作者：沈元钟，胡峰，舒凯，华中科技大学同济医学院附属同济医院神经外科
1972年，Cohen首次使用超导量子干涉仪(SQUIDs)在实验室环境下测量了人体大脑产生的微弱磁场，标志着脑磁探测技术从理论走向现实。历经五十余年的发展与完善，脑磁图(MEG)在神经科学研究和临床应用方面均占据了独特的地位，目前已广泛应用于功能成像、病灶定位和术前评估等多个领域。
基于光学-射频双共振现象的光泵原子磁强计(OPMs)的MEG技术逐步兴起，并被学界广泛认可为未来MEG的发展方向。相比于以SQUIDs为核心的传统MEG设备，OPM-MEG具备可穿戴性、室温运行等特点，并具有更高的信噪比和更低的建设维护成本，尤其在非侵入式脑机接口(BCI)领域中展现出了极高的价值。
MEG通过传感器探测大脑不同位置与层次的神经信号，实现大脑与外界的直接通信。由于其能够采集全脑覆盖、高时空分辨率的神经信号，且具备非侵入性和可穿戴性的特点，MEG已经成为了BCI研究的重要工具，并在运动想象、言语想象以及功能康复等领域展现了广阔的应用前景。
1.非侵入式BCI技术
BCI技术是一种通过在人或动物大脑与外部设备之间创建的实时连接，以实现大脑与外部设备实时信息交互的新兴技术。根据记录方式的不同，BCI可被划分为侵入式BCI和非侵入式BCI。非侵入式BCI是一种无需手术植入电极的技术，主要通过外部传感设备检测和解码大脑的神经信号，实现大脑与外部设备的直接交流和控制，具有安全、便捷、低成本和用户接受度高的特点。
目前常用的非侵入性BCI技术主要包括
Vidal使用EEG记录了用户在特定任务(如想象运动或集中注意力)时的大脑电活动，通过开发特定的算法从EEG信号中提取了与用户意图相关的特征，随后将其转化为计算机指令用于控制计算机光标移动，并提出了“脑机接口”这一概念。20世纪90年代，非侵入式BCI的研究进入一个快速发展阶段。科学家们开发了基于EEG信号的简单BCI系统，用于控制计算机和假肢的基本操作。此时，BCI主要用于学术研究，相关设备和技术也仍然局限于EEG。
21世纪初，MEG技术得到了进一步发展和推广，设备的灵敏度和分辨率显著提高，从实验室逐渐走入大众视角，在语言处理、认知科学、运动解码和心理学等多学科领域中应用。例如，Mellinger等的研究发现，受试者可以通过MEG-BCI反馈训练实现显著的感觉运动μ节律自我控制，并实现了基于运动想象的二元决策；Halme等则通过要求受试者根据视觉提示想象左或右手指敲击，证明了单次试验MEG解码运动想象也具有良好的准确性，在线MEG神经反馈系统具有良好的性能。
在此阶段，得益于机器学习和深度学习等算法的进步，EEG相关的非侵入式BCI也得到了更广泛地应用，例如在2015年，Ang等报道125例中风病人中，有103例通过基于EEG的BCI神经康复系统实现了功能改善，证明了EEG-BCI康复系统医疗康复领域的可行性。在国内，也已经有诸多机构对非侵入式BCI进行了研究探索。
2016年，Ren等提出了一种结合混合特征提取和特征选择方法的高效特征提取框架，应用了多种不同类型的特征提取方法，并提出了基于二进制粒子群优化(BPSO)的全局优化策略来增强特征选择的性能，在分类测试中取得了显著的进步，提高了基于EEG的非侵入式BCI系统的准确性。
Meng等提出了欧式对齐等BCI精准解码算法，进一步提高了非侵入式BCI系统的速度和准确性。此外，该团队还提出了一种基于机器学习的扰动方法，用于隐藏EEG数据中用户身份隐私，在国际上引领了BCI对抗安全和隐私保护研究，填补了BCI领域研究在该方面的空白。
2.MEG与OPM-MEG
目前，主流MEG设备均以SQUID技术所设计的传感器为基础，建立于磁屏蔽室内，称为SQUID-MEG。由于传感器组件为超导部件，需要在液氦低温环境(-269℃)下工作，意味着其需要浸泡在液氦中，并在使用时与参与者头皮之间保持真空隔热，这也导致传感器只能固定于装置中形成通用阵列，无法根据参与者个体差异进行改变，这一固有缺陷严重限制了SQUID-MEG的相关研究与实际应用。
OPM-MEG是近年来出现的崭新的脑磁测量方法，其核心部件为OPMs。有别于SQUIDs，OPMs在保证灵敏度的同时，不需要低温超导工作环境。从原理出发，OPM-MEG的优势主要有三点。
首先，OPM-MEG所得到的数据质量不低于SQUID-MEG。MEG信号强度与传感器和信号源间的距离的平方成反比(平方反比定律)，SQUID-MEG所需的真空隔热要求传感器与头皮保持2cm左右距离，而OPM-MEG传感器与头皮之间仅有几毫米，Iivanainen等的模拟试验表明，在许多皮层区域，这种距离的缩短可使信号增强四到五倍。
其次，OPM-MEG的可穿戴性极大拓宽了适用范围和场景。OPM-MEG无需真空隔热意味着它的传感器阵列并不固定，可以根据实际应用进行调整。一方面，它可以适应不同参与者头部的大小和形状，必要时甚至可以放置入口腔测定颞叶深层脑磁活动。
另一方面，在屏蔽完善的环境中，OPM-MEG能够在运动状态下进行扫描，使各种原因导致无法保持静止的参与者(如伴有不自主运动的癫痫病人)也能使用。这一特性允许研究者可以开展SQUID-MEG无法实现或存在一定困难的实验设计和临床检查方法。最后，从设计和经济角度来讲，OPM-MEG的设备系统更加简易，且无需低温超导环境，建设成本和维护成本远低于SQUID-MEG，机构可以相对轻松担负。这些优势均为OPM-MEG的现实应用与推广奠定了基础。
3.MEG在非侵入式BCI中的研究现状
传统的SQUID-MEG已被证实可用于非侵入式BCI的应用与研究，但由于其建设和维护成本极为高昂(建设成本预计350万美元，运营成本预计每年20万美元)，且使用条件苛刻、过程繁琐，始终未能大规模推广。2016年，Tierney等首次利用基于铷原子的OPM实现了常温下的人类大脑磁场测量。此后的2年，该团队不断完善OPM-MEG系统。
在2018年，Boto等使用穿戴式OPM-MEG开展的一系列研究证明，较大幅度的点头运动(超过10cm)、伸展运动、喝水甚至颠球时，OPM-MEG均以形成显著区别于伪影的结果，标志着OPM-MEG系统基本成熟。2020年，Paek等报道了基于OPM的便携式BCI设备测试结果，结果显示参与者在手部运动时的α波和β波显著去同步化，信号识别准确率在60%以上。
2021年，Wittevrongel等报道了OPM-MEG在单次试验分析中的稳健性，并成功应用于实时BCI系统，信号识别准确性达到了97.7%。目前也有将OPM-MEG与虚拟现实技术相结合的尝试。OPM-MEG的非侵入、便携和高时空精度的特点使其在BCI技术不同接入方式中占有着一席之地。值得注意的是，在国内，已经有诸多研究中心也在关注并进行OPM-MEG的研究。
北京航空航天大学团队实现了OPM-MEG与MRI结合的稳定空间源定位，并为此开发了相应的影像工具包，为后续的应用研究打下了坚实的基础。在脑磁技术本身之外，过去十年里机器学习和深度学习算法的进步为基于MEG的BCI研究提供了必要条件。
2023年5月，Bu等开发了一种基于MEG的BCI神经网络模型(MEG-RPSnet)，用于解码石头剪刀布手势。通过独特的预处理流程和卷积神经网络模型，单次试验的平均分类准确率达85.56%。该模型在性能上优于基于EEG和侵入性皮层电图(ECoG)的传统机器学习方法，且在只使用部分脑区传感器时，分类表现与全脑传感器模型相近，表明MEG在BCI应用中具有很大潜力。
4.MEG在非侵入式BCI中的未来展望
在神经科学研究中，非侵入式BCI可以根据其检测的信号类型和使用的技术进行划分，主要包括基于EEG的BCI、基于fNIRS的BCI、基于fMRI的BCI和基于MEG的BCI。这些类别根据不同的信号来源和技术实现各自的优缺点，适用于不同的应用场景。尽管如此，相比于其他方法，MEG仍旧能够凭借其显著的优势脱颖而出。
(1)MEG在拥有极高时间分辨率的同时，也拥有良好的空间分辨率，可以在毫秒级别精确捕捉大脑神经活动的时间变化，用于研究大脑动力学和快速反应任务，并结合先进的源定位算法实现实时定位。
(2)MEG可以直接测量神经活动，通过检测大脑神经元电活动产生的磁场进行测量，而不是通过血氧水平等间接指标。且由于磁场不会像电场那样被头皮、头骨和其他组织严重衰减，MEG更能够直接反映大脑的电活动，数据更为可靠。
(3)MEG应用场景更加多元也是其显著优势之一。它不仅适用于各类静态任务和动态任务，还可以在各种场景下与其他成像技术(如fMRI、EEG)结合使用，更加全面地观测大脑活动，提高数据的准确性，协助研究者深入探索大脑的高级功能。
在未来的发展中，基于MEG的非侵入式BCI有着广阔的前景。
(1)OPM-MEG的发展将会极大提升MEG的便携性和应用范围。未来的研究可以致力于开发更加小型化、易于佩戴的MEG设备，使得其在自然环境中的应用成为可能。(2)人工智能和机器学习等技术的应用预计将进一步提高脑磁信号处理的效率和源定位的精度，大大提高针对复杂脑活动和噪声环境下的脑磁信号处理能力。(3)将MEG与其他脑成像技术结合，可以获得更加全面的大脑活动图谱，从而提高BCI系统的性能。未来的研究可以致力于开发更为高效的多模态数据融合算法，以实现实时、高精度的大脑信号解码。
5.总结
尽管基于MEG的非侵入式BCI技术在当下展现出巨大的潜力，其安全性和泛用性也使得它更能得到社会的接受，但该技术仍然面临诸多挑战，包括但不限于抗干扰能力不佳、算法设计不够完备、BCI数据安全与隐私的威胁以及潜在的伦理问题等，如何进一步提高信噪比和完善配对算法仍旧是当今基于MEG的BCI研究的重要内容。
2024年2月，《脑机接口研究伦理指引》正式发布，用于指导BCI研究合规开展，防范BCI研究与技术应用过程中的科技伦理风险。随着BCI技术逐步走向临床和实际应用，伦理问题的重要性将更加突出。在推动人工智能与BCI技术进步的同时，我们必须兼顾社会接受度和伦理规范，深入分析、审慎思考，才能真正促进我国在该领域健康、长久、有序的高质量发展。
来源：沈元钟,胡峰,舒凯.脑磁图技术在脑机接口中的应用与前景[J].临床外科杂志,2024,32(10):1026-1028.
(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)
