基于运动起始诱发电位的低延时动作观察异步脑-机接口
团队前期提出的基于动作观察-机接口（action observation BCI, 简称AO-BCI）能够同时诱发大脑皮层视觉区稳态运动视觉诱发电位（steady state motion visual evoked potential, SSMVEP）和皮层运动区运动感觉节律（Sensorimotor rhythm）。AO-BCI这种独特的双脑区共激活特性在脑卒中康复中具有很大的应用潜力。另一方面，异步BCI可以让受试者在脑控态和非脑控态自主切换，相较于同步脑-机接口更具有实用性。但是，实现低延时（受试者产生运动意图到系统正确检测该意图的时长）和高准确的辨识仍然是异步BCI的挑战。如图1所示，目前基于SSMVEP-BCI的异步检测以分析脑电信号中SSMVEP的有无为主，而本研究首次提出以检测AO范式诱发的运动起始诱发电位（motion onset visual evoked potential, mVEP）来实现低延迟高准确的异步BCI。
图 1 运动观察脑机接口的视觉刺激呈现。左：下肢(Zhang et al., 2021)；右：上肢（(Ravi et al., 2022)）
本研究的研究目的是实现低延时和高准确的异步BCI。考虑到BCI的适用人群很大部分是老年人，因此，本研究分析了老年人的EEG信号。本研究假设是设计的AO范式中的运动可以在老年人中诱发mVEP，且可以在单试次数据中实现异步检测(Zhang et al., 2023)。
本研究基于降帧频的方法设计了四种AO范式，即左手对掌运动、左手对指运动、右手对掌运动、右手对指运动动作观察范式，采集并分析了18名老年人注视AO范式下的EEG信号。结果表明：本研究设计的AO范式可以诱发mVEP，其主要包含一个延迟100-160ms的正波P1和一个延迟160-240ms的负波N2。另外，本研究设计了基于主成分分析和线性判别分析（principal component analysis followed by linear discriminant analysis method，P+L）的方法，与判别典型模式匹配算法（Discriminative Canonical Pattern Matching, DCPM）、基于小波分解多特征的支持向量机组合算法对mVEP有无的辨识性能进行了对比。结果表明，P+L方法得到的辨识准确率最高，平均准确率达到79.688%，显著高于使用DCPM方法（p < 0.001）。在此基础上，使用上述三种方法计算了青年人使用相同的AO刺激下的辨识准确率，结果表明使用三种方法辨识mVEP有无在老年组与青年组得到的辨识准确率均无统计学差异(t = 0.2, p = 0.84)，(t = -0.7, p = 0.49)，(t = 1.01, p = 0.328)。除此之外，本研究利用离线采集的数据模拟在线动作观察下异步检测，将P+L方法以异步的模式来检测mVEP与基于卷积神经网络检测SSMVEP的方法进行对比，结果表明，使用P+L方法的检测延时为266.1ms ± 28.6ms，且使用P+L方法的检测延迟和假阳性率（FPR）均显著低于基于CNN方法，如图2所示。
总的来讲，本研究首次提出通过检测AO范式诱发的mVEP而不是检测SSMVEP来构建异步BCI，提供了一种新型的低延迟异步BCI方法，而且相较于青年人，该方法在老年人群中使用没有出现显著的辨识性能降低。
图1 基于 mVEP 的异步检测与传统的异步检测
图2 异步检测mVEP与SSMVEP的TPR、FPR和辨识时延
参考文献：
Ravi, A., Lu, J., Pearce, S., & Jiang, N. (2022). Enhanced System Robustness of Asynchronous BCI in Augmented Reality Using Steady-State Motion Visual Evoked Potential. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 30, 85–95. https://doi.org/10.1109/TNSRE.2022.3140772
Zhang, X., Hou, W., Wang, Y., & Jiang, N. (2023). Low-Latency Asynchronous BCI by Detecting the Motion Onset VEP Induced by the Action Observation Stimulus in Senior. IEEE Transactions on Instrumentation and Measurement. https://doi.org/10.1109/TIM.2023.3320759
Zhang, X., Xu, G., Ravi, A., Pearce, S., & Jiang, N. (2021). Can a highly accurate multi-class SSMVEP BCI induce sensory-motor rhythm in the sensorimotor area? Journal of Neural Engineering, 18(3), 035001. https://doi.org/10.1088/1741-2552/ab85b2