可穿戴式多模态闭环神经调控设备

（一）项目背景

脑科学作为生命科学的前沿领域，自全球“脑计划”启动以来，围绕大脑开展的科技创新和科学发现不断涌现。基于神经影像的大脑功能和结构研究发现大脑具有神经可塑性，使得从大脑层面干预治疗脑疾病、增强认知功能成为现实。随着脑科学逐渐从“认识脑”发展到“调控脑”，以经颅直流电刺激、经颅磁刺激和神经反馈为代表的神经调控技术已经广泛应用于阿尔茨海默症、抑郁症以及成瘾行为的干预研究之中，在脑疾病和精神疾病治疗领域具有广阔的应用前景。与此同时，神经调控技术在军事领域的地位和应用价值也日益凸显，如何借助脑科学相关理论与技术，增强军事作战、航空航天等特殊领域作业人员的认知能力，进而提升作业效能已成为各国研究的重点。

现有的神经调控技术大致分为外源性与内源性两个方向，外源性神经调控技术使用外部电、磁能量从物理角度干预调节大脑功能，内源性神经调控技术基于自我强化学习增强特定的认知功能。虽然上述技术手段能够有效调节大脑功能，但在实际应用过程中存在若干亟需解决的问题：首先，现有神经调控设备操作复杂、体积庞大，将治疗环境局限于医院等固定地点，无法满足病人群体居家治疗以及特殊作业人员随时随地进行认知增强调控的需求；其次，现有神经调控设备仅具有干预刺激功能，但无法监测评估调控效果以及自适应地调整刺激强度等参数，即开环调控系统；再者，现有神经调控技术效果往往有限，外源性与内源性神经调控技术各有优缺点，通过多种神经调控技术的有机融合将进一步增强调控效果。本项目旨在解决现有神经调控设备存在的不足，进一步促进神经调控技术在疾病治疗和认知增强等实际场景中的应用，抢占下一轮以脑科学为核心的医疗设备发展机遇，打破国外对先进医疗设备市场的垄断。

（二）项目简介

本项目面向人民生命健康和国家战略需求，基于团队前期脑-认知-行为的神经机制研究成果，针对现有神经调控设备的诸多不足之处以及脑科学的发展趋势，设计开发集脑信号检测、认知评估和神经调控等功能为一体的可穿戴式多模态闭环神经调控设备。其中，脑信号检测模块采用微型电/光极实时采集大脑电生理（EEG）与功能性近红外（fNIRS）大脑血氧信号；认知评估模块则基于多模态大脑功能信号评估大脑认知状态；神经调控模块包含外源性经颅直流电刺激和内源性神经反馈两种调控技术。上述三大功能模块相互协调，循环依赖，形成智能化闭环神经调控系统，即认知评估模块基于大脑功能信号实时评估认知状态，当检测到认知异常时，则启动外源性/内源性神经调控模块进行干预调节，与此同时，认知评估模块通过监测大脑功能状态的变化评估神经调控效果，并自适应的调节神经调控参数直至认知状态恢复到正常水平（图1）。

图 1. 设备原理图和工程样机图

本设备主要面向三大群体：（1）认知损伤群体。临床多通过药物治疗认知损伤，但效果有限且有副作用。团队前期研究表明，内源性神经反馈调控技术能够有效缓解注意力缺陷儿童的注意力不集中症状，达到优于临床现有药物改善行为的治疗效果，且无任何副作用（Wu et al., Psychiatry Research. 2022）。同时，本产品可穿戴的优点能够让患者随时随地使用，不局限于医院等固定地点，极大地满足了患者的使用需求。（2）特殊作业群体。本产品能够实时监测评估特殊作业人员的认知状态，并对认知异常人员进行认知增强干预，维持作业人员的高水平认知能力，从而提升作业效能。（3）青年群体。随着当今社会生活节奏加快，人与人之间的激烈竞争和过大的社会压力增加了大脑的精神负荷，也造成人们精神和心理上的疾病。本产品中的认知增强调控技术可在一定程度上可以缓解使用者的精神压力，增强使用者的精神强度和大脑运转能力。

（三）关键技术

1. 基于大脑认知功能机制的神经调控靶点选择技术

神经调控靶脑区的选择依赖于认知功能的中枢神经机制理论，对神经生理机制的理解将很大程度上影响靶脑区选择的有效性与可靠性。团队前期基于功能磁共振成像开展了工作记忆、认知决策、注意警觉等多种认知功能的大脑神经机制的深入研究，运用多变量模式分析（MVPA）、功能连接密度映射（FCDM）、格兰杰因果模型等方法从脑区活动、脑区间功能连接、脑网络等多个维度对认知功能的强弱变化机制进行了刻画描述。同时，团队进一步探究了神经调控技术引起的大脑神经可塑性变化，明确了神经调控技术的有效性。

2. 基于fNIRS与EEG的认知评估算法

基于fNIRS与EEG的认知评估算法是闭环神经调控设备的关键技术，认知评估模型的准确性决定了闭环神经调控设备的可靠性，而认知评估模型的多样性决定了该设备的用途多样性。团队前期自行设计构建了基于fNIRS与EEG等多模态脑信号同步的认知状态标注数据集，设计开发了基于多模态脑信号融合的认知状态评估算法。该算法由XGBoost模型与深度神经网络融合而成，其中深度神经网络基于数据驱动提取时间滑窗内的多通道fNIRS与EEG数据特征，并与人工特征（时频域特征）进行融合，最终使用XGBoost模型进行认知状态判别。该方法将深度神经网络与人工特征（先验知识）进行了有效的融合，大大提升了分类判别正确率。

3. 基于tDCS的多脑区联合刺激技术

对于特定认知能力的增强可能存在多个不同的靶脑区，均可以达到认知增强效果，而现有神经调控设备只能针对单一脑区进行刺激，无法综合多个靶脑区进行联合刺激。因此，团队开发了基于tDCS的多个靶脑区联合刺激技术，首先利用MRI构建头颅电磁模型，并将其与tDCS刺激阵列匹配；其次，通过有限差分法模拟各个电极单独施加单位电压刺激时其在脑内引起的电流分布，进而构建tDCS刺激模型；最终，根据刺激目标，利用遗传算法求解各个通道的tDCS电极刺激参数。

4. 基于fNIRS与EEG的神经反馈技术

神经反馈的效果很大程度上取决于靶信号的选择，以往研究仅仅使用脑区活动水平或者脑电节律作为靶信号，而忽略了代表大脑状态的脑区间功能连接、脑网络等指标。团队基于fNIRS和EEG等多模态脑信号构建了综合性神经反馈系统，根据调控目标能够从多个维度、多个模态对大脑进行调控，以增强调控效果。

5. 多功能设备一体化、集成化的设计与制造技术

现有的fNIRS设备体积庞大且价格昂贵，而EEG、tDCS设备同样存在价格昂贵且便携性、可操作性差的问题。团队针对上述问题自主设计研发了便携可穿戴式的多功能一体化设备，不仅集成了EEG、fNIRS等大脑信号检测与tDCS刺激功能，而且增加了视觉反馈眼镜，以实现神经反馈训练功能。同时，该设备配置了嵌入式边缘CPU、GPU异构，支持深度学习人工智能程序运行计算，以及WIFI、4G/5G多模数据传输，支持数据入云。