核心术语与指标
本节给出 BCI 领域最核心的 20 余个术语和指标的精确定义。后续章节会不加解释地使用它们。
一、系统角色术语
解码器 vs 编码器（Decoder / Encoder）
- 解码器（Decoder）：从神经活动中推断用户的意图或状态。数学上是一个函数 \(f: \text{neural signal} \to \text{intent}\)。这是"读脑"。
- 编码器（Encoder）：把外部信息（视觉图像、触觉事件）转化为刺激模式写入神经系统。数学上是一个函数 \(g: \text{info} \to \text{stim pattern}\)。这是"写脑"。
注意：在机器学习语境里，"encoder"和"decoder"常指自编码器的两半。BCI 语境则严格遵循上述定义——容易混淆，要在上下文中辨认。
前向模型 vs 逆向模型（Forward / Inverse Model）
- 前向模型：预测"给定刺激，神经活动会是什么"，即 \(P(\text{neural} | \text{stim})\)。主要用于科学理解。
- 逆向模型：推断"给定神经活动，刺激/意图是什么"，即 \(P(\text{intent} | \text{neural})\)。BCI 解码器本质上是一个逆向模型。
二、信号性能指标
比特率（Bit Rate / ITR）
Information Transfer Rate (ITR, 信息传输率) 是衡量 BCI 通信能力的标准指标。Wolpaw 公式：
其中 \(N\) 是目标类别数，\(P\) 是分类准确率。ITR 单位是 bits/trial，再乘以每分钟 trial 数得到 bits/min。
| 系统 | 典型 ITR |
|---|---|
| P300 拼写器（EEG） | 20–60 bits/min |
| SSVEP 拼写器（EEG） | 30–120 bits/min |
| BrainGate 光标（侵入） | 50–90 bits/min |
| Willett 2023 语音 BCI | ~400 bits/min 等效 |
关键洞察：侵入式 BCI 相对非侵入的优势在 ITR 上能达到 5–10 倍。
延迟（Latency）
端到端延迟是从神经事件发生到外部设备响应的时间。典型分解：
| 环节 | 典型延迟 |
|---|---|
| 信号采集 + 模数转换 | 1–10 ms |
| 特征提取 + 解码 | 5–50 ms |
| 无线传输 | 1–20 ms |
| 设备响应 | 1–10 ms |
| 总延迟 | ~50–200 ms |
对于闭环控制，总延迟超过 300 ms 用户会感觉不连贯。语音 BCI 和精细机械臂控制对延迟特别敏感。
信噪比相关
- 信号质量（Yield）：每个电极能看到多少可用单位（spike），在侵入式 BCI 中用 "units/electrode" 报告。Utah 阵列典型 1–3 units/electrode。
- SNR（信噪比）：信号功率与噪声功率之比。ECoG 典型高频带 SNR 20–40 dB；EEG 典型 SNR 5–15 dB。
- 有效通道数：并非所有植入通道都能提取可用信号。"Effective channel yield" 是一个实用指标。
三、学习 / 训练相关术语
校准（Calibration）
用户每次使用前采集少量数据来训练或微调解码器。校准时间是 BCI 实用性的关键瓶颈。
- 传统校准：每次会话 10–30 分钟
- ReFIT / CLDA：在线校准，逐步改进
- Foundation model 时代：跨被试迁移后，新用户校准可降到 1–5 分钟
共适应（Co-adaptation）
用户与解码器同时学习对方的过程。用户学会如何产生能被解码器识别的神经模式；解码器同时适应用户的神经变化。这是一个双向的 meta-learning 过程。
闭环（Closed-loop）
系统包含"神经 → 解码 → 行动 → 感觉反馈 → 神经"的完整回路。开环 BCI 只有单向（神经 → 行动），闭环 BCI 额外把感觉或视觉反馈送回神经。
- 视觉闭环：用户眼睛看机械臂动作（最常见）
- ICMS 闭环：通过微刺激直接写入 S1 体感皮层（更自然）
- 完全闭环：双向 BCI，读写发生在同一片皮层
四、意图层级术语
以下术语常被混用，这里给出区分：
| 术语 | 含义 | 示例 |
|---|---|---|
| Movement intent（运动意图） | 要做某个动作 | "伸手" |
| Kinematic decoding（运动学解码） | 解码速度/位置/力的连续变量 | \(v_t = [0.2, 0.5, -0.1]\) m/s |
| Goal-level intent（目标级意图） | 高层目标，抽象于具体动作 | "喝水" |
| Semantic intent（语义意图） | 语义级别的意图 | "我渴了" |
传统 BCI 做 kinematic decoding，现代 BCI 越来越往 goal-level / semantic 方向走——这是第 06 章 Intention-to-Action 的核心议题。
五、数据与评估术语
分类指标
- Accuracy（准确率）：最常用但可能误导类别不平衡数据
- WER（Word Error Rate）：语音 BCI 标准指标
- CER（Character Error Rate）：手写 BCI 常用
- PER（Phoneme Error Rate）：语音解码中间指标
回归指标
- R²（决定系数）：kinematic decoding 的标准指标，衡量解释方差
- 相关系数（Correlation）：预测与真实轨迹的相关性
基准数据集指标
- FALCON：NeurIPS 2024 的跨会话迁移基准
- Neural Latents Benchmark (NLB)：潜在动力学建模基准
- BCI Competition IV：经典 EEG 运动想象数据集
六、工程约束术语
功耗（Power）
植入式 BCI 的功耗直接决定组织加热。FDA 要求脑组织温升不超过 1°C，大致对应每通道功耗 < 10 μW。Neuralink N1 约 6 mW 总功耗（1024 通道），需要无线充电 + 短时使用策略。
尺寸
- Utah 阵列：4×4 mm²、96 通道
- Neuralink N1：23 mm × 8 mm、1024 通道
- Neuropixels：10 mm 长探针、960 记录位点
- Precision Layer 7：薄膜 1/5 头发丝厚、1024 微电极
生物相容性
- 异物反应（FBR, Foreign Body Response）：植入后胶质细胞包绕电极，导致信号质量在 6–12 个月后显著下降。这是侵入式 BCI 长期稳定性的主要挑战。
七、伦理与法律术语
- Neurorights（神经权利）：智利最早立法引入的概念，包括 mental privacy、cognitive liberty、psychological continuity、mental integrity。
- Cognitive Liberty（认知自由）：免于被非自愿神经干预的权利。明尼苏达 2024 立法核心。
- Cognitive Biometrics（认知生物计量）：通过神经活动推断个体身份、偏好、情绪的能力——比 DNA 更私密。
八、逻辑链
- BCI 的性能指标三元组：准确率 × 延迟 × ITR。三者此消彼长。
- BCI 的训练瓶颈是校准时间，基础模型把它从 30 分钟降到 5 分钟以内。
- 意图层级 是区分传统 BCI 与现代 BCI 的核心：kinematic → goal-level → semantic。
- 闭环不是锦上添花而是雪中送炭：没有感觉反馈，BCI 只是遥控器。
- 工程约束（功耗、尺寸、生物相容性） 决定了侵入式 BCI 的最终形态。
- 神经权利术语（mental privacy、cognitive liberty） 是 BCI 特有的——DNA 法律框架不适用。
参考文献
- Wolpaw et al. (2002). Brain-computer interfaces for communication and control. Clinical Neurophysiology.
- Yuan & He (2014). Brain-computer interfaces using sensorimotor rhythms. IEEE TBME. — ITR 公式细节
- Zander & Kothe (2011). Towards passive brain-computer interfaces. J. Neural Engineering.
- Gilja et al. (2012). A high-performance neural prosthesis enabled by control algorithm design. Nature Neuroscience.
- Shenoy & Carmena (2014). Combining decoder design and neural adaptation in BCIs. Neuron. — co-adaptation 经典综述