点击上面"脑机接口社区"关注我们

更多技术干货第一时间送达

Anna Andreeva / 2nd year student, BA profile ‘Animation and Illustration’,

HSE Art and Design School

神经反馈(NFB)是一种神经调节技术，允许人们调整自己的大脑活动参数。通常，NFB使用脑电图(EEG)数据来反映人头部表面电场电位的变化。EEG参数作为视觉刺激(屏幕上的列高、屏幕亮度)的形式呈现给受试者，同时任务将这些参数按需要的方向改变。通过关注NFB信号，受试者试图记住参数和他们的精神状态之间的关系。这让人能够“感觉”自己大脑的活动，并学会如何控制它。很多时候，这种学习是在潜意识中进行的，也就是说，没有使用任何特定的策略。

俄罗斯国立高等经济大学(HSE大学)的科学家首次在世界范围内研究了延迟强化信号对神经反馈(NFB)训练的影响。他们通过实验证明，减少反馈的延迟(减少反馈等待时间)可以显著提高训练的效果。这为使用NFB增强认知能力、自我调节以及治疗从焦虑、抑郁到癫痫等多种神经系统疾病开辟了新的潜力。这项研究发表在《神经工程杂志》上。

HSE大学研究人员之前的研究结果表明，在大多数现代NFB系统中，强化信号滞后于神经元活动的变化，导致学习效率低下和NFB治疗结果的广泛分散。为了提供进入小延迟领域的途径，科学家们开发了一种新的滤波脑电图信号的数学方法，允许快速估计大脑节律性活动的参数。

“这种方法使我们能够以最小的外部系统响应延迟访问大脑未知的交互区域。它使大脑能够将人工创建的反馈回路感知为自己神经网络的一部分。这是一个质的飞跃，开启了神经反馈范式研究的新时代”，HSE大学生物电接口中心主任AlexeyOssadtchi表示。

这一发展使科学家能够对反馈延迟在神经反馈训练效果的影响进行开创性的研究。研究人员对40名受试者进行训练，让他们根据电脑屏幕上显示的反馈信号来增强自己顶叶阿尔法节律的功率。

研究人员设计了相关的实验与信号处理，其示意图如下：

图1:实验与信号处理原理图

如上图，A图为实验设计，先记录静息状态的脑电图活动，再记录NFB时段。最后，记录训练后的基线。B图中为信号处理管道(pipeline)，其中多通道EEG信号由空间滤波器处理以去除伪像，将其转换为窄带信号，经过人为延时进行时移，并转换为视觉反馈。

研究人员检测具有不同阈值的alpha脉冲，如下图所示，脉冲幅度和持续时间特性。曲线代表alpha包络线。A：选择一个具有较高阈值的窄脉冲串。B：所选的脉冲序列变宽，并且以较低的阈值检测到另一个脉冲串。

实验的参与者被分成四组。第一组的人在测试时收到的反馈信号延迟时间最短，为240毫秒。HSE大学的科学家们现在已经成功地实现了一种反馈回路，在总延迟小于110毫秒的情况下，增强瞬时窄带节律功率。第二组和第三组的反馈信号分别被人为地延迟了250毫秒和500毫秒，而第四组的反馈信号与他们的大脑活动完全无关。

结果表明，与其他组相比，延迟最小组的受试者在训练时间更少的情况下达到了一定水平的阿尔法节律功率。此外，对训练后的alpha节奏的分析显示，只有延迟最小的那组受试者的节奏功率表现出持续的增长。这一结果尤其重要，因为实现可持续的变化是NFB治疗的主要目标。

论文信息：

Short-delay neurofeedback facilitates training of the parietal alpha rhythm

文章来源于网络，仅用于学术交流，不用于商业行为

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

DIY混合BCI刺激系统：SSVEP-P300 LED刺激

蒲慕明院士：脑机融合技术或许会成为未来人工智能的一个热门方向

复旦类脑研究院神经与智能工程中心面向全球招聘优秀人才

利用卷积神经网络学习脑电地形图表示进行分类

如何对单手和双手协同运动方向进行神经表征和解码？北理工研究团队给出了相关方案

脑科学研究的三大发展方向

Nature子刊 | 研究人员对特定行为的大脑信号模式进行分离和解码

【基于深度学习的脑电图识别】数据集篇：脑电信号自动判读的大数据

脑机接口BCI学习交流QQ群：515148456

微信群请扫码添加，Rose拉你进群

(请务必填写备注，eg. 姓名+单位+专业/领域/行业)

长按关注我们

欢迎点个在看鼓励一下​​​​​​​