《Scientific Reports》：A mental state aware brain computer interface for adaptive control of electric powered wheelchair
编辑推荐：
研究针对瘫痪患者 BCI 系统问题，开展脑电信号控制轮椅研究，实现精神状态监测，提升安全性与适应性。
研究背景
在现代医疗科技领域，脑机接口（Brain - computer interface，BCI）为瘫痪患者带来了新的希望，它就像一座桥梁，连接着患者的大脑与外部设备，让他们有机会重新掌控自己的行动。然而，当前的 BCI 系统仍存在诸多问题。一方面，在将患者的身体和行为状态融入系统方面，还有很大的提升空间，这直接影响了系统的性能和实用性。另一方面，作为 BCI 系统的主要使用者，瘫痪患者的情绪较为敏感，现有的 BCI 设备无法很好地适应患者的心理变化，这在一定程度上限制了 BCI 技术的进一步发展。
为了解决这些问题，来自澳大利亚国立大学（The Australian National University）、巴基斯坦 COMSATS 大学伊斯兰堡分校（COMSATS University Islamabad）等机构的研究人员展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为瘫痪患者带来了新的曙光。
研究方法
研究人员采用了一系列先进的技术方法。首先，通过商用的 EMOTIV EPOC + 设备采集脑电图（Electroencephalogram，EEG）信号，该设备按照国际 10/20 系统标准在头皮上布置电极，以确保信号采集的准确性。采集到的 EEG 信号是复杂的时间序列信号，为了提取有用信息，研究人员进行了多步预处理。他们运用带通滤波器（13 - 30Hz）去除与运动想象任务无关的噪声和伪迹，利用独立成分分析（Independent Component Analysis，ICA）有效去除眼动和肌肉活动等常见伪迹，并对信号进行归一化处理，保证不同实验阶段和患者数据的一致性。
在信号分类和模型训练方面，研究人员测试了多种机器学习算法，包括优化的 K 近邻（Optimized K - nearest neighbours，KNN）、支持向量机（Support Vector Machine，SVM）和浅宽神经网络（Shallow and Wide Neural Networks，WNN）等，最终选择 WNN 作为代表分类器，因其在 EEG 信号训练和测试阶段具有较高的分类率。
研究结果
- 精神状态分类准确性：研究人员通过实验收集了 64 名患者（62.5% 为男性，37.5% 为女性，平均年龄 16 岁，标准差 7.5 岁）在不同心理状态下的 EEG 数据。针对放松、中性和压力三种精神状态，利用 One - vs - Rest 逻辑回归（OvR - LR）算法进行分类预测。结果显示，该模型在预测精神状态方面表现出色，平均准确率达到 74.26%。从详细的分析报告来看，不同标签下的精度、召回率和 F1 分数有所差异，例如标签 0（放松状态）的精度为 0.87，召回率为 0.92，F1 分数为 0.90；标签 1（中性状态）的精度为 0.67，召回率为 0.86，F1 分数为 0.76；标签 2（压力状态）的精度为 0.66，召回率为 0.35，F1 分数为 0.45 。总体而言，模型在整个数据集上的宏观平均准确率令人满意，表明该模型能够较好地识别不同的精神状态。
- 轮椅控制性能：为了测试基于 BCI 的电动轮椅（Electric powered wheelchair，EPW）控制系统的性能，研究人员设计了模拟实验。在实验中，用户需要佩戴耳机，通过执行一系列命令，控制 EPW 从点 A 移动到点 D。在多次试验中，系统的平均真阳性率（True Positive Rate，TPR）达到 0.83，这意味着约 80% 的情况下，大脑发出的命令能够准确地转化为控制 EPW 的指令。同时，假阳性率（False Positive Rate，FPR）在 0.1 - 0.3 之间，表明大脑信号被错误解读的概率相对较低。在执行时间方面，最初由于用户对系统不熟悉，命令翻译时间较长，平均约为 20.8 秒，但随着试验次数增加，用户逐渐熟练，到第十次试验时，平均翻译时间显著缩短至 3.8 秒，整个试验过程中平均生成可解释脑信号的时间为 8.4 秒。
- 速度控制与精神状态关联：该系统创新性地将速度控制与患者的精神状态相结合。当患者处于安全、兴奋等积极精神状态时，EPW 会以较高速度行驶；而当患者精神状态不佳时，EPW 则会降低速度。这种设计使得轮椅的行驶速度能够根据患者的心理状况动态调整，不仅提高了患者的自主感和驾驶体验，还进一步保障了患者的安全。
研究结论与意义
这项研究成功设计了一种能够在车辆移动（如 EPW 行驶）过程中分析患者精神状态的系统。该系统为因神经损伤导致四肢瘫痪的患者提供了一种全新的基于脑信号的移动机制，极大地增强了他们的自主性和行动能力。
在安全性方面，通过实时监测患者的精神状态，当系统检测到患者压力过大或精神不稳定时，会自动切换导航控制方式，从依赖脑信号控制切换到操纵杆控制，有效避免了因患者无法正常发出脑信号而导致的危险情况，为患者的出行安全提供了有力保障。
在适应性方面，系统能够根据患者的行为和心理需求进行个性化配置，通过不断学习和适应患者独特的认知模式，提供更加贴合患者需求的服务。这种适应性使得系统能够更好地满足不同患者的需求，提高了系统的实用性和可靠性。
然而，该研究也存在一些有待改进的地方。例如，系统的可扩展性和通用性需要在更大、更多样化的用户群体中进行测试；目前的响应时间对于一些实时应用来说可能较慢，未来需要进一步优化系统以提高响应速度；此外，还需要开展长期的可用性研究，以评估系统在长期使用过程中可能出现的问题，如用户疲劳、系统漂移以及精神状态模式的变化等。
尽管如此，这项研究依然为辅助技术的发展做出了重要贡献，为瘫痪患者的生活带来了积极的改变，为未来 BCI 技术在医疗领域的应用奠定了坚实的基础。
