双向 BCI 与多路分离

双向 BCI（bidirectional BCI, biBCI） 同时做读 + 写——既从大脑解码意图，又刺激大脑写入信号。最大的工程挑战是刺激 artifact：刺激电流在采集电极上产生巨大 artifact，掩盖神经信号。多路分离（channel isolation） 是核心技术。

一、为什么要双向

单向 BCI 的局限

纯读：知道用户想做什么，但用户无反馈感知机器输出
纯写：能让用户感觉到东西，但不知道用户想要什么

双向的威力

读 + 写 = 闭环 BCI： - 运动 BCI + ICMS：摸到自己控制的假肢 - 视觉假体 + V1 解码：戴摄像头 + 看到内容 + 系统学习用户反应 - 记忆假体：读海马体 + 写海马体 → 记忆增强 - 情绪闭环：读前额叶 + 深部刺激 → 抑郁治疗

二、Ganzer 2020 Cell 里程碑

Ganzer et al. (2020) 首个临床双向 BCI——让脊髓损伤患者恢复自己手的感觉 + 运动：

被试

C5/C6 SCI（脊髓损伤）
手臂瘫痪、感觉部分丧失

系统

M1 Utah Array (读)
  ↓
意图解码 → 控制前臂刺激（FES）→ 自己的手动
  ↓
手上压力传感器
  ↓
S1 ICMS (写)
  ↓
感觉反馈

创新

读写同时进行——M1 读，S1 写
原生手：不是机械臂，而是用自己瘫痪的手，通过 FES 激活
患者"感觉到自己的手握住杯子"

结果

抓握效率提升 ~50%
触觉事件检测准确率 ~90%
患者主观"embodiment"评分高

三、刺激 artifact 问题

问题规模

典型神经信号：100 μV
典型 ICMS 电流：20–100 μA
产生的 artifact：100 mV 级——1000× 大于信号

相邻电极甚至同芯片其他通道 saturate，无法采集。

为什么棘手

ICMS 必须在用户动作同时触发（接触即感觉）——此时 M1 解码也最需要实时信号。刺激时间 = 解码时间的关键冲突。

四、多路分离技术

1. Blanking

刺激瞬间禁用采集： - 刺激脉冲 200 μs，前后 1 ms blank - M1 信号暂时丢失 ~2.5 ms - 解码算法需要抗丢失

优点：简单；缺点：信号丢失。

2. 模板减法（template subtraction）

测量无脑活动时的 artifact 模板
真实采集中减去模板
要求 artifact 可重复

3. 差分放大 + 硬件隔离

刺激通道 vs 采集通道物理分离
共模抑制去除 artifact
Blackrock Cerebus + Ripple 系统支持

4. 时分复用

刺激 / 采集交替进行
~1 kHz 切换
需要快速切换电路

5. 自适应滤波

使用 ICA / 盲源分离在线学习 artifact 结构
去除后保留神经信号

五、闭环系统架构

现代双向 BCI 典型结构：

大脑 M1 → 神经放大 → 解码器 → 控制 assistive device
                                      ↓
                                    传感器（力/位置/环境）
                                      ↓
                                    感觉编码器
                                      ↓
                                    ICMS 刺激器 → S1 大脑

时间预算：整个闭环 < 100 ms（生理延迟），否则失去"因果感"。

六、Hochberg 组 biBrainGate

Brown University + Massachusetts General 的 BrainGate biBRain 项目：

多阵列（M1 + S1 + PPC）
软件：xPC 实时系统
2024 首次展示完整 bi-directional 任务
目标：人体长期试验 2025–2027

七、Neuralink 双向方向

N1 架构原生支持双向（每通道可读或刺激）： - 1024 通道可配置 - 正尝试 S1 + M1 双阵列 - 公开资料有限

八、工程细节

采样率

采集：30 kHz / 通道
刺激：10 kHz 控制
两者同步需高精度硬件时钟

低延迟解码

Transformer 解码器可能太慢 —— RNN / CNN 更实时
NDT3：~50 ms 延迟
EEGNet：~10 ms
选择取决于任务

多阵列协调

每阵列独立放大器
中央处理器（FPGA / embedded）实时融合
操作系统：常见是 ROS2 或自定义实时内核

九、闭环校准（CLDA × 感觉）

双向 BCI 需要双向校准：

M1 解码器：CLDA（ReFIT 与在线校准）
S1 编码器："哪个电极对应什么触感" 校准
用户学习与系统学习双重

这是复杂的协同优化问题——但经过几周训练通常稳定。

十、应用

瘫痪

M1 解码 + S1 写入 → 机械臂 / FES。

双侧截肢

M1 解码 + 假肢 + S1 写入 → 几乎完整手功能。

记忆障碍

海马体读 + 写 → Alzheimer 等病。见记忆假体。

精神疾病

前额叶读 + DBS 写 → 抑郁症闭环治疗（Mayberg 等的工作）。

十一、伦理

读写权

读和写的伦理非对称： - 读：隐私问题 - 写：自主性问题（谁控制"我的大脑"？）

"不可控"时刻

当系统自动写入 → 用户可能感到"被接管"——紧急停止机制必须。

合规

FDA 对双向 BCI 监管比单向更严——刺激风险叠加解码依赖。

十二、逻辑链

双向 BCI = 读 + 写 闭环——比单向更自然、更强大。
Ganzer 2020 首次人类双向：M1 → 自己的手 → S1。
刺激 artifact 是核心工程挑战（1000× 信号）。
多路分离技术：blanking、模板减法、硬件隔离、时分、自适应滤波。
闭环延迟 < 100 ms 是生理要求。
双向校准 要求解码器 + 编码器协同学习。
伦理：读 vs 写的非对称性，自动写入的接管风险。

参考文献

Ganzer et al. (2020). Restoring the sense of touch using a sensorimotor demultiplexing neural interface. Cell. https://www.cell.com/cell/fulltext/S0092-8674(20)30347-2
O'Doherty et al. (2011). Active tactile exploration using a brain-machine-brain interface. Nature. — 早期双向猴子实验
Bouton et al. (2016). Restoring cortical control of functional movement in a human with quadriplegia. Nature.
Flesher et al. (2021). A brain-computer interface that evokes tactile sensations improves robotic arm control. Science.
Rao (2019). Towards neural co-processors for the brain: combining decoding and encoding in brain-computer interfaces. Current Opinion in Neurobiology.