基于BCI的现代神经反馈有助于认知增强(一)
更多技术干货第一时间送达
神经反馈是一种人类增强技术，旨在提供心理变量（例如记忆力，注意力，处理速度或执行功能）的认知改善。
什么是认知增强神经反馈？
神经反馈是一种人类增强技术，其最终目标是优化大脑功能，以实现对记忆、注意力、处理速度或执行功能等心理变量的认知改善。在这种大脑训练技术中，某些特定的大脑模式，例如与认知功能有关的模式，是通过脑电图(EEG)实时监控的，并通过电脑屏幕以听觉或视觉的形式反馈给用户。通过这种方式，用户可以在一定程度上学习塑造与认知功能相关的一些大脑活动模式，从而达到认知增强的目的。
上图为神经反馈的闭环运行。首先，记录EEG信号，并实时解码(提取)一些感兴趣的大脑模式。在这种特定情况下，使用计算机显示器上的视觉表示将这些大脑模式反馈给用户。用户因此可以学习如何以期望的方式对她/他的大脑模式进行模块化。
神经反馈是一组更广泛的技术，被称为生物反馈，其目的是获得一定程度的对生理变量的控制，例如心率，呼吸，皮肤电导率等。当感兴趣的生理变量是“脑电波活动”(EEG)时，就称为脑电图生物反馈或神经反馈。独立于(神经)生理变量之外，所有这些都有一个共同的工作原理:一个人需要实时获得关于她/他自己(隐藏的)生理变量的反馈，以通过操作者调节来促进学习/控制(Skinner,1938)。
神经反馈是如何工作的?背后的科学
神经反馈原理或模型很简单，其操作如图所示。然而，根据所选择的感兴趣的大脑模式，文献中存在几种方案(参见Gruzelier2014综述)。下面，我们将重点讨论一种最有效的认知增强方案:上调受试者特定alpha带。这意味着神经反馈实现可以实时解码针对每个参与者以及头皮后部位置校准的alpha波段的活动。然后，它相应地向用户提供反馈，鼓励用户增加她/他的活动水平(即上调)。
Alpha,认知功能和神经可塑性
大脑控制我们的认知功能，如注意力、工作记忆和执行功能。在临床和研究环境中常用的脑电波活动记录技术，如EEG，使与认知功能相关的大脑活动模式的研究和表征成为可能。
迄今为止，研究最多的大脑模式之一是alpha活动(Klimesch, 1999)。Alpha是人类脑电图的主要频率，最早记录于20世纪20年代(Berger, 1929)。这种节律的特征是在(8-12 Hz) 频率范围内的频谱分析中出现一个“峰值”(图2)，在清醒放松、闭着眼睛时最为明显，在头皮的后部区域最容易观察到(Klimesch, 1999)。睁眼，视觉刺激和注意力增加，会减弱顶枕的alpha节律(Palva and Palva,2007)。它还对运动任务(Pfurtscheller, 1999)和）和不同的认知需求(例如注意力和记忆任务)做出反应(Klimesch, 1999)。
在上图可以看到在10.25Hz处有alpha峰。根据这一点，我们可以将特定于被试者的alpha带定义为呈现不同蓝色色调的区域。
神经科学研究已经提出了在alpha活性和认知能力之间建立因果关系的假说(Klimesch, 1999)。其中一项研究表明，alpha通过主动抑制与正在执行的任务无关的信息，与认知表现相关(Klimeschet al. 2007;Jensen and Mazaheri, 2010) 已经通过实验进行了探索，增加的alpha活性(通过神经反馈)已经表明在工作记忆、注意力和视觉空间能力方面的认知改善(Hanslmayret al. 2005;Zoefel et al.，2011;Nan et al.2012)。
另一个假说补充了前一个假说，即这些技术可能通过学习alpha活动的自我调节而诱发神经可塑性的变化。可塑性是一种神经适应机制，反映了大脑在整个生命过程中重组的能力，并发生在不同的层次(结构、功能、分子和细胞)。这反映了产生变化的区域的活动和功能。目前已知至少有三种与认知功能相关的神经重塑改变的产生方式:药物、电刺激或学习任务。那些由最后一个过程产生的东西，比如神经反馈方法所促进的东西，对人类来说是内源性的和自然的，所以它们有可能随着时间的推移而得到巩固。除此之外，神经反馈还没有显示出任何副作用。
现代与经典神经反馈可增强认知能力
人类自我调节脑电活动的能力在20世纪60年代首次被证明，目标是枕部位置的alpha振荡(Kamiya，1969)。虽然经典的神经反馈方法已经在研究和临床实践中使用了几十年，但由于脑-机接口领域的巨大进展，已经引入了现代科学和技术改进。
这些改进主要是使用高质量的脑电图设备和先进的信号处理算法(基于人工智能技术的伪影的过滤和信号解码),在特定上下文中neurofeedback,允许在线培训的适应一个特定受试者和使用技术的时刻(图3)。
关于现代神经反馈闭环操作图
上图为现代Neurofeedback的闭环操作。首先，执行校准步骤以使在线训练适应于特定于受试者的大脑模式(使用AI技术学习)。然后，在在线训练过程中，将脑电图信号从伪影中过滤出来，并解码感兴趣的大脑模式(使用之前的校准设置)，最后将其反馈给用户在显示器中显示。
1.脑电图采集技术
EEG系统种类繁多，从非常可靠的研究/医疗级设备到价格低廉的可穿戴设备，其可靠性低。设备很重要：:1)提供高信号质量的采集，以准确测量感兴趣的大脑模式;和2)有足够数量的传感器，这些传感器分布在头皮上，可以进行伪影过滤技术。
经典的方法:低成本设备和很少的传感器，甚至一个或两个(Demos, 2005);这可能会影响解码后的大脑模式的质量。
现代方法:现代方法受益于高质量的EEG采集技术与正确数量的传感器分布在所需的大脑区域。在现代方法中，我们可以区分几种类型的设备取决于需要:干EEG设备，高质量的系统，但用户友好且针对实际应用进行了优化;或高覆盖设备，如脑电图帽。两者同样适用于基于BCI的神经反馈。
伪影过滤
EEG伪影是所有具有非神经起源但仍被EEG设备记录并与真实大脑活动融合的电信号。这会使感兴趣的大脑模式的实时识别变得复杂，并且可能会影响训练的有效性。
经典方法：有些方法不执行任何过滤，可能会影响有效性。或者使用简单的方法，例如在检测到眼电伪影时暂停反馈，从而减少了有效的训练时间。
现代方法：有许多类型的伪影会干扰alpha。具有较高发生率的EEG伪影之一是眨眼。这些伪影具有稳定的空间模式，可以使用盲源分离技术将其滤除(Hyvarinen,1999)过滤掉，从而改善信号质量并增加有效反馈时间(图4)。
信号伪影
上图为16个电极记录7秒的脑电图信号。原始信号用蓝色表示，显示闪烁伪影，最明显的是在前部位置。滤过的信号被叠加成黑色。
受试者间和受试者内部脑模式的变异性
众所周知，脑电图的大脑模式以及其中的alpha活性具有很高的受试者间变异性（Haegens等人，2014）。在临床人群中，这种变异性甚至更加严重，如脑电图的研究揭示了一些临床人群中不同的脑模式，如ADHD(图5)。
3个不同个体在静息状态(蓝线)和执行认知任务时(红线)的脑电功率谱图
图5:EEG功率谱。显示了三个不同个体在静息状态(蓝线)和执行认知任务时(红线)的脑电功率谱。可以看到峰值alpha因用户的不同而不同。
此外，alpha活性在受试者内部具有很高的变异性。它会因认知/情绪状态的变化而在不同的训练过程中发生变化(Klimesch,1999)。在神经反馈的情况下，它也可能由于自我调节过程而改变，该过程旨在增强EEG生物反馈过程中的神经调节作用(图6)。
训练项目中患有重度抑郁症和多动症的患者在静息状态(蓝线)
和执行认知任务(红线)时受试者内部的心律变异性图表。
上图脑电图功率谱。这显示了在一个训练项目中，患有重度抑郁和患有ADHD的个体在静止状态下（蓝线）和执行认知任务（红线）时受试者心律的变异性。
经典方法：一些经典方法没有将alpha活动的这种变化考虑在内，而是将alpha频带视为[8-12] Hz频带中的固定间隔（Vernon，2005年）。尽管对于一般普通人群以这种方式定义Alpha已有共识，但要考虑的个体差异也很大。
现代方法:现代方法根据特定对象调整大脑模式，通常在在线训练之前执行校准步骤。特别地，有一种趋势认为，alpha波段作为峰值Alpha频率的一个依赖度量 (IAF, Klimesch, 1999)。因此，Alpha波段可以确定为(IAF-2, IAF+2) Hz间隔(图2)。此外，在线训练的基线需要在每次训练开始时重新计算，以适应训练期间(受试者内部)的变化。