植入式脑机接口的信息解析和交互的基础理论与关键技术

植入式脑机接口在脑与外部设备之间建立了一种高传输率低延时的信息交流通道，通过解析大脑皮层神经集群信号，实现脑与外界的直接交互和多自由度的实时精确控制。本项目拟以啮齿类（大鼠）和非人灵长类（猴）动物为实验对象，着重研究高通量神经集群信息的解析和基于多模态反馈的脑机交互技术，通过高通量信息约简以及神经元重要性量化分析，减少冗余信息，降低数据规模；通过构建非线性、动态、协同的神经解码模型，提高现有解码方法的泛化能力和鲁棒性；在虚拟环境中集成多模态反馈，探索基于皮层微电流刺激的新型反馈模式，研究多种反馈形式在植入式脑机接口中的作用及融合机制；探索利用自适应控制方法与神经解码相结合的共享控制策略，优化植入式脑机接口控制性能；建立运动控制相关的植入式脑机接口研究平台，为实现自然和谐的脑机交互奠定基础。

植入式脑机接口在脑与外部设备之间建立了高传输率低延时的信息交互通道。通过解析大脑皮层神经集群信号，实现脑与外界的直接交互和多自由度的实时精确控制。本项目以啮齿类和非人灵长类动物为实验对象，着重围绕“高通量神经集群信息的解析”、“多模态反馈技术研究”和“基于上肢运动与手的抓握新型实验范式” 三个方面开展工作。在“高通量神经集群信息的解析”方面，通过记录和分析猴子上肢伸展收缩以及手部抓握不同物体时的神经集群信号，发现运动相关皮层的神经集群活动模式与目标密切相关。采用基于局部学习的方法获得神经元的重要程度，大幅度的降低了BMI解码的计算量。基于互信息的方法进行时变分析，结合场电位信号与锋电位协同解码，提高解码的效果以及长期稳定性。在“多模态反馈技术研究”方面，将外部设备的信息转换为电流刺激序列，从脑的电生理信号水平区分不同的触觉输入。综合以上技术，建立基于非人灵长类（猴）植入式脑机接口平台，实现了运动皮层神经信号对外部机械手的抓、握、勾、捏等多种抓握手势的实时、动态和异步控制，以及在线控制机械臂完成二维连续运动，引起国内外学术界广泛关注。