在前15張和最后15張里面，目標(biāo)與目標(biāo)之間至少間隔15張圖。在刺激的呈現(xiàn)過程中，為了使被試者處于不同的注意程度，一些試次的圖片被增加了加性噪聲。在這個實驗中，刺激物被添加了4種不同程度的噪聲(加清晰圖片共5種噪聲程度)，具體的處理細節(jié)在下面詳述。在實驗中，每個噪聲程度進行40個試次，全實驗共計200個試次，分為4個block完成，整個進程大約耗時1.5 h。

1.1.2被試群體

本實驗共有30名受試者參與，他們均視力正?；虺C正視力正常，且無癲癇或其他易誘發(fā)疾病，適合參與腦電實驗。所有參與者均簽署了實驗知情同意書并承諾積極配合實驗，同時該項目也通過了清華大學(xué)醫(yī)學(xué)院倫理委員會的審查。最終采集到的可用數(shù)據(jù)樣本包括30名受試者，其中15名女性和15名男性，平均年齡(24.02±7.31)歲。

1.1.3腦電記錄

本實驗記錄了64導(dǎo)腦電數(shù)據(jù)(AF3/4, AF7/8, Fp1/2, FPz, Fz, F1/2, F3/4, F5/6, F7/8, FC1/2, FC3/4, FC5/6, FCz, FT7/8, Cz, C1/2, C3/4, C5/6, T3/4, T7/8, TP7/8, CP1/2, CP3/4, CP5/6, Pz, P1/2，P3/4, P5/6, P7/8, PO3/4, PO5/6 PO7/8, POz, Oz, O1/2, CB1/2)且定位符合國際10-20標(biāo)準(zhǔn)，參考電極為CPz。記錄采用的腦電設(shè)備為Neuroscan公司生產(chǎn)的 SynAmps RT 64-channel無線腦電放大器，采樣頻率為1 kHz。實驗中所有的電極阻抗均降到10 kΩ以下，且采集過程在電磁屏蔽室中進行，外界電磁干擾得到有效抑制。

1.1.4信息計算

整個大腦可以視作一個復(fù)雜的網(wǎng)絡(luò)，而每一個腦區(qū)(神經(jīng)細胞群)和神經(jīng)連接可以分別被視為一個節(jié)點和一個邊緣。傳統(tǒng)的網(wǎng)絡(luò)分析方法有典型相關(guān)分析(canonical correlation analysis, CCA)和有向傳遞函數(shù)(directed transfer function, DTF)。在本研究中，使用了有向傳遞函數(shù)，而有向傳遞函數(shù)和信息流是使用eConnectome工具箱[17-19]進行計算的。有向傳遞函數(shù)DTF的計算是基于Granger因果發(fā)展過來的，其核心理念是多元自變量回歸模型，加之腦電數(shù)據(jù)的時序特征便可以整理出不同位置之間的信息流動。

根據(jù)Kaminski的推導(dǎo)[20]，DTF計算過程如下：

X=[x1(t),x2(t),…,xn(t)]T

(1)

式中，X為腦電數(shù)據(jù)，x為不同導(dǎo)聯(lián)的信號，n為最大導(dǎo)聯(lián)序號，t為時間。

將式(1)用多變量自回歸模型(multi-variate auto regressive, MVAR)進行擬合如下：

(2)

式中：A為多元自變量回歸模型參數(shù)，且理論上可認(rèn)為得到的E為一個多變量零均值的白噪聲；q為擬合階次，該參數(shù)會在一定程度上影響擬合效果。

為了計算的便利，通常會把式(2)轉(zhuǎn)換到頻域，其中多變量自回歸參數(shù)模型的頻域表示如下：

X(f)=A-1(f)E(f)=H(f)E(f)

(3)

根據(jù)系統(tǒng)的定義，可將H(f)視為系統(tǒng)的傳遞矩陣，而在有向傳遞函數(shù)的計算過程中，H(f)的實際意義為兩個導(dǎo)聯(lián)之間的信號連接強度，有

(4)

連接矩陣H(f)包含了整個網(wǎng)絡(luò)所有的信息傳遞特征，根據(jù)定義，有向傳遞函數(shù)DTF如下：

θ2(f)=|Hij(f)|2

(5)

(6)

(7)

參照文獻[21]中的定義，本研究還計算了信息流增益ρ，即將ρ定義為流出信息與流入信息之比，有

(8)

在節(jié)點處，ρ值越大，表示該節(jié)點在網(wǎng)絡(luò)信息傳輸中的貢獻越顯著；ρ值越小，表示該節(jié)點對網(wǎng)絡(luò)信息傳輸?shù)呢暙I越小。

1.1.5假設(shè)檢驗

該實驗的目的是人為設(shè)置不同難度的任務(wù)，以期得到同一范式下包含不同程度注意的腦電數(shù)據(jù)。為此，需要先對這一假設(shè)進行驗證才能進行后續(xù)處理。本研究基于Keras(https://keras.io/)，簡單搭建了一個3層全連接網(wǎng)絡(luò)來進行四分類計算，以檢驗數(shù)據(jù)的有效性。

采集到的數(shù)據(jù)原始形態(tài)是30(被試數(shù)量)×4(不同注意程度)×40(每種模糊程度的試次數(shù))。經(jīng)過簡單的0.5～60 Hz帶通，并按照上面介紹的網(wǎng)絡(luò)信息流計算方式進行整理，得到了30×29×62×62的一個四維信息傳遞矩陣。其中，第1個維度是30個被試(樣本數(shù))，第2個維度是計算了29個頻帶的信息傳遞(2～30 Hz)，第3、4維度是導(dǎo)聯(lián)數(shù)。

經(jīng)過整理，本研究將原始的30×29×62×62的四維特征矩陣整理成30(被試數(shù))×4(特征)的數(shù)據(jù)體如下：作為輸入去進行四分類，即將所有被試的4種注意程度數(shù)據(jù)放在一起分析，樣本量為120。這個數(shù)量相對于人工網(wǎng)絡(luò)來談不上充足，但由于腦電數(shù)據(jù)的獲取成本較高，這里每次將30個樣本分為28/2，分別作為訓(xùn)練集和測試集。訓(xùn)練和測試共分為15輪，即每一輪中訓(xùn)練樣本有112個，而測試樣本有8個。這樣，每一個樣本都有機會作為訓(xùn)練樣本和測試樣本，保證了結(jié)果的公平性。最終，四分類的準(zhǔn)確率用所有輪次準(zhǔn)確率的均值進行計算。

1.2 神經(jīng)反饋增強實驗

1.2.1實驗設(shè)計

根據(jù)對照實驗原理，整個實驗將被試者隨機分成兩組，即神經(jīng)反饋訓(xùn)練組和空白對照組。他們都要先接受基于SSVEP的腦機接口的使用測試，兩個月后會再接受一次相同的測試。實驗組與對照組的區(qū)別是：實驗組在中間的兩個月內(nèi)要進行神經(jīng)反饋訓(xùn)練，而對照組則不會進行任何與神經(jīng)反饋相關(guān)的訓(xùn)練。實驗組和對照組的被試者們只是被告知需要協(xié)助參與實驗，對實驗的分組情況并不知曉。

對于神經(jīng)反饋訓(xùn)練組的每個受試者，整個訓(xùn)練過程耗時兩個月，共計24次訓(xùn)練。參與者每周內(nèi)會接受3次、每次約1 h的訓(xùn)練，并且每兩次訓(xùn)練之間至少要間隔1 d。在每次訓(xùn)練中，受試者被要求玩一個基于腦電的反饋游戲。為了驗證該訓(xùn)練方法的穩(wěn)定性，將實驗組的兩次SSVEP腦機接口使用表現(xiàn)測試分別安排在第1次訓(xùn)練的10 d前和最后一次訓(xùn)練的10 d后。此外，使用在注意領(lǐng)域研究公信力比較好的IVA-CPT量表，對實驗組訓(xùn)練前后進行了靜息態(tài)的注意連續(xù)性測試。

1.2.2被試群體

本實驗共有47名受試者參與，他們被隨機地分成了兩組，其中神經(jīng)反饋訓(xùn)練組共有25人，而空白對照組共有22人。這些被試者均是視力正常或矯正視力正常，且無癲癇或已知的其他疾病。所有參與者的監(jiān)護人均簽署了實驗知情同意書。同時，該項目也通過了清華大學(xué)醫(yī)學(xué)院倫理委員會的審查。最終采集到的可用數(shù)據(jù)樣本包括：實驗組24名受試者，其中6名女性和18名男性，平均年齡(9.42 ± 2.58)歲；對照組22名受試者，其中8名女性和14名男性，平均年齡(9.86±3.14)歲。正如Van Praag的實驗表明，衰老導(dǎo)致海馬體的變化，可能導(dǎo)致老年人的認(rèn)知能力和神經(jīng)可塑性下降[22]。因此，本研究考慮到青少年大腦更具神經(jīng)可塑性，選擇了兒童受試參加神經(jīng)反饋訓(xùn)練。

1.2.3腦電記錄

本實驗記錄了64導(dǎo)腦電數(shù)據(jù)(AF3/4, AF7/8, Fp1/2, FPz, Fz, F1/2, F3/4, F5/6, F7/8, FC1/2, FC3/4, FC5/6, FCz, FT7/8, Cz, C1/2, C3/4, C5/6, T3/4, T7/8, TP7/8, CP1/2, CP3/4, CP5/6, Pz, P3/4, P5/6, P7/8, PO3/4, PO5/6 PO7/8, POz, Oz, O1/2, HEOL, HEOR, ECG, VEOL, VEOU)，且定位符合國際10-20標(biāo)準(zhǔn)，參考電極為CPz。記錄采用的腦電設(shè)備為博睿康公司生產(chǎn)的NeuSen.W64無線腦電放大器，采樣頻率為1 000 Hz。實驗中所有的電極阻抗均降到10 kΩ以下，且采集環(huán)境為自然環(huán)境，沒有外加電磁屏蔽。

1.2.4刺激范式

該處理系統(tǒng)由刺激顯示、腦電采集裝置和處理計算機組成。刺激裝置采用華碩MG279Q 27英寸顯示屏，分辨率2 560像素×1 440像素，刷新率144 Hz。處理設(shè)備為Intel i9-9 900 K@3.6 GHz CPU和DDR4 32 GB內(nèi)存。刺激和處理程序是在Matlab 2015a(http://www.mathworks.com)和Psychophysics Toolbox Version 3(http://psychtoolbox.org/)下開發(fā)的。

在實驗過程中，刺激設(shè)備負責(zé)呈現(xiàn)多目標(biāo)閃爍刺激，并在每一個試次開始和結(jié)束時，分別向腦電采集器發(fā)送一個Start Trigger和一個End Trigger信號。處理設(shè)備從腦電放大器實時接收腦電數(shù)據(jù)，在滿足刺激停止條件時向刺激器發(fā)送Stop Trigger指令，并在完成識別后將結(jié)果反饋至刺激設(shè)備。

在SSVEP測試中，使用了基于頻率和相位的混合調(diào)制編碼(頻率范圍為8～15.8 Hz，頻率間隔為0.2 Hz)的40目標(biāo)SSVEP拼寫器[23]。屏幕中設(shè)置共40個刺激目標(biāo)塊，分別表示A～Z共26個字母、0～9共10個數(shù)字，以及空格、逗號、句號及退格鍵。在實驗中，各個刺激目標(biāo)均采用采樣正弦采樣方法構(gòu)造生成[24-25]。在整個SSVEP-BCI任務(wù)中，為了保證受試者的實際狀態(tài)和數(shù)據(jù)的有效性，工作人員要求每個受試者分成6組完成(每組40個試次)。參與者可以選擇在兩組之間休息，以發(fā)揮他們的最佳水平。因此，整個測試大約需要40 min。

1.2.5Alpha頻帶能量比

研究中采用了提高頂葉alpha頻帶(8～12 Hz)能量的神經(jīng)反饋訓(xùn)練方法，需要計算alpha頻帶的功率以檢驗訓(xùn)練效果。由于alpha頻帶振幅的絕對值受被試者的當(dāng)前狀態(tài)和環(huán)境的影響，因此在不同的試次中它們是不具有可比性的。為了比較神經(jīng)反饋訓(xùn)練前后的差異，計算alpha頻段與0.8～20 Hz頻段的功率比值，以表征alpha振幅是否得到提高，有

X(f)=fft(X)

(9)

(10)

(11)

(12)

圖1 神經(jīng)反饋訓(xùn)練交互界面中3種不同的游戲模式。(a)吃豆子；(b)開飛機；(c)賽車Fig.1 Three different game modes in neurofeedback interface. (a) Pacman; (b)Airplane; (c)Racing

式中，P1和P2表示alpha頻帶和全頻帶的功率，X表示腦電信號，f表示頻率。

靜息狀態(tài)數(shù)據(jù)通過2 min睜眼和2 min閉眼的實驗獲得。閉眼數(shù)據(jù)共12萬個采樣點，采樣率為1 kHz，頻域分辨率為1/12 Hz。

1.2.6量化計算

整個在線測試(實時反饋結(jié)果)分為6個block。前4個block使用3～4 s動態(tài)窗口，并使用濾波器組典型相關(guān)分析(filter bank canonical correlation analysis，F(xiàn)BCCA)算法進行分類[26]。最后兩個block使用1～2 s的動態(tài)窗口，并應(yīng)用任務(wù)相關(guān)成分分析(task-related component analysis，TRCA)算法進行分類[27]，其中TRCA是一種有訓(xùn)練算法，其訓(xùn)練數(shù)據(jù)來源于前4個block。以此種形式安排，每一目標(biāo)可以獲得6個試次的有效數(shù)據(jù)。

腦機接口的使用效果主要有3個經(jīng)典的評價指標(biāo)，即準(zhǔn)確率、信噪比和信息傳輸率。計算枕區(qū)9個導(dǎo)聯(lián)的平均信噪比(PO3/4，PO5/6，PO7/8，Oz，O1/2)、信息傳遞率(ITR)和準(zhǔn)確率，并用這些指標(biāo)來評價受試者的SSVEP腦機接口使用表現(xiàn)。

在信噪比的實際計算中，可以根據(jù)工程需要，對信號和噪聲進行靈活的頻帶定義。在這項研究中，信噪比(SNR)被用作評價SSVEP腦機接口性能的指標(biāo)。使用SNR作為評價指標(biāo)之一，可以最小化背景EEG活動對結(jié)果的影響。因此，這里定義信號的功率為以刺激頻率為中心的一個窄帶內(nèi)((f± 0.2) Hz)的功率，同時寬帶((f± 1) Hz)內(nèi)的功率被認(rèn)為是噪聲，有

X(f)=fft(X)

(13)

ITR=(log2N+A×log2(A)+

(1-A)×log2(1-A/N-1))×60/T

(14)

(15)

(16)

(17)

(18)

在上面的公式中，N是總目標(biāo)數(shù)，A表示準(zhǔn)確度，T表示單目標(biāo)識別所需的時間，X表示腦電信號，f表示頻率。

1.2.7反饋程序

結(jié)合前置實驗的研究結(jié)果，筆者認(rèn)為頂葉在視覺任務(wù)中可作為網(wǎng)絡(luò)的中心，并具有引導(dǎo)注意的效用。結(jié)合前人的研究結(jié)果[7]，本研究中神經(jīng)反饋訓(xùn)練的位置選擇在頂葉，并在頂葉中選擇alpha波幅值最低的一個導(dǎo)聯(lián)進行調(diào)節(jié)(FC1/2、FCz、C1/2、Cz、CP1/2中靜息態(tài)alpha波幅度最低的一個)。選擇的電極因受試者而異，每次訓(xùn)練只針對一個電極位置，以便更好地觀測結(jié)果。關(guān)于訓(xùn)練頂葉的效果，會在后面的結(jié)果部分進行驗證。

考慮到兒童的神經(jīng)可塑性更強，所以被試者選擇了7～12歲的小學(xué)生。為了吸引他們的興趣，使其能更好地配合實驗，神經(jīng)反饋交互界面被設(shè)計成游戲的形式(見圖1)。該程序有3種可供選擇的形式：吃豆子(一個小人在給定的路線上吃豆子)、開飛機(駕駛飛機在給定的路線上飛行)和賽車(駕駛汽車在給定的路線上行駛)。這3種模式的操作方法是一致的，即設(shè)定一個反饋參數(shù)閾值(計算方式下面詳細介紹)，并實時檢測使用者對應(yīng)的腦電參數(shù)。當(dāng)檢測到的參數(shù)高于閾值時游戲會持續(xù)進行，而一旦某時刻腦電參數(shù)低于給定的閾值則游戲就會暫停。這時候指導(dǎo)員會告知被試者集中注意，并引導(dǎo)他們調(diào)整狀態(tài)，使游戲持續(xù)下去。如此循環(huán)強化，被試者就逐漸掌握了自行調(diào)節(jié)的方式。

反饋參數(shù)的設(shè)定分為反饋頻率設(shè)置和反饋幅度設(shè)置兩部分。在正式訓(xùn)練開始之前，被試者會在alpha頻帶(8～12 Hz)內(nèi)測試不同的反饋頻率(如8.2、9.4 Hz等)。設(shè)定成功率(神經(jīng)反饋訓(xùn)練)能夠達到60%～70%的頻率作為反饋頻率。對于振幅，也使用同樣的設(shè)定方法。研究發(fā)現(xiàn)，當(dāng)反饋幅度設(shè)置為受試者閉眼alpha幅度的0.2～0.3倍時，反饋訓(xùn)練的成功率也在60%～70%。此外，隨著訓(xùn)練的進行，可根據(jù)反饋的成功率(通常是提高反饋頻率)適當(dāng)?shù)卣{(diào)整反饋參數(shù)。

實時采集到的腦電數(shù)據(jù)會首先通過一個帶通濾波器(0.5～40 Hz)，實時反饋系統(tǒng)的采樣率為1 kHz，而計算時采樣率降采樣到250 Hz。計算窗長度為2 s，相鄰窗間重疊50%，數(shù)據(jù)更新時間不超過1 s。按照此參數(shù)，每次有2 000個點用來計算采樣參數(shù)，所有涉及功率譜的計算均采用Welch方法。

1.2.8程度測試

視聽覺整合持續(xù)表現(xiàn)測試(integrated visual and auditory continuous performance test，IVA-CPT)是一種測試被試者持續(xù)注意程度的工具[28]，它是由John Sandford(心理學(xué)家)和Anne Turner(醫(yī)生)開發(fā)的。最初的測試包括一串呈偽隨機排列的聽覺和視覺刺激(總共500個試次)，之后會要求受試者找出他們聽到或看到的目標(biāo)。整個試驗持續(xù)約40 min，本研究選擇了其中一部分(100個試次)來測試受試者。受試者會在指導(dǎo)員的引導(dǎo)下按照要求填寫一份紙質(zhì)的質(zhì)量表。這個測試是一個實時的任務(wù)，包括重復(fù)的聽覺和視覺刺激。在測試過程中，指導(dǎo)員會引導(dǎo)受試者觀察量表上的一系列圖形和文本，受試者也會聽一篇包含隱含信息的短文。之后工作人員會要求參與者提供相關(guān)的信息，并在量表上回答問題。該測試通常用于檢測神經(jīng)反饋訓(xùn)練或藥物治療的有效性。

1.2.9結(jié)果檢驗

通過噪聲RSVP實驗的結(jié)論設(shè)計了神經(jīng)反饋增強實驗，在后續(xù)實驗結(jié)果部分，將從神經(jīng)反饋訓(xùn)練結(jié)果、注意測試結(jié)果和腦機接口測試結(jié)果3個角度評價實驗方法的有效性。其中，神經(jīng)反饋訓(xùn)練結(jié)果即訓(xùn)練前后對應(yīng)位置alpha頻帶能量。腦機接口使用測試將通過準(zhǔn)確率、信息傳輸率和信噪比來評價，詳細的數(shù)據(jù)結(jié)果將在實驗結(jié)果部分進行展示。

1.2.10統(tǒng)計學(xué)分析

對實驗組的神經(jīng)反饋訓(xùn)練結(jié)果(alpha頻帶能量)、注意力測試結(jié)果(行為學(xué)測試得分)、腦機接口測試準(zhǔn)確率、信息傳輸率和信噪比進行了統(tǒng)計學(xué)分析和檢驗。分別計算了相關(guān)數(shù)據(jù)的均值和標(biāo)準(zhǔn)差，并對以上有前后對比的數(shù)據(jù)組進行配對樣本t檢驗，詳細的計算結(jié)果描述在本文的結(jié)果部分。

2 結(jié)果

2.1 噪聲RSVP實驗結(jié)果

2.1.1不同數(shù)據(jù)的假設(shè)檢驗結(jié)果

在不同注意模式的隨機分類問題中，先前的假設(shè)是數(shù)據(jù)包含4種不同程度的注意樣本。在進行了四分類預(yù)測后，15輪結(jié)果的平均準(zhǔn)確率為62.5%。假使是完全隨機四分類，其準(zhǔn)確率應(yīng)該是25%，而得到結(jié)果的62.5%是遠遠大于25%的?？梢?，先前的假設(shè)是成立的，數(shù)據(jù)的確包含4種不同的模式，并不是隨機的。

而其混淆矩陣結(jié)果(經(jīng)過歸一化處理)如圖2所示。可以看到，在大部分預(yù)測正確的情況下，錯誤預(yù)測主要集中在鄰近模式上。

圖2 假設(shè)檢驗的歸一化混淆矩陣Fig.2 Normalized confusion matrix for hypothesis testing

2.1.2注意網(wǎng)絡(luò)的信息分析結(jié)果

首先取一個試次開始后的第 2 s內(nèi)的數(shù)據(jù)(開始trigger后的2 000～3 000個采樣點)，再取10個同注意程度試次的同時間數(shù)據(jù)進行疊加(疊加會抵消噪聲和隨機成分，固定模式則會被留下)。根據(jù)疊加得到的時域數(shù)據(jù)計算其有向傳遞函數(shù)，再對得到的結(jié)果進行規(guī)定頻帶內(nèi)的求和，如此計算可得到注意的網(wǎng)絡(luò)節(jié)點權(quán)重(全部被試均按照此步驟進行處理)，如圖3所示?？梢钥吹?，注意網(wǎng)絡(luò)中節(jié)點與節(jié)點之間有著非常豐富的信息流動，而頂葉(FC1，F(xiàn)Cz，F(xiàn)C2，C1，Cz，C2，CP1，CP2)在整個網(wǎng)絡(luò)中起著重要作用，圖中節(jié)點的大小則代表了節(jié)點的ρ值。節(jié)點的ρ值越高，表示節(jié)點對網(wǎng)絡(luò)信息傳輸?shù)呢暙I越顯著。

圖3 注意網(wǎng)絡(luò)的信息連接。(a)注意狀態(tài)下的網(wǎng)絡(luò)信息連接；(b)在網(wǎng)絡(luò)中重要節(jié)點的位置Fig.3 Information connection of attention network. (a) Information connection in attention state. (b)The position of important nodes in the network

分析頻帶能量發(fā)現(xiàn)，隨著注意程度的提高，頂葉(FC1，F(xiàn)Cz，F(xiàn)C2，C1，Cz，C2，CP1，CP2疊加平均)alpha頻帶(8～12 Hz)能量也會提高。圖4中每種注意程度的均值和標(biāo)準(zhǔn)差如表1所示。由統(tǒng)計結(jié)果可知，頂葉alpha頻帶能量隨注意程度的提高而提高, 且能量標(biāo)準(zhǔn)差也隨著注意程度的提高而增大。

表1 不同注意程度下頂葉alpha頻帶能量

圖4 頂葉alpha頻帶能量隨注意的變化(每條曲線代表一名被試)Fig.4 Variation of alpha power in the parietal lobe with attention(each curve represents a subject)

2.2 神經(jīng)反饋增強實驗結(jié)果

2.2.1神經(jīng)反饋訓(xùn)練結(jié)果

神經(jīng)反饋組包含24名參與者，他們都在兩個月內(nèi)各完成了24次訓(xùn)練(共計24 h)。在這些參與者中，91.7%的人訓(xùn)練成功(共計22人)，如圖5所示。訓(xùn)練成功，即訓(xùn)練后受試者的alpha頻帶能量比訓(xùn)練前更高。在圖6中，24名受試者訓(xùn)練前后的平均alpha頻帶能量比分別為32.93% ± 10.61%和38.58% ± 12.12%。因此，訓(xùn)練使alpha頻帶能量比相對提高了17.16%，配對樣本t檢驗呈現(xiàn)顯著差異(P=0.000 15)。

圖5 實驗組訓(xùn)練前后alpha頻帶能量對比Fig.5 The alpha band power of experimental group brfore and after training

圖6 實驗組訓(xùn)練前后alpha頻帶能量的統(tǒng)計差異(**表示具有顯著性差異)Fig.6 Statistical difference of alpha band power before and after training in the experimental group(** indicates a significant difference)

2.2.2注意力測試結(jié)果

基于大量現(xiàn)有研究的結(jié)論[29]，alpha頻帶與注意力密切相關(guān)，提高alpha頻帶振幅可以提高注意力。在本研究中，使用經(jīng)典的注意可操作性測驗(IVA-CPT)來檢測訓(xùn)練對注意的影響。實驗組共有24名受試者在訓(xùn)練前后分別接受測試，測試結(jié)果與Kim實驗中6～15歲兒童的測試數(shù)據(jù)行程對照參考[30]。Kim的研究以相同的標(biāo)準(zhǔn)行為測試了100名健康兒童，由于本研究中的評分范圍為0～10(10分為最佳)，所以將他們的分?jǐn)?shù)(原始分?jǐn)?shù)范圍為0～155)也映射到0～10進行比較。統(tǒng)計結(jié)果如表2所示，每項得分為0～10分。在表2中，訓(xùn)練前7個項目的平均值為5.33 ± 0.97，訓(xùn)練后項目的平均得分為6.76 ±1.02，結(jié)果經(jīng)過配對樣本t檢驗，具有顯著性差異(t=23，P=0.001 72)。這表明，訓(xùn)練對視覺和聽覺的注意有顯著的改善。

表2 訓(xùn)練前后注意力測試Tab.2 Attention test table before and after training

2.2.3腦機接口使用結(jié)果

通過神經(jīng)反饋訓(xùn)練提升穩(wěn)態(tài)視覺誘發(fā)電位腦機接口的使用表現(xiàn)，是這項研究的目標(biāo)之一，本部分將從準(zhǔn)確率、信息傳輸率和信噪比3個角度展示神經(jīng)反饋訓(xùn)練的提升效果。綜合來看，訓(xùn)練使得87.5%的使用者SSVEP腦機接口的使用表現(xiàn)有所提高。

2.2.3.1 準(zhǔn)確率結(jié)果

每一名受試者在每一次SSVEP-BCI測試中都完成了6個block共計240個試次，而這6個block的平均準(zhǔn)確率則被記錄下來作為參考比較的標(biāo)準(zhǔn)，如圖7所示。結(jié)果表明，就準(zhǔn)確率而言，實驗組的24人里有19個人在訓(xùn)練后有所提高。也可以看到，另外5個沒有提高的被試在第一次測試時就已經(jīng)達到了90%以上的準(zhǔn)確率。這些被試訓(xùn)練前的準(zhǔn)確率為78.93%±0.14%，而訓(xùn)練后的平均準(zhǔn)確率為83.65%±0.14%，經(jīng)過配對樣本t檢驗存在顯著差異(P=0.000 49)。反觀控制組，他們在第1次測試時的準(zhǔn)確率為79.02%±0.15%，而第2次測試為79.41%±0.17%，幾乎沒有差異。

圖7 實驗組與對照組前后兩次測試準(zhǔn)確率對比(*表示具有統(tǒng)計學(xué)差異，紅點表示離群點)Fig.7 The accuracy in two tests of experimental group and the control group (* indicates the significant difference and the red dot indicates the outlier)

2.2.3.2 信息傳輸率結(jié)果

計算各位受試者每一次使用SSVEP腦機接口時的信息傳輸率。實驗組24名受試者在訓(xùn)練前的SSVEP-BCI平均ITR為103.21±28.49，訓(xùn)練后的ITR為119.35 ± 25.14，平均提高了15.6%，如圖8所示。經(jīng)配對樣本t檢驗，該結(jié)果具有顯著性差異(P=0.049 4)。而對照組兩個月前第一次測試的時候平均ITR為119.13±23.27，第二次測試時為113.06±27.01。值得注意的是，實驗組的3名受試者在第一次測試中達到較高水平，而訓(xùn)練后的成績指數(shù)下降也屬于正常波動范圍，因此沒有表現(xiàn)出SSVEP ITR的增加。

圖8 實驗組與對照組前后兩次測試ITR對比Fig.8 The ITR in two tests of the experimental group and the control group

這里嘗試考察訓(xùn)練結(jié)果與信噪比計算結(jié)果之間的關(guān)系。上面提到通過計算訓(xùn)練前后alpha頻帶能量來判定是否訓(xùn)練成功，其中24人中有22名被試訓(xùn)練成功，而訓(xùn)練未成功的兩名被試者的前后測試ITR基本持平。在ITR的散點圖中還可以看到，訓(xùn)練組有3名被試者在訓(xùn)練后ITR有所降低，而他們訓(xùn)練前后的alpha頻帶能量提高幅度也并不大。反觀ITR結(jié)果提升幅度較大的前5名參與者，其訓(xùn)練前后alpha頻帶能量提高程度的排名也均在前列。據(jù)此來看，這里并不能明確給出alpha能量變化和ITR變化之間的量化相關(guān)關(guān)系，但從統(tǒng)計角度來看，二者之間確實具有一定的相關(guān)性。

2.2.3.3 信噪比結(jié)果

信噪比作為衡量信號質(zhì)量的指標(biāo)，在工程領(lǐng)域得到了廣泛的應(yīng)用。在本研究中，實驗組79.17%的 SSVEP信號的信噪比有所提高。實驗組受試者訓(xùn)練前的信號平均信噪比為(-15.23±5.91)dB，而訓(xùn)練后這個數(shù)值達到了(-14.72± 4.83) dB。經(jīng)過檢驗，差異具有顯著性(P=0.011 6)，圖中*表示存在差異。對照組第一次測試時的平均信噪比為(-15.34±6.15) dB，兩個月后再進行同樣測試，其信噪比為(-15.34±4.62) dB，并沒有變化(見圖9)。神經(jīng)反饋訓(xùn)練使實驗組的信噪比提高了0.50 dB，而未經(jīng)訓(xùn)練的對照組則沒有變化。從信噪比的角度看，訓(xùn)練給SSVEP信號帶來了5.8%的增益。此外，還計算了8個頻段的平均信噪比變化(見圖10)。綜合來看，實驗組被試在每個頻帶的信噪比都有所增加，表明訓(xùn)練帶來的提高在不同的頻帶間沒有特異性。

圖9 實驗組與對照組兩次測試信噪比統(tǒng)計的差異(*表示具有顯著統(tǒng)計學(xué)差異)Fig.9 The statistical difference of SNR between the experimental group and the control group in two tests (*indicates a significant difference)

圖10 實驗組與對照組各頻帶測試平均信噪比Fig.10 The SNR of each frequency band in the experimental group and the control group

本研究還分析了SSVEP的頻率響應(yīng)，并選擇了8、9、10、11、12、13、14、15 Hz的平均響應(yīng)來計算響應(yīng)地形圖(見圖11)。在SSVEP頻率響應(yīng)地形圖中，實驗組和對照組在第一次試驗中的反應(yīng)相似，這也是符合常理的?？梢钥闯觯诘诙螌嶒炛?，實驗組枕葉以外的區(qū)域響應(yīng)減小、有用信號增強，而對照組的響應(yīng)與第一次時幾乎沒有差異。

研究對兩個月前和兩個月后的SSVEP頻率響應(yīng)進行了配對t檢驗，并將得到的P值繪制成統(tǒng)計地形圖，比例尺范圍為0.2～0。這意味著較暗的區(qū)域具有較小的P值，表示差異較大；而較亮的區(qū)域P值較小，表示沒有差異。可以看出，對照組前后幾乎沒有差異，而實驗組在以下幾個位置有較為明顯的差異，這些位置是AF3、FC4、CP1、Pz、O2(顯著差異)。這些結(jié)果表明，訓(xùn)練使頂葉、枕葉和額葉的活動產(chǎn)生了變化。枕葉區(qū)域的變化是由于信噪比增加，即干擾減??；頂葉的變化可能與神經(jīng)反饋調(diào)節(jié)增強了控制網(wǎng)絡(luò)有關(guān)。至于額葉，差異是由于受試者注意更集中，噪聲更少。

圖11 實驗組與對照組前后兩次測試的信噪比與統(tǒng)計差異地形圖。(a)實驗組訓(xùn)練前；(b)實驗組訓(xùn)練后；(c)實驗組差異；(d)對照組訓(xùn)練前；(e)對照組訓(xùn)練后；(f)對照組差異Fig.11 The topographic map of SNR and statistical difference of the experimental group and the control group in two tests. (a) The experimental group before training； (b) The experimental group after training；(c) The difference in experimental group； (d) The control group before training; (e) The control group after training；(f) The difference in the control group

3 討論

基于神經(jīng)反饋訓(xùn)練的相關(guān)設(shè)想，本研究證實了上調(diào)頂葉alpha頻帶幅度的神經(jīng)反饋訓(xùn)練的可行性。結(jié)果表明，本研究提出的訓(xùn)練方法可以強化控制網(wǎng)絡(luò)，從而提高完成腦機接口任務(wù)的表現(xiàn)水平。同時，設(shè)計的測試量表結(jié)果也證實了該訓(xùn)練對注意提高的有效性。Alpha頻帶能量與諸多腦活動息息相關(guān)，其中有研究表明，alpha頻帶能量的提高與電活動的抑制呈正相關(guān)[14, 31]，而alpha頻帶能量的降低則反映了抑制的釋放。SSVEP刺激范式的基本原理是刺激目標(biāo)以固定頻率閃爍，并在枕葉誘發(fā)具有穩(wěn)定頻率特征的響應(yīng)。頂葉alpha頻帶活動的增強抑制了任務(wù)無關(guān)信息，從而提高了注意、信號的信噪比和SSVEP性能。然而，在數(shù)據(jù)分析中，alpha頻帶能量、信噪比和ITR的增加之間并沒有明顯的定性對應(yīng)關(guān)系。研究結(jié)果表明，注意網(wǎng)絡(luò)中可能存在一些未知的復(fù)雜因素對任務(wù)及行為進行調(diào)制。

就控制網(wǎng)絡(luò)和功能網(wǎng)絡(luò)而言，以往的研究表明，有大量直接和間接證據(jù)證明控制網(wǎng)絡(luò)和功能網(wǎng)絡(luò)的存在。Foxe和Bauer認(rèn)為，枕頂聯(lián)合系統(tǒng)在視覺注意的引導(dǎo)和維持中起到重要作用，并就此建模進行了研究[32-33]。研究結(jié)果表明，控制網(wǎng)絡(luò)和功能網(wǎng)絡(luò)并不是完全分離的, 而是相互結(jié)合來發(fā)揮作用的。在本研究訓(xùn)練前后SSVEP數(shù)據(jù)的對應(yīng)差異分析中(見圖10)，可以看出神經(jīng)反饋訓(xùn)練了影響頂葉、枕葉和額葉。枕葉和額葉的變化，是由于注意程度的提高和信號噪聲的降低。在頂葉觀察到的差異表明，神經(jīng)反饋訓(xùn)練有效增強了控制網(wǎng)絡(luò)的能力。在Srinivasan的fMRI研究[34]中，發(fā)現(xiàn)當(dāng)有視覺輸入時，一些枕區(qū)的體素與形成大規(guī)模功能網(wǎng)絡(luò)的額葉體素活躍度呈正相關(guān)。再加上頂葉對推進視覺刺激的調(diào)節(jié)有著巨大的作用，因此可以認(rèn)為人腦對視覺刺激的響應(yīng)是通過激發(fā)頂葉-枕葉-額葉控制/功能網(wǎng)絡(luò)而產(chǎn)生的。此外，頂枕額區(qū)是一個不可分割的系統(tǒng)。

網(wǎng)絡(luò)連接分析的結(jié)果也證實，在SSVEP視覺任務(wù)中，額葉、頂葉和枕葉是在一個系統(tǒng)中工作的，而頂葉則是信息輸出和傳輸?shù)暮诵臉屑~。從表2和表3可以看出，神經(jīng)反饋訓(xùn)練組訓(xùn)練后頂葉的信息輸出(CP1到O2，CP1到FC4)增加，這也表明了頂葉控制能力增強。

4 結(jié)論

本研究提出了一種神經(jīng)反饋訓(xùn)練方法，并得出以下結(jié)論：提高頂葉alpha頻帶振幅的神經(jīng)反饋訓(xùn)練可以通過抑制干擾來提高注意力，且該神經(jīng)反饋訓(xùn)練方法的效果可以長期穩(wěn)定存在。此外，該方法可以提高SSVEP信號的信噪比和ITR，從而提高基于SSVEP的腦機接口性能。就神經(jīng)機制而言，大腦的工作機制可分為控制網(wǎng)絡(luò)和功能網(wǎng)絡(luò)，并可單獨進行調(diào)節(jié)。

(致謝：感謝所有的實驗參與者，以及北京金博智慧教育技術(shù)有限公司和北京視友科技有限公司在整個項目中的幫助)