天津大学脑机接口MetaBCI平台：开源神器助力脑机接口技术发展

天津大学医学工程与转化医学研究院、天津脑中心等单位联合开发了我国首个脑机接口综合性开源软件平台——MetaBCI。本文将详细介绍MetaBCI平台的功能、特点及应用前景，以及获取安装方法，文档地址。作为我国首个综合性开源脑机接口软件平台，为BCI技术的研究和应用提供了强有力的支持。

foamz

1264人浏览 · 2025-02-28 12:34:04

foamz · 2025-02-28 12:34:04 发布

引言

随着人工智能和人工神经系统技术的快速发展，脑机接口（Brain-Computer Interface，BCI）技术在神经科学、人机交互、智慧医疗等领域展现了巨大潜力。然而，国内在脑机接口开源软件平台方面仍存在技术缺失和应用瓶颈，尤其在数据标准化、算法复现性以及在线系统实时性等方面。为此，天津大学医学工程与转化医学研究院、天津脑中心、脑机交互与人机共融海河实验室等单位，联合开发了我国首个脑机接口综合性开源软件平台——MetaBCI。本文将详细介绍MetaBCI平台的功能、特点及应用前景。

一、平台概述

MetaBCI（Meta Brain-Computer Interface）是天津大学医学工程与转化医学研究院、天津脑中心、脑机交互与人机共融海河实验室等单位协同开发的一款脑机接口综合性开源软件平台。这一平台旨在降低构建脑机接口系统的技术门槛，减少研发成本，同时促进脑机接口技术的快速发展与实际应用。

1. 开发背景

BCI技术最初由 Jacques J. Vidal于1970年代提出，旨在通过脑电信号直接与计算机进行通信，替代、恢复或增强人体的神经系统功能。非侵入式BCI作为主流，因其安全性和便利性，广泛应用于智能设备控制、虚拟现实、增强现实等领域。然而，现有工具箱在功能上存在局限性，无法全面覆盖BCI链中的所有环节。

2. 平台目标

MetaBCI平台的目标是为BCI研究者和开发者提供一个一站式的开源解决方案，简化BCI系统的构建过程，降低技术门槛。通过提供完整的数据采集、预处理、解码和反馈功能，MetaBCI旨在成为BCI领域的基石。

二、MetaBCI平台的核心功能

MetaBCI平台由三个核心模块组成：Brainda（脑数据处理模块）、Brainstim（脑刺激呈现模块）和Brainflow（脑数据流处理模块），满足从数据采集到分析、解码和反馈的全流程需求。

1. Brainda：离线数据分析与解码模块

Brainda模块专注于离线数据分析，提供统一的数据接口和预处理流程，支持多种BCI数据集的加载、格式化和解码。其核心功能包括：

数据加载：支持多种数据格式，包括MNE-Python的raw和segments格式。
数据预处理：提供标准化的预处理流程，包括数据截取、重采样和通道选择。
数据解码：集成了多种解码算法，支持特征提取和模式识别，例如Canonical Correlation Analysis（CCA）、Task-Related Component Analysis（TRCA）和Filter Bank Common Spatial Pattern（FBCSP）。

Brainda还提供了灵活的扩展性，用户可以通过自定义函数添加新的预处理方法或解码算法。

2. Brainstim：脑机接口刺激呈现模块

Brainstim模块专为脑机接口实验中的刺激呈现设计，提供简洁高效的范式设计模块，支持多种BCI范式，例如P300、SSVEP（稳定态视觉诱发电位）和运动想象（Motor Imagery，MI）。

刺激呈现：Brainstim能够快速创建和呈现实验刺激，支持多种显示设备和接口，确保高精度和低延迟。
灵活性：用户可以根据需求自定义刺激参数，如颜色、形状和动画效果。
兼容性：Brainstim支持多种 EEG 设备的触发信号输出，确保与数据采集设备的高效通信。

3. Brainflow：在线数据流处理模块

Brainflow模块面向在线开发需求，利用多线程和多进程技术实现实时高效的数据处理和反馈功能。其核心功能包括：

数据采集：通过Lab Streaming Layer (LSL)与 EEG 设备进行通信，实现实时数据流的采集。
数据处理：支持多种解码算法的在线运行，例如FBCSP和支持向量机 (SVM)，快速产生反馈结果。
反馈输出：提供多种反馈方式，如屏幕显示、声音反馈或振动反馈，确保实验参与者的即时体验。

三、平台的核心优势

MetaBCI平台凭借其模块化设计和开源架构，具有显著的技术优势：

1. 开源架构

编程语言：MetaBCI基于国际通用开源语言 Python，具有跨平台支持和丰富的库资源。
标准化数据格式：统一了BCI数据的结构和预处理流程，提升数据处理的效率和一致性。
扩展性：通过Base类和hook函数，用户可以根据需求扩展平台功能，满足个性化需求。

2. 模块化设计

功能分离清晰：Brainda、Brainstim和Brainflow分别负责数据分析、刺激呈现和实时处理，模块间相互独立，提升系统的可维护性和可扩展性。
灵活性高：用户可以根据实验需求灵活选择和组合模块，满足不同的应用场景。

3. 高度兼容性

支持设备：MetaBCI支持多种 EEG 设备，包括Neuroscan SynAmps RT、Neuracle Neusen W等，兼容多种数据接口。
支持算法：集成了多种解码算法，涵盖传统方法（如CSP、CCA）和深度学习模型（如EEGNet、GuueyNet），满足不同研究需求。
支持标准化数据集：MetaBCI提供了17个公开数据集，涵盖SSVEP、P300、MI等多种BCI任务，支持数据的统一格式化和分析。

四、获取方式

1.开源访问

MetaBCI的全部代码已在GitHub上公开共享，用户可以免费下载和使用。

项目地址： TBC-TJU/MetaBCI: MetaBCI: China’s first open-source platform for non-invasive brain computer interface. The project of MetaBCI is led by Prof. Minpeng Xu from Tianjin University, China.https://github.com/TBC-TJU/MetaBCI 关于安装使用方式，可以看我另一篇博客，天津大学脑机接口MetaBCI项目平台安装教程-CSDN博客https://blog.csdn.net/foamz/article/details/145869107?spm=1001.2014.3001.5502

2.配套文档

平台还提供了配套的中文使用手册，方便用户快速上手，降低了学习门槛。

MetaBCI’s documentation. — MetaBCI 0.2 documentationhttps://metabci.readthedocs.io/

五、结语

MetaBCI平台作为我国首个综合性开源脑机接口软件平台，为BCI技术的研究和应用提供了强有力的支持。通过其一站式功能和开源架构，MetaBCI不仅降低了技术门槛，还为BCI技术的快速发展和实际应用奠定了坚实基础。未来，随着算法和设备的不断进步，MetaBCI有望成为BCI领域的基石，推动人机交互技术向更高层次发展。

六、参考文献

Mei J, Luo R, Xu L, Zhao W, Wen S, Wang K, Xiao X, Meng J, Huang Y, Tang J, Cheng L, Xu M, Ming D. MetaBCI: An open-source platform for brain-computer interfaces. Comput Biol Med. 2024 Jan;168:107806. doi: 10.1016/j.compbiomed.2023.107806. Epub 2023 Dec 4. PMID: 38081116.