當你點開這篇文章，你的大腦中正在發生什么？換句話說，你的大腦中，哪些區域處于活動狀態，哪些神經元正在與其他神經元“交談”，以及它們合謀向你的肌肉發送了什么信號？

如何將神經活動映射到相應的行為，是神經科學家們開發腦機接口（BMI）的重要研究方向。與之息息相關的人機界面，被用于讀取和解釋腦活動并將指令傳輸到計算機或機器。

盡管這聽起來非常科幻，但現有的BMI成果已經能夠實現將癱瘓的人與機械臂相互連接，并能解釋人的神經活動和意圖，進而相應地移動機械臂（加州理工團隊有過類似的進展）。

不過，這一類的BMI進展，仍需要使用硬件設備進行侵入性腦部手術，才能實現神經活動的讀取。

直到最近，神經科學頂級期刊Neuron在線發表了一項振奮人心的研究：一支科學家團隊實現了用超聲波讀取猴腦，成功預測其運動意圖。

參與這項研究的機構包括美國加州理工學院、陳天橋雒芊芊腦機接口中心（T&C Chen Brain-Machine Interface Center）等，研究通訊作者之一是陳天橋雒芊芊腦機接口中心主任Richard Andersen教授。論文題為Single-trial decoding of movement intentions using functional ultrasound neuroimaging。

Science在對這項進展的報道中寫道：這為“更低創的腦機接口”鋪平了道路。

未參與該研究的斯坦福大學神經學家Krishna Shenoy稱：“這項研究將超聲波技術納入到腦機接口領域，令人驚嘆。”

超聲波“讀腦”

具體而言，研究團隊利用超聲波成像，預測猴子眼/手的運動信息，并根據這些信息生成機器人臂或電腦光標指令。對這一方法加以改進，將有望為癱瘓病人提供一種無需穿透大腦便可控制假肢的新方法。 “由于神經損傷或疾病而失去活動能力的人，已經通過侵入式腦機技術獲得運動能力。不幸的是，只有少數癱瘓最嚴重的人才有資格并且愿意將電極植入他們的大腦。而功能超聲是一種令人興奮的新方法，它可以在不損害腦組織的情況下記錄詳細的腦部活動。我們突破了超聲神經成像的極限，并為它可以預測運動而感到興奮。最重要的是，fUS是一項具有巨大潛力的年輕技術，這是我們為更多人帶來高性能、低侵入性BMI的第一步”，論文一作Sumner L. Norman表示。 這項進展之前，超聲波在醫學領域的應用并不罕見。長期以來，醫生們一直使用該技術對內臟進行成像，比如通過其反射來指示體內不同組織與體液之間的邊界。 大約十年前，研究人員發現了一種將超聲波用于腦部成像的方法，即fUS（functional ultrasound）。該方法使用寬而平的聲平面替代狹窄的波束，使得其能夠比傳統超聲更快地捕捉到大面積的聲音。

與功能性磁共振成像（fMRI）一樣，fUS可以通過測量血流的變化，指示神經元活躍及耗能時間。其圖像比功能磁共振成像分辨率更高，受試者也不需要躺進巨大的掃描儀。 論文作者之一、加州理工學院神經學家Richard Andersen指出，此技術仍需要切除一小塊頭骨，但與直接讀取神經元電活動的植入電極不同，不必打開大腦的保護膜（brain’s protective membrane）。fUS可以在不穿透組織的情況下讀取大腦深處的區域活動。 不過，遠距離測量神經活動，這意味著會犧牲一些速度和精度。

論文作者之一、加州理工學院生化工程師Mikhail Shapiro說，與電極讀數相比，fUS提供的信號顯得“不太直接”，所以這就有一個問題：超聲波圖像真正包含了多少信息？

這些圖像可以揭示意圖產生時大腦的神經活動，但是，所得信號中，讓計算機能夠解碼預期運動的信息充足嗎？ 為了找到答案，研究人員在兩只恒河猴的頭骨上植入了一些小的超聲波傳感器，大小和形狀大致相當于多米諾骨牌。這個裝置通過一根電線連接到一臺電腦上，將聲波定向到大腦中一個涉及運動意圖的區域后頂葉皮質，以100微米的分辨率（單個神經元的大小約為10微米）繪制精確區域的大腦活動圖。 研究人員訓練猴子把眼神集中在屏幕中央的一個小點上，而在屏幕左側或右側，則另一個小點不斷閃爍。當中心的點消失時，動物們很自然地將眼睛移到閃爍點附近。另一組實驗中，猴子則需要用手操作操縱桿完成上述移動。 接下來，研究人員希望知道，記錄而得的fUS圖像中，與活動有關的變化是否可以用于解碼非人類靈長類動物的意圖，進而通過機器學習算法處理超聲成像數據和相應的任務。

算法將負責學習哪種大腦活動模式與哪些任務相關，一旦對算法進行了訓練，研究人員就會向其展示從非人類靈長類動物中實時收集的超聲數據。之后，計算機算法將超聲波數據轉化為對猴子意圖的猜測。

算法可以確定動物準備進行移動的時間，并顯示這些猴子是計劃轉動眼球還是要伸展手臂。結果顯示，在預測動作是向左還是向右上，眼球運動的預測準確率約為78%，而手部則約為89%。 此前曾有研究利用猴子大腦的fUS數據，來重建動物所看到的東西或眼球運動。但要做到這一點，就需要拉平長時間或多次運動收集到的信號。在這項新的研究中，研究人員收集了足夠多的數據，使得其在每次猴子意圖運動時，都能做出預測。

真正可用的腦機接口還遠嗎？

根據加州理工學院介紹，這項合作研究，源于2015年Shapiro邀請fUI領域的先驅Mickael Tanter教授在加州理工學院做一個研討會。

事實上，加州理工學院的腦機接口研究屬世界一流水平。而對國內普通大眾而言，這一認知恐怕還與一個頂尖富豪的名字有關——陳天橋。

巧合的是，就在這項研究發表前不久，國內互聯網大佬黃錚宣布退休投入生命科學領域。而在他之前，對投入生命科學持如此決心和姿態的互聯網焦點人物，正是陳天橋。

這位昔日的中國互聯網之王和首富，曾在2016年做出一個讓業界震驚的決定：投入生命科學領域，向加州理工學院捐贈1.15億美金，創立陳天橋雒芊芊研究院（TCCI），以推進腦科學研究。后TCCI又與加州理工共建陳天橋雒芊芊腦機接口中心。“人類多年的發展并沒有解決大腦和宇宙這兩件事情”，陳天橋曾如此闡述自己投資大腦科學的初衷。

同樣是在2016年，馬斯克也進軍該領域，只不過是以商業公司的形式，成立了Neutralink。2020年，該公司還高調召開發布會宣布階段性成果（見“數據實戰派”報道：馬斯克首次NeuraLink發布會，應該如何批判性看待？），更讓腦機接口技術迎來了前所未有的關注，甚至大幅提高了普通民眾對這一技術的落地時間表期待。

那么，這次的研究進展會加速這個“時間表”嗎？

Shenoy表示，考慮到反應速度及可解碼動作的復雜性，fUS“在接近已有植入技術的水平前還有一段路要走”，因為，不僅是向左或向右，電極植入技術已經可以完成多個方向的預期手臂運動解碼了。下一步的關鍵，是利用計算機的實時預測來操縱機器人手臂或光標。

Max Planck神經生物學研究所（Max Planck Institute of Neurobiology）的神經科學家Emilie Macé補充道，由于血流信號比電信號更遲鈍，所以速度是功能超聲“天生缺陷”。她指出，研究人員解碼猴子的運動意圖大約需要2秒鐘。 Macé提出了這些技術未來發展的一些思路，其中包括用3D成像替換平面成像來收集更多組織信息。

“這項技術的潛能還沒有完全發揮出來。”

原文標題：陳天橋雒芊芊腦機接口中心等團隊新成果：超聲波“讀腦”，用思想控制機器的新方法

文章出處：【微信公眾號：傳感器技術】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq