第十章：脑机接口 — 单元习题

总分：100分 | 建议用时：50分钟
题型：30%客观题（选择+填空）+ 70%问答（简答+分析）

---

占位图

一、单项选择题（每题2分，共8题，16分）

1. 脑机接口（BCI）技术的核心目标是？
A. 修复受损的神经元
B. 在大脑与外部设备之间建立直接通信
C. 增强人类记忆能力
D. 替代所有感觉器官

2. 以下哪种脑信号获取方式具有最高的空间分辨率？
A. 头皮脑电（EEG）
B. 皮层脑电（ECoG）
C. 侵入式（犹他电极，检测单个神经元活动）
D. 功能性核磁共振（fMRI）

3. 非侵入式脑机接口（EEG）的主要缺点是？
A. 需要开颅手术
B. 信号经颅骨衰减，噪声最大
C. 只能检测单个神经元活动
D. 测量范围最小

4. ECoG（皮层脑电图）属于哪种脑机接口类型？
A. 侵入式
B. 半侵入式
C. 非侵入式
D. 无线式

5. 以下哪项不是脑机接口面临的主要挑战？
A. 信号质量与噪声问题
B. 植入电极的长期生物相容性
C. 传统相机的帧率限制
D. 从高维神经信号中解码控制指令

6. 侵入式脑机接口使用的典型电极是？
A. 头皮电极帽
B. 犹他电极（Utah Array）
C. 表面肌电电极
D. 红外传感器

7. 关于脑机接口信号获取技术，信号质量从高到低的排序是？
A. EEG > ECoG > 侵入式
B. 侵入式 > ECoG > EEG
C. ECoG > EEG > 侵入式
D. 三者信号质量相同

8. 浙江大学脑机接口研究实现的典型应用不包括？
A. 皮层运动神经信号控制机械臂3D运动
B. 脑控汉字书写
C. 基于事件相机的自动驾驶
D. 脑控打麻将

---

二、填空题（每空2分，共7空，14分）

9. 脑机接口信号获取的三个层次从内到外依次是：________式、半侵入式（ECoG）和________式（EEG）。

10. 侵入式脑机接口可检测________神经元电活动，信号最精准但需________手术；非侵入式通过________采集信号，最安全但噪声也最大。

11. 脑机接口面临的挑战包括：信号质量、长期________性、生物相容性和________算法等。

---

三、简答题（每题10分，共4题，40分）

12. 请对比脑机接口三种信号获取方式（侵入式、半侵入式ECoG、非侵入式EEG）的优缺点，包括信号质量、空间分辨率、安全性和适用场景。

13. 请阐述侵入式脑机接口的技术原理、优势和主要挑战。为什么侵入式接口能实现最精细的控制（如脑控机械臂3D运动），但难以大规模推广？

14. 试从信号来源、采集方式和信息处理流程的角度，比较脑机接口与事件相机两种技术的异同。它们分别如何体现"类脑计算"的理念？

15. 脑机接口需要实现"双向闭环"——不仅读取大脑信号控制外部设备，还需要向大脑反馈感觉信息。请说明为什么双向闭环是必要的，并分析实现双向闭环面临的技术挑战。

---

四、综合分析题（每题15分，共2题，30分）

16. 假设你需要为一位脊髓损伤患者设计一套脑机接口系统，使其能够用意念控制计算机光标完成"点选"操作：
(1) 你会选择哪种信号获取方式？请从信号质量、安全性和实用性三个角度说明理由；
(2) 简述信号处理流程（从神经信号采集到光标移动指令输出）；
(3) 该系统可能面临哪些噪声干扰？如何提高解码精度？

17. 请从"类脑计算"的视角综合分析：脑机接口技术、神经形态相机和脉冲神经网络三者之间的关系。如果构建一个完整的类脑智能系统，这三者分别扮演什么角色？如何协同工作？

---

试卷结束。

第十章：脑机接口 — 单元习题答案

---

一、单项选择题答案

题号	答案	解析
1	B	BCI核心：在大脑与外部设备之间建立直接通信通道
2	C	侵入式（犹他电极）可检测单个神经元活动→空间分辨率最高。EEG最低（颅骨衰减+大量神经元平均）
3	B	EEG信号需穿透颅骨和头皮→衰减严重、易受肌电干扰→噪声最大
4	B	ECoG电极置于皮层表面（硬膜下/外），不穿透脑组织→半侵入式
5	C	"传统相机的帧率限制"是事件相机的问题而非BCI的挑战。BCI挑战包括信号质量、长期稳定性、生物相容性、解码算法和伦理等
6	B	犹他电极是侵入式BCI的典型微电极阵列；头皮电极帽用于EEG
7	B	侵入式>ECoG>EEG，越接近神经元信号越精准
8	C	基于事件相机的自动驾驶属于第九章类脑计算应用，非BCI应用

---

二、填空题答案

9. 侵入、非侵入

10. 单个、植入、头皮电极帽（或头皮表面电极）

11. 稳定、解码

---

三、简答题参考答案

12. 三种BCI信号获取方式对比

参考答案：

维度	侵入式	半侵入式(ECoG)	非侵入式(EEG)
信号来源	大脑皮层内部	皮层表面	头皮表面
信号质量	⭐⭐⭐ 最高	⭐⭐ 中等	⭐ 最低
空间分辨率	单个神经元	神经元群体	大量神经元平均
噪声	最低	中等	最高（颅骨衰减）
侵入性	需手术植入	需开颅	无创
安全性	风险最高	中等	最安全
长期稳定性	瘢痕组织影响	较好	最好
测量范围	小（电极附近）	中	大（全脑）
适用场景	精细运动控制、科研	临床监测、中等精度BCI	消费级BCI、临床诊断

---

13. 侵入式脑机接口

参考答案：

技术原理：

• 将微电极阵列（如犹他电极）植入大脑皮层
• 电极尖端接触神经元胞体附近→记录单个神经元的动作电位
• 通过 Spike Sorting 分离不同神经元→获得高精度神经信号

优势：

• 最高信号质量：直接记录单个神经元活动
• 最高空间分辨率：可区分相邻神经元
• 能实现最精细的控制：神经信号→精确解码运动意图→机械臂3D运动、汉字书写

难以大规模推广的原因：

1. 手术风险：需要开颅植入→感染、出血风险
2. 生物相容性：长期植入→瘢痕组织包裹电极→信号衰减
3. 成本高：手术+设备+长期维护
4. 伦理问题：侵入人体→需严格伦理审查
5. 使用门槛：仅适用于有明确医疗需求的患者群体

---

14. 脑机接口与事件相机对比

参考答案：

维度	脑机接口(BCI)	事件相机
信号来源	大脑神经电信号	环境光亮度变化
采集方式	电极（植入/皮层/头皮）	像素阵列
信号类型	动作电位/LFP/EEG	事件流(t,x,y,p)
信息方向	大脑→外部设备（输出）	环境→计算系统（输入）
异步性	神经元异步发放	像素异步触发
稀疏性	部分神经元活跃	仅变化处有事件

体现"类脑计算"理念：

• BCI：仿脑输出——直接从大脑读取神经编码信息
• 事件相机：仿脑感知——模拟视网膜的异步事件驱动感光
• 两者都遵循"异步、事件驱动、稀疏"的类脑原则

---

15. 双向闭环的必要性与挑战

参考答案：

为什么双向闭环是必要的：

• 正常运动控制是双向的：大脑发送运动指令→同时接收本体感觉反馈（触觉、位置觉）
• 仅有"读取"（大脑→设备）→缺少感觉反馈→控制不精准、不自然
• 例如抓取物体：需要触觉反馈才知道抓力是否合适
• 双向闭环 = 读取运动意图 + 写入感觉反馈→实现自然的人机交互

技术挑战：

挑战	说明
写入精度	如何精确刺激特定神经元群体→产生真实的感觉
时空编码	感觉信息需以大脑"理解"的编码格式写入
双向干扰	电刺激可能干扰记录电极
安全性	长期电刺激对脑组织的影响
实时性	读取→处理→刺激→反馈的闭环延迟需<100ms
可塑性匹配	大脑会对人工反馈产生适应→系统需动态调整

---

四、综合分析题参考答案

16. 脊髓损伤患者BCI光标控制系统

(1) 信号获取方式选择：非侵入式EEG

理由：

角度	分析
信号质量	光标"点选"不需要单个神经元精度→EEG的P300或运动想象特征足够
安全性	脊髓损伤患者已有严重健康问题→应避免开颅手术风险
实用性	成本低、可居家使用、无需手术维护→长期使用可行

若患者条件允许，也可考虑ECoG作为折中方案（更高精度+中等风险）。

(2) 信号处理流程：

EEG信号采集(头皮电极帽) → 带通滤波(去除眼电/肌电) → 
特征提取(如P300电位/Mu节律事件相关去同步) → 
分类器(区分"意图点击"vs"静止") → 光标移动+点选指令

(3) 噪声干扰与精度提升：

噪声源	应对措施
眼电/眨眼	独立成分分析(ICA)去除
肌电(咬合/颈部)	带通滤波+指导患者保持放松
环境电磁干扰	屏蔽+参考电极
用户状态波动	自适应分类器+校准session

提高解码精度：多次trial平均、共空间模式(CSP)空间滤波、深度学习端到端解码

---

17. 三类脑计算体系的综合分析

参考答案：

三角色定位：

         事件相机                SNN                 BCI
        [感知层]      →      [计算层]      →     [交互层]
     模拟视网膜感知        模拟大脑信息处理        读取大脑输出
     环境→脉冲事件         脉冲→特征→决策         神经→控制指令

协同工作流程：

1. 事件相机（感知）：模拟视网膜→环境光变化→异步事件流→输入SNN
2. SNN（计算）：模拟大脑皮层→时空脉冲模式处理→识别、决策、规划
3. BCI（交互）：读取大脑意图→解码为指令→控制外部设备；或反向→将SNN处理结果以电刺激反馈给大脑

类脑计算的统一理念：

维度	共同体现
异步	三者均无全局时钟，事件驱动
稀疏	仅活跃部分产生信号/脉冲/事件
存算一体	均适合神经形态硬件实现
生物启发	分别模拟感官→计算→运动输出的生物信息处理环路

完整闭环：

环境→事件相机(仿视网膜感知)→SNN(仿脑计算)→BCI(仿运动输出)→执行器
                                  ↑________反馈_________↓

这正是"类脑计算"的最终目标：从感知到计算到交互，全链路模拟生物神经系统的信息处理范式。

---

答案编制完成时间：2026年6月25日