【儀表網(wǎng) 研發(fā)快訊】 隨著非侵入式腦機接口(BCI)技術(shù)在智能控制及物聯(lián)網(wǎng)(IoT)等領(lǐng)域的持續(xù)發(fā)展，基于運動想象(MI)的神經(jīng)信號解碼正成為構(gòu)建自然、高效人機通信通道的關(guān)鍵手段。BCI 系統(tǒng)通過解讀腦電(EEG)信號，將神經(jīng)活動轉(zhuǎn)化為控制假肢、輪椅等輔助技術(shù)的指令，同時也展現(xiàn)出在智能家居設備等物聯(lián)網(wǎng)場景中實現(xiàn)免手動交互的潛力，這一能力尤其為行動不便人群提供了更高的可及性與便利性。而現(xiàn)有解碼方法存在明顯不足：傳統(tǒng)卷積核難以捕捉腦電等非網(wǎng)格數(shù)據(jù)的空間依賴關(guān)系，而即便用圖神經(jīng)網(wǎng)絡(GNN)將EEG通道建模為圖節(jié)點，傳統(tǒng)方法也只能體現(xiàn)電極間的兩兩關(guān)系，忽略了大腦節(jié)點在認知任務中的協(xié)同特性，導致關(guān)鍵關(guān)聯(lián)信息缺失。
 

　　針對上述挑戰(zhàn)，中國科學院上海高等研究院(以下簡稱“上海高研院”)智能信息中心下一代移動通信網(wǎng)絡團隊提出一種具備多節(jié)點信息聚合能力的輕量級算法，該技術(shù)立足于運動想象范式，引入最短路徑算法和可學習嵌入向量捕捉腦區(qū)協(xié)作路由信息，并通過節(jié)點關(guān)系融合層(NFL)與其它點、面類節(jié)點信息共同構(gòu)建多腦區(qū)協(xié)同圖結(jié)構(gòu)，突破傳統(tǒng)圖神經(jīng)網(wǎng)絡僅表征兩兩電極關(guān)系的局限，形成兼具空間關(guān)聯(lián)性與路徑協(xié)同性的輕量級解碼框架，不僅能突破傳統(tǒng)方法對腦電信號空間關(guān)聯(lián)的建模局限，更能通過降低計算復雜度與參數(shù)規(guī)模，顯著提升腦機通信系統(tǒng)在資源受限物聯(lián)網(wǎng)設備中的適配性，為推動新一代腦機接口技術(shù)在智能家電控制、可穿戴設備等領(lǐng)域的規(guī)模化部署奠定技術(shù)基礎(chǔ)。相關(guān)研究成果以 NexusNet: Lightweight Graph Modeling for Motor Imagery-based Brain-computer Interfaces 為題，發(fā)表于信號處理領(lǐng)域國際SCI期刊 IEEE Internet of Things Journal，為推動非侵入式腦機通信系統(tǒng)在資源受限設備上應用提供了新的方法路徑。
 

圖1.所提技術(shù)架構(gòu)
 

　　研究團隊提出基于NexusNet的跨域適應語義增強運動想象解碼框架，創(chuàng)新性構(gòu)建多維度協(xié)同圖建模機制。該框架通過Nexus融合層(NFL)實現(xiàn)四維度神經(jīng)關(guān)聯(lián)建模：空間關(guān)聯(lián)(Spatial Nexus)采用量化歐氏距離矩陣表征電極拓撲關(guān)系，通過可學習標量動態(tài)調(diào)整空間權(quán)重，解決傳統(tǒng)歐氏距離建模中的計算冗余問題；路由關(guān)聯(lián)(Route Nexus)基于弗洛伊德最短路徑算法，以腦區(qū)跨域標簽標記神經(jīng)通路，捕捉大腦節(jié)點協(xié)作時的長距離信息傳遞模式；鄰居關(guān)聯(lián)(Neighbor Nexus)通過鄰接矩陣對稱歸一化處理，強化局部電極間的直接交互影響；中心性關(guān)聯(lián)(Centrality Nexus)以節(jié)點度向量嵌入表征電極重要性，平衡網(wǎng)絡信息傳播權(quán)重。所提算法在BCIC IV 2A運動想象四分類數(shù)據(jù)集上以約3440個可學習參數(shù)實現(xiàn)78.78%的四分類準確率，浮點運算量僅0.88M，邊緣設備(CPU環(huán)境)推理時延降低至同水平算法的5%-30%。在智能家居控制、可穿戴康復設備等實時交互場景中，其無需模型微調(diào)即可適應不同用戶的神經(jīng)信號特性，為解決腦電信號時變性強、個體差異顯著的行業(yè)痛點提供了兼具實時性與泛化能力的新型解碼方案。
 

圖2. 所提技術(shù)在 BCIC IV 2A數(shù)據(jù)集上的路由權(quán)重可視化結(jié)果
 

　　研究工作由中國科學院上海高等研究院牽頭，聯(lián)合了上海大學微電子學院副院長周婷教授團隊協(xié)作完成。論文第一作者為智能信息中心碩士研究生汪梓凱，論文通訊作者為智能信息中心胡宏林研究員。本工作得到了國家自然科學基金和上海市經(jīng)信委高質(zhì)量發(fā)展專項基金的資助支持。