【虫妄言天】脑机接口领域概述，及关于考研的一些建议
先说总结：
国内研究仍然处在单向脑-机接口领域，且大部分仍然停留在提取脑电特征值，来触发回调程序的阶段。而国外在脑-机，机-脑，甚至是同时进行脑-机-脑传递进行研究，并且正在尝试使用BCI技术协作完成复杂任务。
国内研究领域一般只是脑-机简单结构，而国际先进研究已经有多人脑机，人-实验动物脑机，实验动物-实验动物脑机等，参与实验者更多，参与实验生物种类更多，传输网络更复杂。
国内研究领域大部分是非侵入式的，即使用现成的脑电帽设备进行研究，涉及领域大部分只是数据处理。而国外有较多团队进行动物开颅型的侵入式研究，因此对采集设备的研发也较为广泛。
国内研究大部分集中在神经损伤治疗和恢复，少部分在关注BCI控制机械设备。但是人类先进领域的任务和涉足领域更加的有想象力。
所以国内的研发进展可以说比国外落后一到两个时代，不过即便是先进研发团体其实验模型也相当原始，所以仍然有反超甚至超越的可能。这个领域非常值得期待。
概述：
2002年，美国的论文中便已经提出脑机接口的概念，阐述了脑机接口的基本框架并一直沿用至今。
最近十年以来，商业领域中主流媒体对于脑机接口的评价可以概述为“远大前景但短期难以应用”。不过由于马斯克和nerualLink近日的高调展示，BCI领域的关注者逐渐增加。
而在学术领域中，脑机接口系统的常见研究领域包括神经损伤康复，机械设备控制和思维信号传输。神经损伤康复包括人体状态监督，脊柱损伤信道替代以及神经刺激疗法等。机械设备控制侧例如眼基键盘打字，机械手臂控制和嵌入式机械开发。毫无疑问，现在给BCI领域的研究范围下明确定义还为时尚早。
从交互领域来看，脑机接口系统是高复杂度的，而且各国研发阵地架构差异极大。探测设备包括电极材料，集成电路设备，嵌入式开发。传输设备包括有线/无线传输设备和传输握手协议。信号处理包括滤波，降噪，放大等算法。而在数据科学领域包括模式识别和计算机图形学。另外大多数实验的受试者和实验动物需要提前培训和指导，因此涵盖了脑科学和教育学。
从研发切入来看，脑机接口系统各层级业已规范，且耦合度低。大部分论文都关注其中某一个领域进行一些改良而不需要重构整个系统。临床级的非嵌入式探测设备已经商业化。信号传输借用蓝牙协议或者USB协议可以达到满意的精确度。滤波和放大算法已经成熟并常常封装于设备驱动中。传统数据科学算法和新兴深度学习算法也能取得满意的置信度。
虽然国内的脑机接口领域还是落后于国际前沿水平一到两代的，但是中国很可能从BCI开始，在先进制造业领域跟国外进行一场研发战争，并最终取得优势。接下来会从商业领域和学术领域两侧入手，概述我的调查结果。
商业领域：商业领域的十大独角兽至少可以分为两大类：侵入式脑机接口和非侵入式脑机接口：
1. 侵入式脑机接口，目前主要集中于基础硬件的开发，包括神经电极束，手术机器人和脑机芯片等。
选择侵入式研究，基本意味着需要从最底层开始搭建系统，同时也是自主权最宽泛最广阔的方向。抛开伦理学约束下，开颅后得到的数据密度和精确度是极高的，代价在于从理论基础，到电极材料，再到硬件驱动再到软件数据分析都需要集中进行研发。商业独角兽中基本上只有马斯克的NerualLink在进行相关研究，而且目前仍然处在开发硬件驱动的阶段。
2. 而非侵入式则主要集中于脑电图下的应用，主要包括疾病治疗，行为辅助和状态监测三个方向。
(1) 疾病治疗：如NeuroPace协助脊髓损伤者传输神经信号，Braingate协助残疾人鼠标操作，
(2) 行为辅助：如mindmaze使用脑机接口辅助赛车运动员提高成绩，
(3) 状态监测：如Interaxon协助使用者进行瑜伽，
(4) 另外还有单纯致力于硬件开发：如专门开发生物探测芯片的nerual sky，开发临床脑电设备的Brain_master等。
学术领域：
国内公开发表的研发阵地：
总体来说，国内的脑机接口研究与其说是方兴未艾，不如说是一片荒漠。在中国知网和万方搜索脑机接口关键字，可以看到两个网站最近五年平均每年的文章都只有一千篇上下。其中百分之八十和BCI没有直接联系，剩下百分之二十里还有一半左右很多是行业综述一类的水论文，所以理工科方向探讨BCI的论文可能不足百篇。最高引用的文章写于2002年，至今被引用了120次。年均不足10次。
（下图为万方的相关文献量折线图）
（下图为知网的脑机接口关键字文献折线图）
具体到研究细节，以北大核心和EI水准的论文为例：
1. 国内的研究方向集中于两类，一类是神经损伤诊断和康复，一类是脑-机命令控制机械设备。而且大部分是是单向脑--机，极少看到有机-脑方向的研究。同时参与者和实验动物大多需要一定的训练。
2. 目前仍关注于特定模式下的事件触发电位识别，以信号识别率的提高为成果发表文章，例如《基于单通道脑电信号的疲劳检测系统》等。
3. 正在尝试结合数据科学算法，例如前馈神经网络，支持向量机进行模式识别，使用卷积神经网络进行抓取目标特征等。
4. 硬件选择直接采购国外的脑电帽设备。例如使用NeuroSky 的意念传感器模块，或者是Neuroscan，Brain Products的脑电设备。在《可穿戴式干电极脑机接口系统设计》中脑电探测精度可以达到μV级。
5. 部分论文中，脑电信号仅仅被封装成一个一元变量。例如《基于TGAM脑波模块的小车控制系统》中该参数越高，速度越快。参数越低，速度越慢。或者用类似的方法来控制无人机的飞行高度。
6. 部分论文中直接调用了外部厂商封装好的参数，例如调用第三方厂家的接口的“放松度”，“专注度”等参数，从而省略滤波降噪和模式识别的步骤。（基于TGAM脑波模块的小车控制系统）
7. 部分论文中使用了模拟的EEG数据或者是模拟的机械手臂，而没有真正的进行BCI或者是机械手臂的研发。如《基于改进单关节信息传输模型的闭环脑机接口系统设计》。
（下图为西安交大的通过BCI进行驾驶员疲劳检测的示意图）
人类研发前沿阵地：
世界范围内“脑机接口”的领域概念有了极大的拓展。世界范围内，BCI的常见领域包括神经损伤康复，残障设备控制和思维信号传输。同时也包括字面意义上的“脑控老鼠”，或者是多人脑信息传递交流等。（下图为《Nature》刊的关于BCI操纵小鼠离开迷宫的逻辑图）。
1. 从研究侵入式硬件探测设备，到滤波降噪和模式识别算法，到芯片集成和操作系统开发多方面发展。
2. 从复杂度上从单纯的移动和回答是/否问题，转为了完成俄罗斯方块或者是操纵老鼠走迷宫等复杂任务。
3. 从参与人数上从一对一提升为一对多和多对一传输。
4. 从传输方向上囊括了脑--机和机--脑，甚至同一个人能同时作为脑-机信息发送者和机-脑信息接受者
5. 从参与物种上囊括了人，鼠，猪等动物。
6. 从鲁棒性上，从尽可能减少肌肉干扰，到主动添加噪音来测试算法鲁棒性。
-------------------------------------------------------------------------------------------
每隔一两天都有人询问相关方向的读研信息，我这边作为一个爱好者笼统说一下我知道的一些感受。
先说对于考研者的一些建议：
我很敬佩努力考研的人，而且也很感激有志同道合的爱好者。还有三个月不到，加油！
脑机接口是一个整体的系统，从很多角度都可以参与这个系统的建设，总体来说我建议是寻找自己容易上手的喜欢的行业，再从自己喜欢的行业上，往脑机接口方向靠拢。
以下笼统说说我在论文中见到的强相关的一些方向，方向上从底层往高层叙述：
1.脑科学，医学和生命科学（理论指导层面，直接决定实验设计和方案实施）
2.材料学和物理学（电极和脑电图探测设备开发，尤其是侵入式脑电系统）
3.微电子和电路设计（头戴嵌入式设备开发）
4.通信1（信道带宽是EEG的一大瓶颈，目前大部分使用的是USB和TCP/IP协议）
5.通信2（滤波算法，进行滤波，放大，降噪）
6.数据科学（模式识别算法，例如SVM）
7.软件开发和操作系统（电脑软硬件开发）
以上是部分和BCI领域强相关的专业。希望各位能结合自己的兴趣和优势，对目标的规划，当然也要看相关的就业行情和工资待遇而进行准备。