脑机接口技术是一种涉及神经科学 、信号检测、信号处理 、模式识别等多学科的交叉技术，近年来随着神经科学和工程学的长足进展，脑机接口技术愈来愈引起学术界和工业界的关注和重视。本书是第一本讲述脑机接口理论及应用的入门教材。

实现思维和机器的交互是人们长期以来的一个梦想，而神经科学与工程学近期取得的进步使这一梦想变成现实，这使得恢复和增强人类的身体和心理能力成为可能。诸如用于失聪者的人工耳蜗、用于帕金森病患者的脑深度电刺激等医学应用也越来越普遍。脑机接口也称为脑-计算机接口（Brain-Computer Interface, BCI）或称作脑-机器接口（Brain-Machine Interface, BMI），研究人员正在探索将这一技术应用于安保、测谎、警觉性监测、远程监控、游戏、教育、艺术和人体机能增强等方面。
本书对这一领域进行了介绍，它可作为神经工程或BCI方面的本科高年级和研究生一年级的课程教材，同时面向不同学科背景的学生。本书也可用于自学，还可为神经学家、计算机科学家、工程学家和医师提供参考。

本书的主要内容包括
神经科学的基本背景、大脑记录和刺激技术、信号处理和机器学习。
详细描述了用于动物和人类的BCI的主要类型，包括侵入式、半侵入式、非侵入式、刺激型和双向型BCI。
深入讨论了BCI的应用和道德规范。
每一章的问题和习题。
在支撑网站（bci.cs.washington.edu）中列出了与本书内容相关的链接的注释列表。

拉杰什 P. N. 拉奥
（Rajesh P. N. Rao）
美国国家科学基金会（NSF）感觉运动神经工程中心（CSNE）主任，华盛顿大学西雅图分校计算机科学与工程系教授、电子工程和生物工程系兼职教授。他曾经荣获美国国家科学基金会杰出事业奖(NSF CAREER Award)、美国海军研究所杰出青年科学家奖(ONR Young Investigator Award)、斯隆基金学者奖(Sloan Faculty Fellowship)、大卫与露西·帕卡德基金会科学和工程奖(David and Lucile Packard Fellowship for Science and Engineering)。Rao已经在国际学术会议和包括《Science》《Nature》和《PNAS》等顶级科学期刊中发表了150多篇论文，他同时也是《Probabilistic Models of the Brain and Bayesian Brain》期刊的主编。他的研究涉及计算神经科学、人工智能和脑机接口等多学科的交叉领域。他还将所剩不多的业余时间奉献给了印度艺术史研究和对印度河文明留下的古代文字的解读，他以这一主题在TED中发表过演讲。

张　莉
重庆大学副教授， 2002年、2008年在重庆大学电气工程学院分别获得工学硕士学位、工学博士学位。2009年至今在重庆大学从事科研教学工作。2012年在俄勒冈大学访学4个月，2013年至2014年在明尼苏达大学双城校区访学1年。主要从事信号处理、脑机接口等方向的研究，主持并参与了科研项目10余项，发表论文20多篇，获发明专利授权3项。





陈民铀
重庆大学教授，博士生导师，IEEE高级会员，1987年在重庆大学自动化系获硕士学位，1991年当选为中国人工智能学会计算机视觉与智能控制学会理事。1998年在英国谢菲尔德大学自动控制与系统工程系获博士学位。长期从事智能控制与建模、多目标优化、智能信息处理、人工智能的工程应用等方面的研究，主持承担了十多项国家及省部级科技项目，发表科研论文200多篇。

“科学家演示了思维控制的机器人”(PC杂志，2012年7月9日)
“仿生视觉：令人惊叹的全新眼睛芯片帮助两个英国盲人重见光明”（Mirror,2012年5月3日）
“瘫痪者用他们的意识控制机器人”（New York Times,2012年5月16日）
“史蒂芬·霍金试用了能够解读他意识的设备”（New Scientist,2012年7月12日）

这些来自于2012年短短几周中的头条新闻说明了媒体和公众对脑机交互的思想越来越关注。这些新闻中尚未阐述清楚的问题是：（a）当前的脑机接口（brain-computer interface,BCI）能够或不能够完成什么（BCI有时称为BMI，即brain-machine interface）？(b)在神经科学和计算科学中何种技术进步能够使这些BCI实现 (c)有哪些可用的BCI类型？（d）这些BCI有什么应用领域，又会带来哪些伦理上的问题？本书旨在回答这些问题，并为读者提供BCI及BCI技术的系统性知识。
内容概要
本书对脑机接口领域进行了介绍（这个领域也被称作BMI、神经接口、神经修复、神经工程）。在过去几年里，这个领域中已经出版了一些极其有用的书籍（Dornhege等人，2007；Tan & Nijholt,2010;Graimann等人2011;Wolpaw &Wolpaw,2012）。当下，为那些在工程学或神经科学方面没有深厚基础的读者出版一本入门级教材的需求日益增加。本书旨在满足这一需求。本书可以作为高年级本科生和一年级研究生学习脑机接口及神经工程学的教材，还可以作为自学教材，或作为研究者、应用者和那些有兴趣加入这个领域的读者的参考书。
本书先为读者介绍神经科学的基本思想、概念和技术，大脑信号的记录和刺激技术，信号处理和机器学习，然后介绍BCI的主要类型及应用。每章后面的问题和习题让读者能回顾前面的知识并检测自己对本章要点的理解。一些习题（带有标记）让读者可以根据研究刊物及网上获取的最新信息探索本书没有涉及的内容。
本书章节构成如下：第1章到第5章给出了在神经科学和量化技术方面必要的基础知识，以便读者理解构造BCI所使用的术语和方法。在第6章中，通过学习BCI的基本构成，我们开始了进入BCI世界的旅途。本书的下一部分根据使用的信号采集技术，为读者介绍BCI的三个主要类型。第7章描述了侵入式的BCI，这类BCI需要使用植入到大脑内的设备。第8章描述了半侵入式BCI，这类BCI是基于神经信号的设备或安置在大脑表面的设备。第9章介绍了非侵入式BCI，比如采用在头皮上记录的电信号（EEG）。第10章介绍了通过刺激大脑来恢复失去的感觉或运动功能的BCI。第11章介绍了最通用的BCI，即可以记录脑电和刺激大脑的BCI。对每一种类型，本书都举例说明了其经典实验以及当前最新的技术（到2013年为止）。第12章介绍了BCI的一些主要应用。第13章介绍了与BCI技术的发展和使用相关的伦理问题。第14章为总结篇，该章对当前BCI的局限做了小结，并展望了这一领域的发展前景。本书还包括一个附录，给出了BCI所涉及的线性代数和概率论中的基本数学知识。
网址
本书的网址是bci.cs.washington.edu。
由于BCI领域发展迅速，因此该网站会定期更新与BCI研究相关的有用链接。
由于作者水平有限，书中难免会有缺漏和错误，恳请广大读者指正，发现的错误将刊登在本书网站的勘误表上。
封面图像
原书封面是一个使用基于皮质脑电的BCI控制光标的人脑图像(见8.1节)。大脑中明亮的红色区域显示，当受试者通过想象手的运动来控制光标移至电脑屏幕上的目标区域时，运动皮质的手部区域活动会增强。这幅图像由Jeremiah Wander制作,他是华盛顿大学生物医学的研究生，也是该大学网络和神经系统实验室的成员。
致谢
我要感谢来自剑桥大学出版社的Lauren Cowles，尽管多次错过截稿日期，她还是一如既往地对本书写作给予鼓励和支持。也要感谢华盛顿大学的感觉运动神经工程（CSNE）和BCI小组,尤其是我的合作者Jeffrey Ojemann、Reinhold Scherer(现在在TU Graz)、Felix Darvas、Eb Fetz和Chet Moritz，他们为本书写作给予了大量指导，并进行了很多次有价值的讨论。神经系统实验室的学生是BCI研究永不枯竭的灵感和新观点的源泉。他们让我乐此不疲，感谢以下学生：Christian Bell、Tim Blakely、Matt Bryan、Rawichote Chalodhorn、Willy Cheung、Mike Chung、Beau Crawford、Abe Friesen、David Grimes、Yanping Huang、Kendall Lowrey、Stefan Martin、Kai Miller、Dev Sarma、Pradeep Shenoy、Aaron Shon、Melissa Smith、Sam Sudar、Deepak Verma和Jeremiah Wander。Pradeep是我早期教授的一门BCI课程的助教，协助我组织了该课程的结构，这是本书的基础。Sam是后来的一个助教，他对课程材料给予了有价值的建议。Kai帮助建立了与从事BCI研究的医学院的早期合作，他也在实验室开启基于皮质脑电的BCI研究上起了重要作用。
很多基金资助机构支持我的研究及本书的写作，包括美国国家科学基金会（NSF）、帕卡德基金会、美国国立卫生研究院（NIH）、美国海军研究所（ONR）认知科学项目、国家科学基金会下设的感觉神经工程研究中心（CSNE）和陆军研究办公室(ARO)。衷心感谢他们的支持。本书的部分章节是在风景优美的Friday Harbor实验室的Whiteley写作中心完成的，该中心为我迫在眉睫的写作进程提供了良好的环境。
非常感谢我在印度Kendriya Vidyalaya Kanchanbagh（KVK）的老师们，在德克萨斯州安吉罗州立大学的教授们，在美国罗彻斯特大学的博导Dana Ballard，以及我在索尔克研究所的博士后导师Terry Sejnowski，他们对我以后的研究和教学生涯提供了坚实的数学和科学基础。十分感谢我的父母，他们始终给予我支持，并在我小时候就用满屋的书籍激发了我对科学的好奇心。对我的孩子Anika和Kavi，很抱歉在写作期间没能给予他们应有的关怀，但他们依然无条件地支持我。最后，感谢妻子Anu给予我的灵感和坚定不移的支持，这些都伴随着我走过多年的写作时光。没有她，这本书便不可能完成。

计算机科学及应用

实现思维和机器的交互是人们长期以来的一个梦想，而神经科学与工程学近期取得的进步使这一梦想变成现实，这使得恢复和增强人类的身体和心理能力成为可能。诸如用于失聪者的人工耳蜗、用于帕金森病患者的脑深度电刺激等医学应用也越来越普遍。脑机接口(Brain-computer interface, BCI)也称作人机接口(Brain-machine interface, BMI)，研究人员正在探索将这一技术应用于安保、测谎、警觉性监测、远程监控、游戏、教育、艺术和人体机能增强等方面。
本书对这一领域进行了介绍，它可作为神经工程或BCI方面的本科高年级和研究生一年级的课程教材，同时面向不同学科背景的学生。本书也可用于自学，还可为神经学家、计算机科学家、工程学家和医师提供参考。
本书的主要内容包括：
　神经科学的基本背景、大脑记录和刺激技术、信号处理和机器学习
　详细描述了用于动物和人类的BCI的主要类型，包括侵入式、半侵入式、非侵入式、刺激型和双向型BCI
　深入讨论了BCI的应用和道德规范
　每一章的问题和习题
　在支撑网站(bci.cs.washington.edu)中列出了与本书内容相关的链接的注释列表

[印度]拉杰什 P.N.拉奥 （Rajesh P. N. Rao）著：Rajesh P.N. Rao是位于西雅图的华盛顿大学计算机科学与工程系的副教授。他曾经荣获美国国家科学基金会杰出事业奖(NSF CAREER Award)、美国海军研究所杰出青年科学家奖(ONR Young Investigator Award)、斯隆基金学者奖(Sloan Faculty Fellowship)、大卫与露西•帕卡德基金会科学和工程奖(David and Lucile Packard Fellowship for Science and Engineering)。Rao已经在国际学术会议和包括《Science》《Nature》和《PNAS》等顶级科学期刊中发表了150多篇论文，他同时也是《Probabilistic Models of the Brain and Bayesian Brain》期刊的主编。他的研究涉及计算神经科学、人工智能和脑机接口等多学科的交叉领域。他还将所剩不多的业余时间奉献给了印度艺术史研究和对印度河文明留下的古代文字的解读，他以这一主题在TED中发表过演讲。

张莉　陈民铀 译：暂无简介

脑机接口(Brain Computer Interface，BCI)是近年出现的涉及神经科学、认知科学、计算机科学、控制及信息科学与技术、医学等多学科、多领域的人机接口方式，是在大脑与外部环境之间建立的神经信息交流与控制通道。BCI通过采集与提取大脑产生的脑电信号来识别人的思想，据此生成控制信号来完成大脑与外部设备进行信息传递与控制的任务，实现中枢神经系统与体内或体外设备之间的直接交互，使得恢复甚至增强人类的身体和心理能力成为可能。一个标准的BCI系统可以准确、快速地采集、识别出人脑在各种思想活动下的脑电信号。其中直接电刺激和神经活动记录是实现BCI的两个基本工具，在各种BCI的实现中具有重要作用。已有相关研究展示了基于直接电刺激的输入型脑机接口在深度脑刺激、反应性电刺激和感觉功能修复等应用中的重大作用。而基于记录神经活动的输出型BCI在神经解码、感觉功能修复、运动机能重建、智能假肢控制、人体生理机能的增强和扩展等领域展示出了极好的应用前景。BCI在神经科学、临床医学、认知科学、信息科学以及航空、军事、教育、艺术、智力开发、生活娱乐、康复工程等多个领域具有极高的应用价值和广阔的应用前景。
20世纪90年代以来，BCI的研究受到国内外科技界的高度关注，脑科学和智能科学已被许多国家纳入国家科技发展规划，作为重点发展的研究方向之一。尽管近二十年来BCI的研究在信号处理、特征提取、模式识别与分类以及系统实现等方面都取得了大量的研究成果，但目前BCI技术和系统的研发仍处于初期阶段，实际应用的BCI系统为数不多，在脑电信号的综合处理、特征提取、多模式分类、实时BCI系统实现等方面尚有诸多技术难题有待解决。研究人员正在力图提高BCI的实用性、可靠性与安全性，使BCI技术能发挥更大的作用，更好地为人类服务。
事实上，自20世纪70年代提出BCI以来，围绕BCI的研发就一直是智能科学领域的一个热点问题，有关BCI研究的学术论文和研究成果报道近二十年来呈现快速增长势头。随着科技界、产业界对BCI研究成果关注度的不断提高，以及对BCI应用系统的开发和产业化的需求日益增长，对从事BCI研究的专业人员的系统性培训和相应的专业教材及参考书的需求也会与日俱增。然而，目前系统性地阐述BCI的教材和专著很少，我国目前尚未见此类著作。为满足国内广大相关专业人员和读者的需求，我们翻译了本书。本书作者Rajesh P.N.Rao博士是美国华盛顿大学计算机科学与工程系副教授，长期从事计算神经科学、人工智能和BCI领域的研究，曾荣获美国国家科学基金委员会杰出事业奖(NSF CAREER Award)和杰出青年科学家奖(ONR Young Investigator Award)。Rao博士在《Science》《Nature》和《PNAS》等顶级科学期刊以及国际学术会议上发表了150多篇论文，在BCI研究领域积累了丰富的经验。而本书正是融合了这些宝贵的经验形成的，是一部全面、系统性地介绍BCI的专业性著作。本书从BCI的数学和神经科学基础、信号处理、特征提取、模式分类、机器学习、各类BCI系统的实现等方面，系统性地阐述了BCI的基础研究、技术开发、实验设计、应用领域以及社会伦理等问题，并配有相应的习题和思考题。本书可以作为具有相关学科背景的本科高年级和研究生一年级学生在BCI与神经工程学方面的课程教材，也可以作为相关专业人员的自学教材。对于BCI的研究人员、应用开发人员和那些有兴趣关注这个领域的读者来说，本书也是一本不可多得的专业参考书。
对译者来说，本书专业性强、涉及面宽，翻译过程也是一个学习、总结和提高的过程，这里要特别感谢谭学敏、黎昌盛、蔡怡等研究生在本书译校工作中的辛勤付出，同时对参与本书译校工作的张乐平、李阳等一并表示感谢。由于译者的时间和水平有限，翻译中的疏漏和错误在所难免，请读者和同行不吝指正。

张莉、陈民铀
2016年4月于重庆大学

出版者的话
译者序
前言
第一部分　背景知识
第1章　引言2
第2章　神经科学基础4
　2.1　神经元4
　2.2　动作电位或锋电位5
　2.3　树突和轴突5
　2.4　突触5
　2.5　锋电位的产生6
　2.6　神经连接的调节：突触可塑性7
　　2.6.1　LTP7
　　2.6.2　LTD7
　　2.6.3　STDP7
　　2.6.4　短期激励和抑制8
　2.7　大脑组织、解剖学结构和功能9
　2.8　小结11
　2.9　问题和习题11
第3章　记录大脑信号和刺激大脑12
　3.1　记录大脑信号12
　　3.1.1　侵入式技术12
　　3.1.2　非侵入式技术17
　3.2　刺激大脑22
　　3.2.1　侵入式技术22
　　3.2.2　非侵入式技术23
　3.3　同步记录和刺激24
　　3.3.1　多电极阵列24
　　3.3.2　神经芯片25
　3.4　小结26
　3.5　问题和习题26
第4章　信号处理28
　4.1　锋电位分类28
　4.2　频域分析29
　　4.2.1　傅里叶分析29
　　4.2.2　离散傅里叶变换32
　　4.2.3　快速傅里叶变换33
　　4.2.4　频谱特征33
　4.3　小波分析33
　4.4　时域分析34
　　4.4.1　Hjorth参数34
　　4.4.2　分形维数35
　　4.4.3　自回归模型36
　　4.4.4　贝叶斯滤波36
　　4.4.5　卡尔曼滤波38
　　4.4.6　粒子滤波40
　4.5　空间滤波41
　　4.5.1　双极、拉普拉斯和共同平均参考41
　　4.5.2　主成分分析41
　　4.5.3　独立分量分析44
　　4.5.4　共空间模式46
　4.6　伪迹去除技术48
　　4.6.1　阈值法48
　　4.6.2　带阻和陷波滤波48
　　4.6.3　线性模型49
　　4.6.4　主成分分析49
　　4.6.5　独立分量分析51
　4.7　小结51
　4.8　问题和习题51
第5章　机器学习54
　5.1　分类技术54
　　5.1.1　二分类54
　　5.1.2　集成分类技术59
　　5.1.3　多分类61
　　5.1.4　分类性能的评估64
　5.2　回归方法66
　　5.2.1　线性回归67
　　5.2.2　神经网络与反向传播算法68
　　5.2.3　径向基函数网络70
　　5.2.4　高斯过程71
　5.3　小结73
　5.4　问题和习题73
第二部分　构建系统
第6章　构建BCI78
　6.1　BCI的主要类型78
　6.2　对构建BCI有用的大脑反应78
　　6.2.1　条件反射78
　　6.2.2　集群行为79
　　6.2.3　想象运动和认知行为79
　　6.2.4　刺激诱发行为80
　6.3　小结80
　6.4　问题和习题81
第三部分　BCI的主要类型
第7章　侵入式BCI84
　7.1　侵入式BCI的两个主要范式84
　　7.1.1　基于操作性条件反射的BCI84
　　7.1.2　基于集群解码的BCI86
　7.2　应用于动物的侵入式BCI87
　　7.2.1　控制假臂和手的BCI87
　　7.2.2　控制下肢的BCI98
　　7.2.3　控制光标的BCI100
　　7.2.4　认知型BCI104
　7.3　应用于人的侵入式BCI108
　　7.3.1　植入多电极阵列控制光标和机器人108
　　7.3.2　认知型BCI111
　7.4　侵入式BCI的长期使用112
　　7.4.1　BCI的长期使用和稳定皮质代表区的形成112
　　7.4.2　植入人脑的BCI的长期使用114
　7.5　小结114
　7.6　问题和习题114
第8章　半侵入式BCI117
　8.1　基于皮质脑电信号（ECoG）的BCI117
　　8.1.1　基于ECoG的动物用BCI117
　　8.1.2　基于ECoG的人用BCI118
　8.2　基于外周神经信号的BCI134
　　8.2.1　神经型BCI134
　　8.2.2　目标肌肉神经分布重建135
　8.3　小结137
　8.4　问题和习题138
第9章　非侵入式BCI140
　9.1　基于脑电信号的BCI140
　　9.1.1　振荡电位和ERD140
　　9.1.2　慢皮质电位148
　　9.1.3　运动相关电位151
　　9.1.4　刺激诱发电位153
　　9.1.5　基于意识任务的BCI158
　　9.1.6　BCI的错误电位159
　　9.1.7　互适应型BCI160
　　9.1.8　分层型BCI161
　9.2　其他非侵入式BCI:fMRI、MEG和fNIR162
　　9.2.1　基于功能性磁共振成像的BCI162
　　9.2.2　基于脑磁图的BCI162
　　9.2.3　基于功能性近红外光学成像的BCI164
　9.3　小结164
　9.4　问题和习题165
第10章　BCI的刺激修复作用167
　10.1　感觉功能恢复167
　　10.1.1　恢复听力：人工耳蜗167
　　10.1.2　恢复视力：皮质和视网膜的植入169
　10.2　运动恢复171
　10.3　感觉扩增172
　10.4　小结173
　10.5　问题和习题173
第11章　双向与循环型BCI175
　11.1　通过刺激产生直接的皮质指令控制光标175
　11.2　使用BCI和体觉刺激实现主动触觉探索178
　11.3　迷你机器人的双向BCI控制180
　11.4　通过功能性电刺激实现肌肉的脑皮质控制182
　11.5　建立脑区间的新联系183
　11.6　小结186
　11.7　问题和习题186
第四部分　应用和伦理
第12章　BCI的应用190
　12.1　医学领域的应用190
　　12.1.1　感觉恢复190
　　12.1.2　运动恢复190
　　12.1.3　认知恢复191
　　12.1.4　康复治疗191
　　12.1.5　使用菜单、光标和拼写器实现交流191
　　12.1.6　脑控轮椅192
　12.2　非医学领域的应用193
　　12.2.1　网页浏览和虚拟世界导航193
　　12.2.2　机器人替身195
　　12.2.3　高流通量的图像搜索197
　　12.2.4　测谎和法律领域的应用199
　　12.2.5　警觉性监测202
　　12.2.6　估算认知负荷204
　　12.2.7　教育和学习206
　　12.2.8　安保、身份识别和验证208
　　12.2.9　利用外骨骼扩增身体能力209
　　12.2.10　记忆和认知的放大209
　　12.2.11　航空领域的应用211
　　12.2.12　游戏和娱乐213
　　12.2.13　脑控制艺术214
　12.3　小结216
　12.4　问题和习题216
第13章　脑机接口的道德规范218
　13.1　医学、健康和安全问题218
　　13.1.1　平衡风险和利益218
　　13.1.2　知情同意219
　13.2　BCI技术的滥用219
　13.3　BCI的安全性和隐私性220
　13.4　法律问题220
　13.5　道德和社会公平问题221
　13.6　小结222
　13.7　问题和习题222
第14章　结论224
附录A　数学背景知识226
参考文献237
索引248