【摘 要】脑机接口是21世纪的脑科学相关的前沿性科学，也是中国脑计划的重要组成部分，根据重庆邮电大学专业的特点，融合信息工程的特征，从教材选择、内容设定和课程分布等方面，探讨在研究生教育中如何开设该领域课程。
【关键词】脑计划；脑机接口；信息工程
0 引言
脑机接口（BCI）是一门新的多学科相互交叉学科，是在大脑和计算机或其他电子设备之间建立的大脑信息输出通路的通讯和控制技术，是中国脑计划的一个重要部分，临床可用于神经康复治疗、工程上可用于无人脑控技术、以及娱乐上可用于脑控游戏等。本文对如何在研究生教育中开设该门课进行了初步探索，主要包括：教材选择及内容安排；教学目的和要求；课程主要内容三个方面进行了详细的规划和讨论。
1 教材选择及内容安排
脑机接口是脑科学知识的具体应用，涉及到信息科学、医学和工程技术。主要包括三大部分：第一部分为人脑结构，主要是解剖结构和功能；第二部分为认知科学部分，该部分是属于心理学范畴，涉及的主要内容为初级认知加工（包括注意、感知觉），高级认知加工（包括语言、学习和记忆、情感和情绪、意识和思维等）；第三部分为认知计算和智能认知系统，即利用信号处理、图像处理等方式，采用模式分类特征提取等手段，并利于人脑的各种生理信号控制计算机。
国内开设脑机接口课程的专业很多，主要有生物医学工程专业、计算机和计算机等，很多高校都有这个研究方向（清华、电子科大、浙大、上交等是其中的佼佼者）。脑机接口是交叉学科涉及跨学科领域的融合，结合了医学、信息科学与工程学甚至材料科学等。因此，学习该门课程的研究生，无论本科专业是生物医学工程、自动化、计算机、电子工程、还是临床医学，都能在脑机接口这个科研平台上有用武之地。当然，根据学生的背景不同，其侧重点也不同，比如，生物医学工程、自动化、计算机、电子工程等工程背景的学生偏向信号采集分析和处理、传输模式和系统平台构建；心理学和医学背景的学生偏向研究大脑机理、参与设计实验。虽然参与该门课程的学生背景有别，但只要有兴趣，这两种背景的学生都适合。因此，如何选择教材，如何设置内容，提高研究生的学习兴趣需要首先进行思考。
在教材选择上考虑国防工业出版社2011年出版的《BCI2000与脑机接口》，作者为胡三清教授。由于该教材主要从工程应用入手，因此又选择了三本主要参考书： ①由魏景汉和阎克乐编著，人民教育出版社在2008年出版的《认知神经科学基础》；②由哈尼什等编著的《心智、大脑与计算机》是2010年浙江大学出版社出版的；③由巴尔斯等2008撰写的《认知、脑与意识——认知神经科学导论》。这些参考书主要从认知领域、神经领域以及认知神经交互方面对大脑结构、认知加工和计算机的关系进行了系统的讲解。脑机接口课程的设置需要研究生前期有医学信号处理、电路电子技术和脑与认知科学相关等课程的学习，然后脑机接口学习后能进行进一步的模式识别和人工智能的学习。
2 教学目的和要求
2.1 教学目的
本课程教学要求紧跟脑科学研究的时代前沿，反映国际最新的研究成果。课程内容及形式根据最新的研究成果进行，使学生掌握脑科学的前沿，形成独立自主学习的能力。同时注重体现学科交叉和融合。 脑机接口涉及到脑科学与认知科学是边缘性交叉学科，是汇集了心理学、医学、神经科学、语言学人工智能等学科交叉发展的结果。课程选取各门学科相互交叉、联系的部分，科学地将这些知识进行融合。强调生活实用性，将脑机接口知识引入到日常的生活实践中，比如，脑控游戏，脑波音乐等，使研究生能够科学用脑，理解生活中与此相关的某些现象，具有较强的实用性。能体现工程性符合工科专业的需求。熟悉采用现代信号处理的方法、模式识别和提取技术，进行脑电信号模式识别、模式分类，提高分类准确性，同时理解神经成像原理，成像仪器，以及对其进行数据分析和处理。
2.2 教学形式和方法
教学形式方面，教学组采取灵活多样的方式进行，具体如下：
课堂学习：主要是脑机接口的基础理论部分，包括脑结构和功能分布、主要认知信号和频域信号、经典的模式识别和分类方法及系统构建。
研究性学习：实验信号提取算法分析。探索最优的分类方式。
课堂讨论：最新的BCI研究进展及前沿。学生提前准备，课堂讨论，最后老师点评。
实验实践：稳态诱发电位（SSVEP）和运动想象（MI）。教学组老师进行实验演示学生当被试进行实验感受，包括主试和被试。然后学生自主进行实验设计和数据处理。
3 课程主要内容
主要包括两大部分：基础理论部分和实际应用部分。具体如下：
3.1 基础理论部分
该部分包含四个部分：①脑机接口研究绪论。了解人脑的基本结构和BCI相关的研究机构；为人脑结构和功能的关系；掌握常用的脑机接口信号。②脑电记录EEG。电极的命名和定位，BCI重要的脑区和界限，使用电极帽，去除伪迹和噪声，绘制脑电电极定位图；去噪的作用（类别及意义）。③脑电特征信号提取技术。了解现有的提取技术；重点掌握叠加平均技术、时频转换技术；难点为复杂网络技术。④基于频率的BCI的特征信号。了解大脑频域信号与特征，用大脑信号交流；重点掌握mu，beta震荡和gamma活动；难点为不同的节律所特有的空间分布和生理功能对BCI的影响。
3.2 实际应用部分
该部分包含五个部分：①BCI的系统搭建掌握系统组成的各部分及作用。②基于SSVEP的脑机接口。了解SSVEP的基本概念；设计实验范式、频率识别算法。③SSVEP实验。学生进行SSVEP的实验操作。④BCI的具体应用及讨论。了解脑波音乐转换，航天员多模人机交互，智能家庭。重点讨论BCI在实际中的应用。⑤脑机接口研究的最新进展及今后的发展方向。掌握脑机接口面临的挑战及机遇（根据课程总结发展趋势）。
3.3 课程的典型作业设置
课程作业包括四大类：①翻译BCI的英文文献，采用老师预先提供最新的BCI综述文章，让研究生翻译，然后准备翻译心得体会，做成PPT，在堂上讨论。②结合研究生自身的研究方向及研究兴趣，查阅相关的文献，准备一个脑机接口的应用，进行讨论。③采集SSVEP或运动想象的实验数据，利用模式识别的方式进行分析，获取最佳的分类方式。④参加BCI2000的系统平台，进行分类比赛。
4 小结
通过学习脑机接口知识，构建一个脑机接口实验平台，包括SSVEP/运动想象等基本的脑机接口实验，使学生能自我设计实验，分析数据，搭建脑机接口系统。有效提高研究生对当前国际国内的热点——脑科学及其应用有更为直观的认识，为今后投身到脑科学发展中打下坚实的基础。
致谢
感谢重庆邮电大学教改项目：#YKC2015007和 #XJG1519 对本文的支持。
感谢重庆市重点教改项目：#1202014和#yjg122001。
[责任编辑：许丽]