超越闪烁：引入用于脑机接口的编码调制运动视觉诱发电位

《Frontiers in Neuroergonomics》：Beyond flickering: introducing code-modulated motion visual evoked potentials for brain-computer interfacing

　　

本研究提出了一种用于脑机接口（BCI）的全新编码调制运动视觉诱发电位范式。为了避免通常与传统闪烁刺激相关的视觉不适和疲劳，该范式使用伪随机序列通过运动对物体进行视觉刺激。研究人员分别进行了离线和在线实验，以研究信号特征并评估实际可行性。在离线实验中，记录并比较了在四种条件下单目标顺序刺激时的脑电图（EEG）数据：c-MVEP、编码调制视觉诱发电位、稳态运动视觉诱发电位和稳态视觉诱发电位。c-MVEP 引发了与 c-VEP 相似的时间和宽带频谱响应，具有可比的信噪比（SNR），尽管 c-MVEP 响应更集中在较低频率范围。虽然 SSMVEP 和 SSVEP 都显示出清晰的谐波振荡，但 SSVEP 产生了更高的 SNR。在空间分布上，两种基于运动的刺激在 Oz 处达到峰值，但分布在多个电极上，而两种基于闪烁的刺激更局部地集中在 Oz。在在线实验中，研究人员使用相同的四种条件评估了四目标 BCI，测试了 c-MVEP 范式的实际可行性。c-MVEP BCI 达到了 85.67% 的平均准确率，平均选择时间为 2.61 s，这显著低于 c-VEP（97.81%；1.15 s）和 SSVEP（93.42%；1.94 s），但显著高于 SSMVEP（64.91%；4.18 s）。主观评分显示，基于运动和基于闪烁的范式之间没有明显的偏好，表明用户舒适度相当。总体而言，本研究展示了新提出的 c-MVEP 范式的巨大潜力。通过为传统的 c-VEP 和 SSVEP 提供一种有效的、非闪烁的替代方案，c-MVEP 为用户友好的 BCI 应用提供了一种高度可行的途径。

脑机接口（BCI）系统通过绕过肌肉参与实现人脑与外部设备的实时通信，通常使用脑电图（EEG）非侵入式测量神经活动。对于肌肉功能受损或丧失的用户，BCI系统可以通过外部刺激实现拼写器等通信或控制应用。在视觉刺激范式中，编码调制视觉诱发电位和稳态视觉诱发电位能够实现高信息传输率（ITR，衡量BCI系统通信速度的指标）。然而，这些基于高对比度闪烁的刺激往往会引起视觉与精神疲劳以及眼疲劳。虽然稳态运动视觉诱发电位通过连续运动替代闪烁以减轻疲劳，但其整体性能显著落后于 SSVEP 和 c-VEP，且被试间变异性较大。为了解决性能与舒适度之间的矛盾，研究人员提出了一种全新的编码调制运动视觉诱发电位范式。该研究假设结合运动刺激与编码调制能够在提升用户舒适度的同时，提供比基于频率的 SSMVEP 更可靠的控制。研究结果显示，c-MVEP 能够诱发与 c-VEP 相似的宽带响应，并在在线 BCI 应用中显著优于 SSMVEP。该研究证明了 c-MVEP 作为一种无闪烁替代方案的巨大潜力，为对闪烁刺激敏感的用户提供了可靠且舒适的选择。该论文发表在《Frontiers in Neuroergonomics》。

该研究招募了 28 名视力正常或矫正正常且无光敏性癫痫史的受试者（其中离线实验 9 名，在线实验 19 名有效数据），实验经杜伊斯堡-埃森大学医学系伦理委员会批准。研究采用 g.USBamp 放大器和 16 通道头皮电极采集采样频率 F_s 为 600 Hz 的 EEG 信号。刺激范式采用 2×2 因子设计，对比了 c-MVEP、c-VEP、SSMVEP 和 SSVEP 四种条件。c-MVEP 和 SSMVEP 采用径向缩放运动刺激，其中 c-MVEP 使用经过正弦函数平滑处理的伪随机 m-序列（一种具有良好自相关特性的最大长度序列），其多项式为 p(x) = x⁵+x²+1；c-VEP 和 SSVEP 采用黑白闪烁。在线 BCI 系统采用模板匹配的典型相关分析（CCA，一种多变量统计分析方法）分类器，结合动态停止和滑动窗口策略进行解码。

Experiment 1: offline response analysis
Characteristics of response：通过离线单目标刺激实验发现，c-MVEP 与 c-VEP 均引发了宽带频率响应，且未见特定窄带峰值，c-MVEP 的响应更集中于低频范围，并在 20 Hz 处出现峰值。空间分布上，c-MVEP 在 Oz 处达到峰值并扩散至多个电极，而 c-VEP 更集中于 Oz。SSMVEP 和 SSVEP 表现出基频及谐波的正弦响应模式，SSVEP 的信噪比（SNR，信号功率与噪声功率的比值）显著高于 SSMVEP。运动刺激在 Oz 周围的扩散程度大于闪烁刺激。
Subjective rating：通过离线实验后的问卷调查发现，在视觉不适、专注度、干扰等方面，四种条件之间均未发现显著差异。

Experiment 2: online BCI application
BCI performance：通过在线四目标 BCI 选择任务发现，c-VEP 准确率最高（97.81%）且选择时间最短（1.15 s），其 ITR 最高（35.56 bits/min）。c-MVEP 的准确率（85.67%）、选择时间（2.61 s）和 ITR（20.11 bits/min）均显著优于 SSMVEP（64.91%；4.18 s；10.13 bits/min），但低于 c-VEP 和 SSVEP。研究发现，当达到最大试验持续时间时如果强制进行分类，c-MVEP 仍能达到 87.0% 的平均准确率。添加运动对 SSVEP 准确率的降低幅度显著大于对 c-VEP 的降低幅度。
Subjective rating：通过在线实验后的问卷及偏好测试发现，各条件在疲劳、不适等方面无显著差异。被试在基于运动与基于闪烁的范式之间，在易于专注、眼疲劳及总体偏好上均未表现出显著差异。

在讨论部分，研究人员指出，尽管 c-MVEP 的振幅较低且被试间变异性较大，但其成功诱发了编码调制的宽带响应。与 SSMVEP 相比，c-MVEP 在准确率、选择时间和 ITR 上均表现出显著优势，证实了编码调制在运动范式中的优越性。然而，基于闪烁的范式整体性能仍优于运动范式。主观问卷显示，运动刺激并未带来预期的舒适度提升，这可能与本研究采用了较低的 20 Hz 呈现率有关。研究存在一定局限性，如离线样本量较小、使用的基础模板匹配分类器未针对协议优化、以及缩放运动幅度和刺激尺寸需进一步调整。具体而言，当采用尺寸变化刺激时，中心点应与闪烁刺激的尺寸对应，使 50% 缩放对应于在 75% 到 125% 之间缩放。未来研究应探索更优的解码方法（如基于反卷积的 CCA）和更不具侵入性的运动刺激（如仅移动纹理而非整个刺激），并验证在更多目标布局下的效果，同时强调为用户提供个性化 BCI 选择的重要性。

研究结论部分翻译如下：本研究首次提出了全新的 c-MVEP 视觉刺激范式，旨在结合 c-VEP 的高性能与 SSMVEP 的舒适度。通过系统性比较发现，c-MVEP 在准确率、选择时间和 ITR 方面均优于 SSMVEP，但闪烁刺激的整体性能仍优于运动刺激。各条件间的用户舒适度相当，无显著偏好差异。总之，研究提出了一种新型视觉刺激范式，可作为当其他范式无效或使用户感到不适时的竞争性替代方案。本研究迈出了迈向无闪烁 c-VEP BCI 的第一步，证明了 c-MVEP 能够实现可靠的性能且舒适度与标准 c-VEP 和 SSMVEP 相当，凸显了其为偏好避免闪烁刺激的用户创建有效替代 BCI 应用的潜力。