字号
主题
主题色
字体
文献集总览 / 猕猴上肢运动、学习与虚拟反馈 / B · 闭环 BCI、感觉反馈与解码器适应 / B02 · 脑机接口实现猕猴双臂控制

B02 · A brain-machine interface enables bimanual arm movements in monkeys

Ifft, P.J., Shokur, S., Li, Z., Lebedev, M.A., & Nicolelis, M.A.L. (2013). Science Translational Medicine, 5, 210ra154. doi:10.1126/scitranslmed.3006159

双半球、多脑区记录支持猕猴同时控制两条虚拟手臂。本文的联合解码优于所比较的分臂模型,学习伴随神经调制及相关结构变化;这些变化尚不是可塑性机制的因果证明。

核对版本:Zotero VR 集合中的本地 PDF(2026-09-18);Zotero 条目 · 打开原文。图下页码均为该 PDF 的文件页序,从 1 开始,可能不同于期刊印刷页码。

本文目录
  1. 背景
  2. 研究思路
  3. 方法
  4. 主要结果
  5. 逐图解读
  6. 讨论与解读边界
  7. 思考问题

背景

许多日常动作需要双手同时完成,但早期皮层内 BCI 多从单臂光标或单个机械效应器开始。把两个单臂解码器并排使用看似直接,却隐含了一个未经验证的假设:双臂运动时,神经系统仍分别保存两套独立的单臂控制表征。实际上,双手目标会同时出现,动作之间需要协调,双侧半球和辅助运动区也可能改变参与方式。如果双臂情境下的方向调谐、群体规模和跨区域相关结构不同于单臂,简单拼接就可能损失控制精度,甚至遗漏双手间距等联合变量。

双臂问题还与大群体记录和训练方式相连。要比较单臂与双臂表征,需要同时覆盖双侧运动、前运动和体感区域,并区分真正驱动虚拟肢体的脑控与仍伴随手部活动的条件。对不能使用手臂的受试者,被动观察提供另一种初始化思路:动物先观看虚拟手臂运动,研究者据此拟合解码器,再进入无手控制。然而,观察期的信号能否支持双臂闭环、两只动物能否在练习中形成稳定技能,不能由离线相关系数单独回答。学习引起的调谐与相关变化也必须和“性能提高”同时考察,而不能预先认定某一种变化就是可塑性的原因。

Ifft 等因此使用双半球、多脑区记录,让猕猴同时控制两条虚拟手臂到达各自目标。研究先比较单臂与双臂任务的神经调制和方向调谐,再比较分开的二维解码与联合四维解码,随后从操纵杆或被动观察过渡到脑控,并用 k-NN 目标读出补充验证。它要回答的是:双臂情境是否构成不同于单臂的神经状态,联合建模是否更能利用这种结构,以及观察训练和闭环练习能否支持实际双臂技能。双手分别到达独立目标仍不同于共同操作一个物体,学习相关的去相关也不能自动解释为技能形成的因果机制。

研究思路

研究结合双半球多区记录、双臂虚拟控制和联合四维解码,比较单臂与双臂调谐及联合与分开的解码方案。被动观察后转入脑控,检验控制表现与群体统计变化;这里的双臂同时控制不等于复杂双手物体操作。

方法

两只恒河猴。猴 C(雌性,体重 6.2 kg)双侧大脑植入八个 96 通道微电极阵列(共 768 通道,覆盖双侧 SMA、M1、S1、PMd 与 PPC;受硬件采集通道上限限制,每次记录 384 通道,PMd 因电位信噪比低未纳入主分析),术前接受过 12 个月的单双手操纵杆中心向外伸手训练,操纵杆正确率达 97% 以上。猴 M(雄性,体重 10.6 kg)植入四个 96 通道阵列(384 通道,覆盖双侧半球 M1 与 S1 的手臂及下肢代表区,仅使用上肢数据),术前仅学习过单手操纵杆操作,对双臂协调任务完全未受训。实验任务为第一人称视角的虚拟现实双臂中心向外伸手:猴子双臂首先按压中央起始方块(随机保持 400–1000 ms),随后屏幕呈现两个外周目标圆环(左右各四选一,组合共 16 种),要求两条虚拟手臂分别到达对应目标并维持 100 ms 获取糖水奖励,单试次时限 10 秒。实验分为三个进阶阶段:双手操纵杆控制、握杆脑控(BC with arms,手握断开的操纵杆,仅猴 C 进行了 24 个会话测试)以及无肢体运动脑控(BC without arms,双臂被柔性固定并物理遮蔽,两只猴均完成测试)。解码算法采用无迹卡尔曼滤波器(UKF),时间步长为 100 ms,模型采用 5 阶滤波(涵盖过去 3 个与未来 2 个 100 ms 时间窗的放电历史),拟合自每日起始 5–7 分钟的操纵杆操作或被动观察数据。量化分析采用运动期相对基线的标准化放电率变化 Δz(时间窗为运动开始后 150–600 ms),利用方向回归拟合双臂择优方向,通过神经元剔除曲线(neuron dropping)评估群体规模效应,并使用 k 近邻算法(k-NN,k = 5)解码目标空间位置以提供与回归模型互补的读出指标。视线采用红外眼动仪实时监测,单试次注视屏幕时长低于 90% 的数据予以剔除。

主要结果

单臂与双臂控制模式在皮层表征层面呈现出质的差异。由单臂模式转为双臂协调任务时,皮层整体放电调制显著增强:左侧 M1 增加 76.7%,右侧 M1 增加 34.6%,左侧与右侧 SMA 分别提高 35.8% 与 37.9%(p < 0.01)。在单臂任务中,M1 呈现对对侧肢体的偏好(调制深度超出 28.3%,调谐深度超出 22.3%),而 SMA 表现出同侧肢体优势;转入双臂任务后,两臂的调谐深度趋于对称均衡(标准化放电标准差分别为 0.08 与 0.09)。更为关键的是,神经元的择优方向在单臂与双臂任务之间发生了重构,平均角偏差在对侧臂为 53.1±4.0°,在同侧臂为 66.0±5.4°;SMA 是唯一在双臂条件下对双侧手臂均有调谐的神经元比例显著上升的脑区。单臂调谐模式的线性组合无法拟合双臂任务中的群体放电反应。

解码层面的表现与上述神经编码特征相一致。神经元剔除曲线表明,要达到 r = 0.5 的解码相关性,单臂任务平均需要约 80 个神经元,而在双臂任务中每侧手臂需要约 145 个神经元;解码精度随神经元数量呈对数线性增长,该规律在连续轨迹解码和离散目标识别(k-NN)中均一致成立。各脑区中 M1 的方差贡献度最高(n = 245 时 r = 0.73±0.03),SMA 单独解码能力较弱(n = 73 时 r = 0.22±0.02);但全脑区联合的解码性能超越了单一脑区的理论上限,贡献度排名前 50 的单元中,54% 源自 M1、32% 源自 SMA、8% 源自 PPC、6% 源自 S1。在离线手控数据验证中,将两手状态合并建模的四维联合 UKF 解码器整体表现优于两个独立的二维单臂解码器,双手间的相对距离亦可直接由该联合模型推导。

在线闭环控制的成绩展现出明确的学习演进。猴 C 从手控切换至握杆脑控时,初期成绩明显下滑,经历 24 个训练会话后稳定在 70% 以上(单臂各自成功率 >90%),将解码器时序阶数从 1 阶提升至 5 阶进一步改善了控制性能。在无肢体运动脑控(BC without arms)模式下,两只猴在 5–10 个会话内均取得了显著进步:猴 C 的双臂任务成功率从 43% 升至 79%,猴 M 从 15% 升至 62%;各单臂的达标率分别为:猴 C 左臂 98.5%、右臂 94.4%,猴 M 左臂 96.4%、右臂 77.7%——两只动物均表现出左臂性能更优的非对称性,该特征与被动观察阶段的解码精度不对称性(猴 C 左侧 r = 0.46±0.05 对比右侧 0.12±0.05;猴 M 为 0.47±0.03 对比 0.23±0.02)相吻合。在 21 个无肢体运动脑控会话中,有 20 个会话的成绩显著超越目标打乱重排的随机基线(随机概率范围为 10–30%)。基于群体活动的 k-NN 解码表明,运动目标的空间位置在目标呈现后即在神经群体中持续表征;猴 M 的 M1 下肢代表区神经元亦携带了一定程度的目标空间信息(单元数为 100 时准确率为 0.31±0.03,低于上肢代表区的 0.43±0.02)。

技能习得伴随皮层功能连接的结构性重塑。在每日会话起始测定的被动观察解码精度随训练周数稳步上升,反映出对虚拟化身表征的神经巩固。群体神经元对放电相关性(25 ms 时间窗)在无肢体运动脑控初期达到同期被动观察水平的 1.7–2.2 倍,随着练习进展逐渐下降并恢复至基线水平;跨半球神经元对的相关性降幅显著大于半球内部(猴 C 跨半球降低 85.2%,半球内降低 54.0%),跨功能脑区间的降幅亦大于脑区内部(猴 C 跨区域降低 76.6%,区域内降低 54.0%)。这种去相关现象对应于动物从早期的泛化协同转变为双臂的独立精细控制。

逐图解读

图1

来源:原文 Fig. 1,PDF 第 23 页。

图 1 · 多脑区电极阵列布局与实验任务概览。 (A) 两只猴的微电极阵列植入解剖位置:猴 C 植入八个 96 通道阵列,覆盖双侧 SMA、M1、S1、PMd 与 PPC;猴 M 植入四个阵列覆盖双侧半球 M1 与 S1。(B) 动物面对屏幕呈现的第一人称虚拟化身手臂,通过操纵杆或神经信号进行控制。(C) 441 个神经元单元波形按记录位点着色展示。(D) 试次时间进程:双手按压中央起始方块,经随机延迟后呈现 16 种空间组合之一的双侧目标,两手各自触碰目标并保持 100 ms 获取奖励。(E, F) 单臂(E)与双臂(F)单试次中 438 个神经元的放电光栅图,右侧附手部与目标运动轨迹,表明双臂任务诱发了更广泛的群体神经调制。

图2

来源:原文 Fig. 2,PDF 第 24 页。

图 2 · 光标与拟真虚拟手臂的行为学比较。 (A, B) 分别采用二维平面光标与三维虚拟化身手臂进行双手操纵杆训练的任务界面,目标为白色圆环。(C, D) 左臂与右臂在试次中产生充分位移(手臂越过起点至目标距离 80%)的成功率对比,前 10 个会话隔天交替测试光标与虚拟手臂条件(星号表示 p < 0.05)。实验中动物对拟真手臂表现出相对更稳定的运动参与度,但该比较尚未在控制所有感觉与控制变量的前提下完全确立虚拟手臂的独立优势。

图3

来源:原文 Fig. 3,PDF 第 25 页。

图 3 · 单臂与双臂运动条件下的皮层放电调制特征。 (A) 左侧 M1 示例神经元的刺激时间直方图(PETH),4×4 网格对应 16 种空间目标组合(灰线对齐目标呈现时刻),下方展示单臂各方向的放电特征,表明双臂协同放电并非两臂响应的简单线性叠加。(B) 左侧 M1 群体神经元在相同条件下的标准化放电热图(每行代表一个单元)。(C, D) SMA 区域的代表神经元与群体放电模式。(E–H) 四个空间方向上单臂(红)与双臂(蓝)放电变化量 Δz 的定量对比,涵盖 M1 与 SMA 的单单元及群体响应。结果表明双臂协调任务诱导了不可分立的皮层协同激活状态。

图4

来源:原文 Fig. 4,PDF 第 26 页。

图 4 · 择优方向在单双臂任务间的模式重构。 (A) 各皮层区域中同时对双臂运动呈现显著调谐的神经元百分比(单臂条件为红,双臂条件为蓝)——SMA 是唯一在双臂模式下双重调谐比例显著上升的区域;纳入样本包含 492 个 M1、203 个 SMA、90 个 S1 与 61 个 PPC 单元。(B, C) 双臂任务相对于单臂任务的择优方向绝对角偏差,(B) 对侧臂、(C) 同侧臂:各区域神经元的择优方向发生普遍重构,平均偏移角在对侧为 53.1°,同侧为 66.0°。

图5

来源:原文 Fig. 5,PDF 第 27 页。

图 5 · 神经元剔除曲线分析与解码性能比较。 (A) 单手操纵杆任务的解码相关系数 r 随单元数量(对数坐标)的增长曲线。(B) 双臂控制下采用两套独立二维 UKF 解码各臂的表现。(C) 从四维联合模型预测中提取的双手间距预测表现。(D) 采用统一四维联合 UKF 的解码表现,其整体曲线高于独立二维模型。(E, F) 离线连续轨迹预测示例:独立二维模型单臂预测(E)与四维联合模型双臂预测(F)的真实轨迹(黑)与解码轨迹(红)对比。

图6

来源:原文 Fig. 6,PDF 第 28 页。

图 6 · 被动观察校准与闭环脑控表现演进。 (A) 无肢体运动测试场景:双臂被轻柔固定于支架下方并施加视线遮蔽。(B) 被动观察期间的手臂真实位移(黑)与神经解码重建位移(红),表明动作观察能够支持模型初始拟合。(C) 连续会话中的双臂脑控任务成功率:猴 C 在握杆脑控中测试了 1 阶与 5 阶模型(红蓝区分);两只猴在无肢体运动脑控(黑圈)中历经 5–10 个会话成功率稳步上升(阴影带指示目标置换检验的随机水平)。(D) 各单侧手臂的独立成功率统计,两只动物均表现出左臂性能更优的特征。(E–G) 基于群体放电的 k-NN 目标空间位置分类表现与单元剔除分析。

图7

来源:原文 Fig. 7,PDF 第 29 页。

图 7 · 闭环技能学习过程中的皮层功能重组。 (A) 每日起始阶段被动观察解码精度 r 随训练周数逐步提高。(B) 记录群体神经元对平均放电相关系数(25 ms 时间窗):无肢体运动脑控初期的相关性较同期被动观察显著升高 1.7–2.2 倍,随熟练度提高回落至基线。(C) 相关系数按半球(红:跨半球与同半球)及功能脑区(蓝:跨区域与同区域)分解:跨半球与跨区域神经元对的相关性降幅显著更大(猴 C 跨半球降低 85.2%,半球内降低 54.0%)。(D, E) 训练首日与末日的群体神经元相关矩阵演变,呈现出高相关性区块的衰减收缩。

讨论与解读边界

本文同时检验了双臂控制的工程可行性和单双臂情境下神经表征的变化。被动观察训练为不依赖当前手臂运动的校准提供了方案,但健康猴的观察与脑控结果不能直接等同于瘫痪患者的临床验证。

调谐变化说明简单地把单臂响应相加不足以描述所测数据,并不证明任何模块化解码器都不可行。两手同时到达独立目标,也不同于握持同一物体时的紧密双手协作。跨半球相关下降与学习同时发生,但不能据此认定去相关是学习成功的原因;k-NN 分析提供补充读出证据,也不能排除目标、反馈与行为共同造成的相关。

思考问题

  1. 让两条虚拟手臂共同搬运同一物体时,联合解码器的优势是否更明显?
  2. 在控制试次数量、运动轨迹和共同输入后,学习相关的跨半球去相关还剩多少?
返回总纲