编辑推荐：
为解决当前脑机接口（BCI）在通信速度和准确性方面的问题，研究人员开展了语义神经解码应用于 BCI 的可行性研究。通过对 12 名参与者同步进行脑电图（EEG）和近红外光谱（fNIRS）记录等实验，提供了相关数据集，为语义 BCI 研究提供了宝贵资源。
在科技飞速发展的当下，脑机接口（Brain-Computer Interface，BCI）成为了众多科研人员关注的焦点。它就像一座桥梁，试图在大脑与外部设备之间建立起直接的联系，绕过传统的肌肉骨骼系统，实现人类与机器的 “无缝对话”。然而，当前的 BCI 却面临着诸多挑战，其中最为突出的便是通信速度和准确性问题，这使得它们在实际应用中远远逊色于传统的交流方式。
为了突破这些困境，语义 BCI 应运而生。它借助语义神经解码技术，有望实现概念意义的直接传输，与现有的逐个字符拼写的 BCI 系统相比，这种方式更加直观高效。但在实际应用前，仍有诸多疑问亟待解答：语义 BCI 能否达到实际使用所需的准确性和速度？如何找到一种既有效又适合 BCI 应用的研究方法？
带着这些问题，英国埃塞克斯大学（University of Essex）的研究人员展开了深入探索。他们的研究成果发表在《Scientific Data》上，为该领域带来了新的曙光。
研究人员采用了同步脑电图（Electroencephalography，EEG）和近红外光谱（Functional Near-Infrared Spectroscopy，fNIRS）记录技术进行实验。实验招募了多批参与者，数据集 1 选取了 12 名以英语为母语的右利手人员，数据集 2 则招募了 7 名右利手人员 。
在实验过程中，参与者需要完成一系列精心设计的心理任务。对于数据集 1 的参与者，他们要在看到动物或工具的图像后，依次进行无声命名、视觉意象、听觉意象和触觉意象这 4 种任务。而数据集 2 的参与者只专注于听觉意象任务，但任务时长有所延长。实验中使用的刺激图像来自 18 种动物和 18 种工具，这些图像经过精心处理，以确保实验的准确性和可靠性。
在数据采集方面，EEG 数据通过 BioSemi ActiveTwo 系统进行记录，fNIRS 数据则借助 NIRx NIRScoutXP 连续波成像系统采集。为了保证数据质量，研究人员在数据采集前后采取了多种质量控制措施。例如，通过监测 EEG 电极的电压偏移和 fNIRS 通道的校准情况来评估信号质量 。
研究结果表明，通过对同步 EEG 和 fNIRS 数据的分析，有可能区分动物和工具这两个语义类别。在不同的心理任务中，大脑活动呈现出不同的模式，这些模式为语义解码提供了关键线索。比如，在听觉意象和触觉意象任务中，某些脑区的活动变化与语义类别密切相关。
在研究结论和讨论部分，这些数据集的重要意义得以凸显。它们为研究语义神经解码、BCI 以及心理意象的科研人员提供了宝贵的资源。尽管目前研究存在样本量相对较小的局限性，可能会影响研究结果的普遍性和结论的可靠性，但这也为后续研究指明了方向。未来研究可以在此基础上，扩大样本规模，进一步探索语义 BCI 的潜力，推动其向更实用、更高效的方向发展。这项研究就像一颗启明星，为脑机接口领域照亮了前行的道路，激励着更多科研人员在这个充满挑战与机遇的领域不断探索创新。
