脑机接口研究组

目录

写在前面

全世界宣称自己研究的脑机接口的实验室可能有几百个,但他们的研究内容可以非常不一样,下面的讨论就是帮助你确定自己想要研究的脑机接口究竟是哪个方面。你需要根据自己的想法来选择与之匹配的实验室。

脑机接口,英文名为Brain-Computer Interface(简称 BCI )或Brain-Machine Interface(简称 BMI ),它是脑与机器进行信息交流的媒介。

从信息传递的方向来看,脑机接口的功能可以分为两种:“”(脑 → 机)与 “”(机 → 脑)。其中,“读”包括:

  • 物理上的“读”——对神经信号的记录(神经记录,neural recording),可理解为“读取”;
  • 数学上的“读”——对神经信号的解码(神经解码,neural decoding),可理解为“解读”。

(1)神经记录

神经记录的目标就是记录脑中神经元的全部信息(主要指电信号),具体来说,这个要求可以分解为以下几点:

  1. 高时间分辨率。两个动作电位之间最小时间间隔为1毫秒,如果要记录是否动作电位有或无,至少需要毫秒级别的时间分辨率;如果要记录动作电位产生和消失的完整过程,那么时间分辨率要求更高。记录电信号的技术(单电极、电极阵列、皮层电图 ECoG、脑电图 EEG)时间分辨率都很高,记录磁信号的脑磁图 MEG 也可以达到高时间分辨率。但功能性核磁共振 fMRI 和功能性近红外光谱技术 fNIRS 的时间分辨率非常低(秒级别),因为它们记录的不是电信号,而是间接反应电信号的血氧水平依赖的代谢信号,即BOLD信号。
  2. 高空间分辨率。一般的神经元的胞体大概有50微米,要记录单个神经元的电活动,电极需要足够细。能做到这一点的是尖端极细的钨丝电极或电极阵列,而 ECoG 和 EEG 电极太大,单个电极记录到的可能是上百万个神经元混杂在一起的信号,fMRI 和 MEG 的体素(最小单位)大小为立方毫米级别,因此一个体素可能是十万神经元混杂的信号。
  3. 大范围。要看全脑的反应,可以用fMRI、MEG、EEG,但显然这些技术都看不到单个神经元的活动。既要看的范围大(“广角镜头”)又要不减少细节(“高分辨率”),那么需要发展高带宽(“高像素”)的神经记录技术。要实现这个目标,可以增加电极的数量(但电极过多,对脑组织造成的损伤越大),或者增加单根电极上的记录位点的数量(即通道数)。目前NeuraLink可以记录 3,072 个通道(Musk, 2019, JMIR[1]),Neuropixel 2 能达到 5,000 个通道(Steinmetz et al., 2021, Science[2]),Argo 更是达到惊人的 65,536 个通道(Sahasrabuddhe et al., 2021, JNE[3])。但 Neuropixel 除了啮齿类动物的大脑外,仍不能覆盖猴子或人类的大脑,最多就是覆盖几个相邻的脑区。而且能用得起 Neuropixel 的实验室也是少数,因为成本太高了。据说 Neuropixel 要价几十万,而上千通道的电极阵列则更是贵得离谱的百万。。。(同志们,这是创业的好机会!)。另一种思路是将电转为光的信号进行记录。目前双光子钙成像的方法一次性观察上千个细胞,但缺点是双光子能够观察的深度范围有限。
  4. 长时间。侵入式的记录方法最大缺点就是会造成组织损伤,并且引起机体的炎症反应。可能花大钱、辛辛苦苦做开颅手术埋植进入的电极在几个月后就收不到神经元的信号了。缓解这个问题的一种方法是改进电极的材料,让电极变得柔软,这样的电极可以使用注射器到组织中并展开成一个网,叫做网状电极柔性电极(如下图所示,来源:Liu et al., 2015, Nature Nanotechnology[4])。据说 NeuraLink 也是受此启发而做成 thread 电极的。此外,由于安全问题,侵入式的方法基本不能在健康的人类被试上做,只能在需要进行开颅手术治疗的病人中试验、或者患有严重瘫痪的病人甘愿冒险一试。

由于神经记录技术对神经科学的进步具有重要意义(毕竟巧妇难为无米之炊),而它又那么地不完美,因此美国脑计划就把着力点放在开发能够记录大脑全部信息的技术上。而这需要纳米科学、材料科学与工程技术上的进步。好消息是,在这方面有不少华人的身影,特别是做柔性电极的纳米科学的大牛Charles M. Lieber(近两年被FBI调查。。) 的华人学生们,如方英洪国松等。

可通过直径小至100 μm的针头注射并展开的亚微米厚网状柔性电极

(2)神经解码

在物理上读取神经信息之后,需要对信号进行处理以提高信噪比(这属于信号处理的内容),更重要的是,需要数学上读懂神经信息。然而这又是另一个大难题,而且这不仅是脑机接口的问题,而且是整个认知与系统神经科学的问题。

在神经科学中,为了了解一个认知过程的神经机制,科学家需要相互配合。

首先,认知神经科学家通过设计精巧的、能够分离出待研究的认知过程的行为范式,并使用 fMRI、MEG 等技术大致定位该认知过程发生的脑区。

接着,系统神经科学家在动物上使用侵入式方法,在认知神经科学家发现的候选脑区中记录单个神经元或神经元群体的电信号,然后分析这些数据、研究神经元动力学及其对认知过程的编码。

但目前除了对高维神经数据进行降维外,缺乏更有效的分析手段,因此大家对神经编码的过程仍然不甚了解。但即使这样,仍然有办法进行神经解码。那就是通过机器学习方法对神经数据中的模式进行识别,用黑箱对抗黑箱,用魔法打败魔法。。。

神经解码的质量依赖于原始信号的信噪比,譬如采集的信号是 EEG,那么解码的信息不可能过于复杂,这可以应用于简单的情景,譬如控制轮椅的前后左右运动和停止。如果要求精细的控制,譬如机械手指的控制,那么可能需要使用电极阵列这类高空间分辨率的方法。另外在要求低时延的场景中,还需要考虑解码算法运行的速度。因此,神经解码的进步需要依靠算法层面上的研究。

当神经信号被解读出来后,就可以输出到机器中或用于控制机器。如果解码的是运动信息,那么就可以让截肢或瘫痪的人指挥机械义肢或轮椅进行运动(如下图所示,来源 Rajangam et al., 2016, Scientific Reports[5]);如果是解码的是语音信息,那么就可以让不能发声的中风病人通过音响发出声音(具体可以了解 Edward Chang 实验室的工作);如果解码的是视觉信息,那么就可以让被试(譬如植物人)的想象或者梦境(Horikawa et al., 2017, Nat. Comm.[6])通过屏幕投影出来……这方面的研究更多的看研究者的脑洞有多大。

动图封面

 
猴子通过脑机接口控制轮椅运动

广义地来说,做认知神经科学和系统神经科学的实验室都可以认为是做脑机接口的,但由于大家的兴趣点主要在理解神经机制而非应用,因此并不宣称自己是做脑机接口的。而有一类被称为人机交互(human-machine interaction)的实验室,他们兴趣点在于将已知的神经科学知识转为实际场景中的应用,因此他们会宣称自己是做脑机接口的。

(3)神经调控

以上只是脑机接口通过“读”所实现的功能,更强大的是,脑机接口还能“写”,这将改变神经网络的结构及其认知功能。这种技术在神经科学中被称为“神经调控”(neural modulation),它能像控制电灯的开/关一样,控制神经元的状态(激活/抑制)。

如果脑机接口兼具神经记录和神经调控功能,譬如脑机接口通过解码大脑运动意图以控制机械手,机械手触摸到物体后又把触觉信息通过脑机接口刺激神经元的方式反馈给大脑(如Flesher et al., 2021, Science[7]),那么我们称这样的脑机接口构成一个“脑 → 机 → 脑”的闭环(close-loop)系统双向(bi-directional)系统

类似于神经记录技术,神经调控技术也分为侵入式和非侵入式的。

侵入式的神经调控方法包括使用电极进行电刺激,如在病人中使用的深部脑刺激(Depp Brain Stimulation,简称 DBS,因刺激的核团处于脑中深部位置而得名)和在非人灵长类使用常用的微刺激(Micro-stimulation,因使用微安级别的电流而得名)。

通过刺激神经元,无需感官输入就能产生某种感觉(譬如刺激V1让被试看到一个光点,刺激IT区让被试看到面孔),或者让感觉产生扭曲(譬如刺激MT让被试看到的画面产生扭曲)。对于复杂的、由神经元群体活动编码的运动,我们可以通过按照神经元群体的整体发放模式(即沿着神经流形)进行调控(激活或抑制),复现某个复杂的运动序列。

但由于神经科学对复杂运动序列的编码还不够清楚,无法通过神经调控的方法让被试产生新的复杂运动序列(譬如某个新的舞蹈动作)。类似地,目前我们对陈述性记忆的编码也不了解,因此我们也不能向大脑写入新的知识。所以说,要实现神经调控在应用上的突破,很大程度上依赖于我们对认知过程神经编码的理解

此外,深部脑刺激有效地治疗脑疾病,譬如帕金森病(如下图所示,来源:Deep Brain Stimulation for Parkinson’s Disease)、以及最近报道的重度抑郁症(Scangos et al., 2021, Nature Medicine[8])。但DBS治疗疾病的机制还不甚清楚,能否有效治疗其它神经或精神疾病仍是未知之数。

动图封面

 
使用深部脑刺激(DBS)治疗的帕金森病患者前后对比

虽然电刺激是最直接的调控方法(因为神经元信号本身就是电信号),但它不够精准,一个电刺激下来,电极周围的神经元都会被激活,而且抑制方法是简单粗暴的把神经元电死的大电流。。。而目前已经在小动物上大获成功的光遗传(optogenetics)技术则可以通过分子标记物找到特定的神经元,从而在目标神经元上表达光敏感通道蛋白(可以是单种激活或抑制的通道蛋白,也可以同时表达激活和抑制的两类通道蛋白),之后只要向神经元照射特定波长的激光就可以激活或抑制目标神经元。

非侵入式的神经调控方法则有经颅磁刺激(TMS)、经颅直流电刺激(tDCS),但它们只能无差别地刺激一大片脑区。。因此,要在正常人上使用神经调控,还需要有新的思路开发新型的调控技术。跟神经记录技术类似,神经调控技术的发展依赖于纳米科学、材料科学与工程技术上的进步。

(4)建议

综上所述,脑机接口的能否商业化应用不仅依赖于应用科学(材料、算法等)上的进步,还需要依赖基础科学(神经原理等)的进步。

  • 如果你想尽快实现脑机接口的商业化,那么选择目前较为成熟的感觉与运动领域,并且研究优化神经信号记录技术、解码算法、神经调控技术的工科专业(如生物医学工程、神经工程、纳米科学、材料科学、人机交互)可能很适合你。
  • 如果你致力于扩展脑机接口的应用边界,将其应用到高级认知和脑疾病,那么深耕基础神经科学(分子、细胞、发育、认知、系统、计算)研究认知过程和脑疾病的神经机制可能更适合你。

下面列出的大学与研究组来自之前的文章,供参考~ 这是前面答主们提供的信息的扩充,感谢前面的答主,respect

1 | 美国(90+研究组)

杜克大学(Duke,4个研究组)

  1. Miguel Nicolelis (人类、猴子躯体运动与脑机接口;2014年巴西世界杯“机械战甲”发明者、《脑机穿越》 作者;总被引数34k+)
  2. Dennis Alan Turner (帕金森病、阿尔茨海默病的自适应深部脑刺激和基因治疗,抑郁症的深部脑刺激,感觉恢复的脑机接口,癫痫发作机制;总被引数11k+)
  3. Jonathan Viventi (高分辨率、大面积的柔性脑机接口,癫痫的诊断和治疗;总被引数5k+)
  4. Leslie M. Collins (基于物理的统计信号处理、地下传感、听觉假体和模式识别;总被引数5k+)

加州理工学院(CalTech,2个研究组)

  1. Richard Andersen (人类、猴子躯体运动与脑机接口,运动意图,运动规划,感官引导运动的坐标转换;总被引数46k+)
  2. Joel W. Burdick (机器人运动、基于传感器的运动规划算法、多指机器人操作、应用非线性控制理论、神经假体和机器人的医学应用;总被引数10k+)

匹兹堡大学(Pitt,12个研究组)

  1. Andrew Schwartz (运动控制、脑机接口;猕猴;电极阵列;总被引数18k+
  2. Michael Boninger(辅助技术、生物力学、神经假肢、脊髓损伤、轮椅、再生医学、教学研究;总被引数15k+
  3. Aaron Batista (神经假体,感觉-运动整合;猕猴;电生理;总被引数5.5k+
  4. Jennifer L. Collinger(脑机接口、脊髓损伤、神经康复、辅助技术、神经假体;总被引数4.7k+
  5. George F. Wittenberg(神经康复,运动控制,经颅磁刺激,功能成像,中风,运动障碍,神经网络建模;总被引数4.4k+
  6. Marco Capogrosso(神经修复学、电刺激计算机模型、手臂麻痹、脊髓损伤、脑机接口、运动控制;总被引数3.5k+
  7. Robert Gaunt(神经假体、感觉运动、功能性电刺激、脊髓损伤、膀胱功能障碍;总被引数1.7k+
  8. Lee Fisher(神经假体,体感功能,脊髓损伤,截肢,平衡控制;总被引数0.8k+
  9. Elvira Pirondini(中风,运动控制,本体感觉,fMRI,EEG,生物标志物;总被引数0.8k+
  10. Mike Urbin(中风,脊髓损伤,电生理学,纤维束成像,神经调节;总被引数0.5k+
  11. Lynn Worobey(脊髓损伤,辅助技术,干预训练计划,活动监测;总被引数0.3k+
  12. Amit Sethi(运动控制,中风,神经可塑性,神经康复;总被引数0.1k+

布朗大学(Brown,4个研究组)

  1. John Donoghue (BrainGate发明者之一,脑机接口,运动规划;总被引数28k+)
  2. Arto V Nurmikko(侵入式脑机接口,激光科学,纳米光子学,神经工程;总被引数22k+)
  3. Leigh R Hochberg(BrainGate发明者之一,脑机接口,瘫痪,中风,脊髓损伤;总被引数13k+)
  4. David A. Borton(感觉修复、运动控制、脑机接口;猕猴;电生理;总被引数1k+)

斯坦福大学(Stanford,11个研究组)

  1. Zhenan Bao(鲍哲南;皮肤启发电子器件与设备,神经界面;总被引数132k+)
  2. Krishna V. Shenoy (人类、猴子运动控制与脑机接口;总被引数19k+)
  3. Guosong Hong(洪国松;柔性电极,可注射纳米天线和射频发生器,红外光遗传,循环内部光源,机械发光材料,固态陶瓷磷光体;总被引数19k+)
  4. Jaimie Henderson (深部脑刺激,脑机接口,开发治疗运动障碍、癫痫、疼痛等脑疾病的新型神经调节技术;总被引数14k+)
  5. Corinna Darian-Smith (运动控制、损伤后代偿/适应;猕猴;电生理;总被引数2k+)
  6. Paul Nuyujukian (运动控制,脑机接口;总被引数5k+)
  7. E.J. Chichilnisky (人工视网膜;总被引数9k+)
  8. Boris Murmann (模数接口及其计算后端,传感器、高速有线和RF 收发器,用于数据压缩接口和嵌入式机器学习的系统驱动电路设计;总被引数8k+)
  9. Daniel Palanker (电神经接口,光学成像和光谱学,激光与组织的相互作用,视网膜可塑性;总被引数6k+)
  10. Kwabena Boahen (神经形态芯片及其算法设计;总被引数8k+)
  11. Nicholas A. Melosh (工程单元接口,脑机接口,金刚石和金刚石材料,能量和电子转移;总被引数7k+)

加州大学旧金山分校(UCSF,2个研究组)

  1. Edward chang (人类语音、运动与认知;总被引数25k+)
  2. Philip N. Sabes (猴子运动控制;总被引数3k+)

华盛顿大学(UW,14个研究组)

  1. Jeffrey Ojemann (脑机接口,学习机制、触觉反馈,递归刺激,手部运动的皮层表征,认知动力学,语言、大脑区域之间的高阶非线性相互作用以及这些现象如何随年龄变化,整合 ECoG 和 fMRI,颞叶癫痫;总被引数22.6k+)
  2. Eberhard Fetz (运动的神经控制,神经建模;总被引数19k+)
  3. Rajesh Rao(计算神经科学,脑机接口,人工智能,印度河文字,印度古典绘画;总被引数18k+)
  4. Howard Chizeck (遥控机器人系统的触觉和安全性,脑机接口和功能性电刺激,残障人士辅助器具开发;总被引数7.6k+)
  5. Wyeth Bair (统一的视觉处理神经环路模型,光学记录系统研发;总被引数4.9k+)
  6. Bingni Brunton (神经大数据分析,自然行为量化,神经启发稀疏传感和控制,脑机接口的神经解码;总被引数3.2k+)
  7. Eric Chudler (伤害感受、疼痛和多感觉整合的皮层和基底神经节机制;总被引数3k+)
  8. Steve I. Perlmutter (神经假体疗法,神经再生,运动控制;总被引数2.3k+)
  9. Andrew Ko (认知和行为的神经相关性,运动障碍的深部脑刺激机制,闭环深部脑刺激系统的开发;总被引数2k+)
  10. Adrian KC Lee (MEG/EEG/MRI,听觉注意,脑机接口控制假肢;总被引数2k+)
  11. Ludo Max (正常发音的感觉运动控制和组织,口吃的神经运动和神经生理机制;总被引数1.8k+)
  12. Amy Orsborn (感觉运动系统、感觉运动学习和恢复感觉运动功能的接口;总被引数1k+)
  13. Azadeh Yazdan-Shahmorad (神经接口,大脑可塑性的恢复;总被引数0.2k+)
  14. Julie Arenberg (人工耳蜗与听觉系统交互;总被引数0.01k+)

凯斯西储大学(Case Western Reserve,14个研究组)

神经工程中心(Neural Engineering Center,简称 NEC)

  1. J. Thomas Mortimer (已退休;神经控制和假肢,神经组织的电激活,膜特性和电极;总被引数18k+)
  2. Cameron McIntyre(皮层下脑结构的慢性高频电刺激或深部脑刺激及其作为神经系统疾病治疗的应用;总被引数13k+)
  3. P. Hunter Peckham (神经假体、植入式刺激和控制,运动控制,康复工程;总被引数9k+)
  4. Dominique M. Durand (神经工程,神经假体,神经动力学,神经系统的电和磁刺激,与电子设备的神经接口,癫痫的分析与控制;总被引数8k+)
  5. Patrick E. Crago(已退休;控制运动功能的神经假体,神经肌肉控制系统;总被引数5.6k)
  6. Dustin Tyler (拟神经神经假体,喉神经假体,神经电极的临床实施,皮质神经假体,微创植入技术,神经刺激和神经假体的建模;总被引数5.4k+)
  7. Jeffrey Capadona(生物材料皮质神经假体,电极介导的神经炎症;总被引数5.1k+)
  8. Ronald J. Triolo(为有感觉运动障碍或肢体丧失的个人设计、原型设计和生产新型医疗设备和康复、辅助或恢复技术;总被引数4.2k+)
  9. Robert F. Kirsch (使用神经假体恢复运动,神经假体控制系统设计,对人体运动的自然控制,运动的生物力学,基于计算机的建模,系统识别;总被引数4k+)
  10. Kenneth Gustafson (神经工程,神经假体,泌尿生殖功能的神经生理学和神经控制,恢复泌尿生殖功能的装置,功能性神经肌肉刺激;总被引数1.5k+
  11. A. Bolu Ajiboye开发和控制脑机接口技术,以恢复遭受如脊髓损伤和中风的严重神经系统损伤的个体的功能;总被引数1.2k+
  12. Andrew Shoffstall开发用于生物电子医学和神经假体的低风险、低成本和高影响应用的微创神经接口,神经解剖学和生理学,生物材料,药物输送和炎症;总被引数0.7k+
  13. Michael Moffitt(神经工程,阳极刺激、低幅度神经调节和对神经元件的光生物调节作用;总被引数0.5k+)
  14. Hamid Charkhkar (用于恢复肢体丧失或神经肌肉骨骼损伤患者的感觉运动功能的神经假体,支持感官的辅助设备,以改善平衡,转化神经工程;总被引数0.4k+

哈佛大学(Harvard,2个研究组)

神经技术与神经康复中心(Center for Neurotechnology and Neurorecovery,简称 CNTR)

  1. Sydney Cash(脑机接口,神经调控,癫痫发作机制,语音解码,睡眠与梦,神经震荡;总被引数15k+)
  2. Ziv Williams (猕猴的社会决策,人类认知处理,神经群体建模,脑机接口,神经调控;总被引数3k+)

约翰·霍普金斯大学(JHU,2个研究组)

生物医学工程系-神经工程

  1. Reza Shadmehr (狨猴小脑运动控制,帕金森病人的决策与运动控制;总被引数23k+)
  2. Sridevi V.Sarma(帕金森病,癫痫,脑机接口,慢性疼痛,决策制定和睡眠;总被引数1.5k+)

宾夕法尼亚大学(UPenn,1个研究组)

神经工程与治疗学中心(Center for Neuroengineering and Therapeutics,简称 CNT)

  1. Daniel Yoshor(视觉假体,癫痫;总被引数2k+)

哥伦比亚大学(Columbia,3个研究组)

  1. Daniel Wolpert (运动规划,感觉运动学习,感觉运动决策,概率与预测模型,脑机接口;总被引数52.4k+)
  2. Nima Mesgarani (语音处理,脑机接口,神经假体;总被引数7k+)
  3. Mark M. Churchland (猕猴运动控制;总被引数5k+)

圣路易斯华盛顿大学(WUSTL,3个研究组)

  1. Daniel W. Moran (神经假体,脑机接口,运动控制,运动学习与可塑性;总被引数9k+)
  2. Kurt Thoroughman (人类学习与运动控制;总被引数2k+)
  3. Pablo M. Blazquez (前庭、运动学习、运动控制;猕猴;电生理、药物学;总被引数1k+)

纽约大学(NYU,3个研究组)

  1. Bijan Pesaran (运动控制、脑机接口;猕猴;电生理;总被引数5k+)
  2. Shy Shoham (细胞分辨率神经光学,介观神经接口,神经调控;总被引数5k+)
  3. Zhe S. Chen (学习与记忆,工作记忆与执行控制,疼痛与记忆的实时脑机接口;总被引数4k+)

卡耐基-梅隆大学(CMU,3个研究组)

  1. Bin He (贺斌;电生理源成像,非侵入式脑机接口,非侵入式神经调控,生物阻抗成像;总被引数21.8k+)
  2. Douglas J. Weber (运动控制,脑机接口;猕猴;电生理,脑成像;总被引数8k+)
  3. Byron M. Yu (脑机接口、降维算法;总被引数4.6k+)

加州大学洛杉矶分校(UCLA,2个研究组)

  1. Leif Havton (神经修复、运动控制、脑机接口;猕猴;电生理;总被引数3k+)
  2. Jonathan Kao (神经假体,脑机接口,深度学习,神经群体动力学;总被引数2k+)

加州大学伯克利分校(Berkeley,2个研究组)

  1. Jose Carmena (神经尘埃发明者之一,运动控制、神经修复控制、脑机接口;猕猴;电生理、双光子钙成像;总被引数11k+)
  2. Michel Maharbiz(神经尘埃发明者之一,超声波脑机接口,微电机系统;总被引数4k+)

国立卫生研究院(NIH,1个研究组)

  1. Leonardo G. Cohen (运动学习与记忆,神经康复过程增强,基于MEG的脑机接口;总被引数76k+)

麻省理工学院(MIT,1个研究组)

  1. Hugh Herr (运动控制、脑机接口;人类;总被引数16k+)

加州大学圣地亚哥分校(UCSD,1个研究组)

  1. Vikash Gilja (脑机接口,神经假体;总被引数3k+)

德克萨斯大学奥斯汀分校(UT Austin,1个研究组)

  1. José del R. Millán (脑机接口,神经工程,神经假肢,人机交互,统计机器学习,神经科学,神经康复;总被引数12k+)

塔夫茨大学(1个研究组)

  1. Robert J. K. Jacob(基于fNIRS的脑机接口;总被引数17k+)

东田纳西州立大学(ETSU,1个研究组)

  1. Eric Sellers(脑机接口,注意力操纵,对ALS人群的纵向研究,传感器改进,分析算法改进;总被引数9k+)

巴特尔纪念研究所(Battelle Memorial Institute,1个研究组)

  1. Gaurav Sharma(脑机接口;总被引数0.9k+)

国家自适应神经技术中心(National Center for Adaptive Neurotechnologies)

  1. Jonathan Wolpaw(脑机接口;总被引数39k+)

2 | 中国(30+研究组)

中国科学院 – 脑科学与智能技术卓越创新中心(2个研究组)

  1. He Cui (崔翯;猴子运动控制,运动学习,脑机接口和神经假肢,机器人学;总被引数1k+)
  2. Zhengtuo Zhao (赵郑拓;长期稳定、超高带宽的植入式脑机接口,脑疾病诊疗,脑机接口上下游单元研发;总被引数0.5k+)

中国科学院 – 自动化研究所(1个研究组)

  1. Shan Yu(余山;信息处理的脑网络机制,类脑计算与类脑智能,脑机接口;总被引数0.1k+)

中国科学院 – 半导体研究所(1个研究组)

  1. Weihua Pei(裴为华;新型生物医学传感器,柔性电极;总被引数0.7k+)

中国科学院 – 国家纳米科学中心(1个研究组)

  1. Ying Fang(方英;高时空分辨率的活体电生理和电化学记录技术,脑疾病机理与早期诊断,开发可穿戴柔性电子器件,开发基于新型纳米材料和纳米技术的超柔性电子器件及光电器件,开发可穿戴电子设备;总被引数12k+)

中国科学院 – 上海微系统与信息技术研究所(1个研究组)

  1. Hu Tao(陶虎;脑虎科技 NeuroXess 创始人;新型微纳传感技术领域研究,脑机接口,新型人工智能感知芯片,生命电子信息;总被引数1.1k+)

中国科学院 – 深圳先进技术研究院(1个研究组)

  1. Xiaojian Li(李骁健;面向宽带脑机接口的神经电子和神经光子技术,面向神经仿真和类脑计算的神经环路解析和解码技术,面向类人机器人的神经拟态设备和系统研发;总被引数0.06k+)
  2. Chunshan Deng(邓春山;视觉信息加工,神经调控技术及应用)

清华大学(4个研究组)

相关机构:脑与智能实验室

  1. Xiaorong Gao (高小榕;脑机接口与脑电信号处理;总被引数11k+)
  2. Bo Hong (洪波;人脑语言网络与神经编码、微创脑机接口;总被引数5k+)
  3. Dan Zhang (张丹;情绪识别脑机接口、自然交互生理计算、教育神经科学;总被引数0.8k+)
  4. Milin Zhang (张沕琳;脑机接口应用的芯片设计及系统研发;总被引数0.8k+)

浙江大学(6个研究组)

相关机构:脑机接口研究所

  1. Xiaoxiang Zheng (郑筱祥;动物机器人,非人灵长类动物的神经解码和意念控制,植入式脑机接口的临床转化研究;总被引数3k+)
  2. Weidong Chen (陈卫东)
  3. Yueming Wang (王跃明;计算机视觉和模式识别,数据挖掘,脑机交互;总被引数1k+)
  4. Shaomin Zhang (张韶岷;植入式脑机接口,动态神经集群解码与分析及其在神经可塑性与神经假肢中的应用,靶向神经调控与脑疾病诊疗;总被引数1k+)
  5. Nenggan Zheng (郑能干;人工智能、机器学习、脑机接口、数据挖掘、移动互联网和嵌入式系统;总被引数0.6k+)
  6. Kedi Xu (许科帝;双向闭环植入式脑机接口,运动功能神经信息解码,神经功能调控,神经疾病的治疗;总被引数0.2k+)

上海交通大学(4个研究组)

相关机构:电子信息与电气工程学院-人机交互

  1. Bao-Liang Lu(吕宝粮;类脑计算,神经网络,深度学习, 情感计算,情感脑机交互;总被引数10k+)
  2. Liqing Zhang(张丽清;脑机接口与脑信号处理,统计学习与推理,物体识别;总被引数9k+)
  3. Xiangyang Zhu(朱向阳;脑机接口,神经假体,功能性电刺激,肌电图,触觉;总被引数4k+)
  4. Shanbao Tong(童善保;神经工程,神经信号处理,激光散斑血流成像,脑卒中康复技术,经颅超声神经调控技术;总被引数3k+)

电子科技大学(3个研究组)

相关机构:神经信息教育部重点实验室

  1. Dezhong Yao(尧德中;多模态成像方法,脑机对话,脑疾病,神经数据和神经计算模型;总被引数9k+)
  2. Peng Xu (徐鹏;脑电图分析方法,脑机接口、生物启发的人工智能)
  3. Yun Qin(秦云;脑机接口、脑-外周系统协调、认知增强,脑电图和功能磁共振成像的融合;总被引数0.5k+)

华南理工(5个研究组)

相关机构:脑机接口与脑信息处理研究中心

  1. Yuanqing Li(李远清;信号稀疏表示、盲信号分离、半监督机器学习、脑机接口、脑电与功能核磁共振成像信号分析;总被引数5k+)
  2. Zhijun Zhang(张智军;机器人、神经网络、机器学习、虚拟现实和人机交互;总被引数3k+)
  3. Zhu Liang Yu(俞祝良;信号处理、机器学习、大数据处理及在脑信号处理、智能机器人、医学数据处理中的应用;总被引数3k+)
  4. Zhenghui Gu(顾正晖;脑机接口信号处理与模式识别算法及系统;总被引数1k+)
  5. Tianyou Yu(余天佑;脑信号处理,脑-机接口,模式识别,机器学习;总被引数0.8k+)

天津大学(1个研究组)

  1. Dong Ming(明东;神经传感与成像、神经接口与康复、神经刺激与调控、神经假体与仿生;总被引数1.9k+)

西安交通大学(1个研究组)

  1. Guanghua Xu(徐光华;脑机接口,康复机器人,状态监测和故障诊断,数控机床动态检测,生机电信号处理;总被引数2k+)

3 | 德国

哥廷根大学(2个研究组)

  1. Hansjörg Scherberger (手部运动,脑机接口;猕猴;电生理;总被引数3k+)
  2. Alexander Gail (感觉运动整合,认知运动规划,神经假肢,神经同步,视觉物体编码;猕猴;电生理;总被引数1k+)

弗莱堡大学(Freiburg,4个研究组)

相关机构:脑机接口研究

  1. Thomas Stieglitz(神经假体、神经监测,生物相容性组装和包装;总被引数15k+)
  2. Michael Tangermann(机器学习,脑机接口,神经康复,人机交互;总被引数7k+)
  3. Tonio Ball(深度学习和卷积神经网络可视化,建模和多尺度成像,现实生活中的神经生理学,智能脑植入,神经伦理学和AI伦理学,脑机接口和神经机器人,VR和AR;总被引数6k+)
  4. Carsten Mehring(先天的额外手指带来运动优势,脑机接口和自然运动的并发控制;总被引数5k+)

图宾根大学(Tübingen)

  1. Niels Birbaumer(脑机接口;总被引数76k+)

4 | 英国

帝国理工学院(3个研究组)

  1. Dario Farina(生物医学信号处理,神经康复技术,运动的神经控制;总被引数32k+)
  2. Etienne Burdet(人类运动控制,高效的辅助设备,基于虚拟现实的康复和手术培训;总被引数11k+)
  3. Juan Alvaro Gallego(运动学习和控制,神经修复技术;总被引数1.6k+)

牛津大学(1个研究组)

  1. Peter Brown(运动障碍及其治疗;总被引数33k+)

纽卡斯尔大学(1个研究组)

  1. Stuart Baker(运动控制;猕猴;电生理;总被引数7k+)

5 | 奥地利

格拉茨技术大学(Graz University of Technology,2个研究组)

  1. Gernot Müller-Putz (运动解码,错误处理,基于脑电图的神经假体控制,意识障碍患者与BCI的交流,混合 BCI 系统,人体体感系统,脑功能映射,高分辨率照片,CLIPARTO 辅助技术中的 BCI,生物信号分析和机器学习,神经信息系统研究,用于自动驾驶的 BCI;总被引数14.3k+)
  2. Selina Christin Wriessnegger(运动意象的神经关联、BCI 在健康用户中的新应用、被动 BCI、潜意识视觉信息处理、VR/AR 在学习和康复中的应用;总被引数1k+)

6 | 瑞士

Wyss 生物和神经工程中心 – 神经假体中心(4个研究组)

注:与洛桑联邦理工学院(EPFL) 合办

  1. Olaf Blanke(意识的神经科学研究、人类神经科学技术的改进和开发,临床研究中认知神经假体的开发;总被引数18k+)
  2. Grégoire Courtine(脊髓损伤后感觉运动修复;总被引数11k+)
  3. Diego Ghezzi (人工视觉及其他神经障碍的微创和可更换的神经技术开发;总被引数2k+)
  4. Mahsa Shoaran (闭环神经植入物和脑机接口,神经疾病的诊断与治疗;总被引数0.5k+)

苏黎世联邦理工学院(ETH Zürich,1个研究组)

  1. Stanisa Raspopovic(神经假体;总被引数3k+)

7 | 荷兰

荷兰神经科学研究所(Netherlands Institute for Neuroscience,1个研究组)

  1. Pieter R Roelfsema(视觉假体,视觉感知,记忆,可塑性;总被引数22k+)

乌得勒支大学(Utrecht University,1个研究组)

  1. Nick F Ramsey(神经假体,语音脑机接口,低功耗脑机接口;总被引数14k+)

8 | 师承关系

9 | 公司

  1. NeuroPace(1997年创立,总部位于美国旧金山;侵入式脑机接口,癫痫治疗)
  2. Neuros Medical(2008年创立,总部位于美国克利夫兰;侵入式神经接口,疼痛治疗)
  3. NeuraLink(由Elon Musk于2016年创立,总部位于美国旧金山;侵入式脑机接口)
  4. 宁矩 NeuraMatrix(2019年创立,总部位于中国北京,侵入式脑机接口)
  5. 脑虎科技 NeuroXess (2021年创立,总部位于中国上海;侵入式脑机接口,语言,运动)
  6. 博睿康 neuracle(2011年创立,总部位于中国常州;非侵入式脑机接口)
  7. Thync(2011年创立,总部位于美国旧金山;非侵入式脑机接口,睡眠调控)
  8. MindMaze(2012年创立,总部位于瑞士洛桑;非侵入式脑机接口,VR游戏,神经康复)
  9. Halo Neuroscience(2013年创立,总部位于美国旧金山;非侵入式脑机接口,运动增强)
  10. MELTIN MMI(2013年创立,总部位于日本东京;非侵入式脑机接口,人机融合)
  11. Dreem(2014年创立;非侵入式脑机接口,睡眠调控)
  12. 强脑科技 BrainCo(2015年创立,总部位于美国波士顿;非侵入式脑机接口,注意力,假肢)
  13. Neurable(2015年创立,总部位于美国波士顿;非侵入式脑机接口,AR/VR游戏)
  14. Kernel(2016年创立,总部位于美国洛杉矶;非侵入式脑机接口,MEG/fNIRS)
  15. 脑陆科技 BrainUp(2018年创立,总部位于中国北京;非侵入式脑机接口)
  16. 优脑银河 Neural Galaxy(2019年创立,总部位于中国北京;脑认知,脑医疗,脑机交互)

注:(1)本文挂一漏万,欢迎大家在评论区添加或指正;(2)总被引用数仅供参考,如需最新值,可到微软学术谷歌学术查看。(3)更多师承关系可到NeuroTree查看。

更多实验室可以参考:

参考

  1. ^Musk, E. (2019). An Integrated Brain-Machine Interface Platform With Thousands of Channels. Journal of Medical Internet Research, 21. https://doi.org/10.2196/16194
  2. ^Steinmetz, N.A., Aydın, Ç., Lebedeva, A., Okun, M., Pachitariu, M., Bauza, M., Beau, M., Bhagat, J., Böhm, C., Broux, M., Chen, S., Colonell, J., Gardner, R.J., Karsh, B., Kloosterman, F., Kostadinov, D., Mora-Lopez, C., O’Callaghan, J.M., Park, J., Putzeys, J., Sauerbrei, B.A., van Daal, R.J., Vollan, A.Z., Wang, S., Welkenhuysen, M., Ye, Z., Dudman, J.T., Dutta, B., Hantman, A.W., Harris, K.D., Lee, A.K., Moser, E.I., O’Keefe, J., Renart, A., Svoboda, K., Häusser, M., Haesler, S., Carandini, M., & Harris, T.D. (2021). Neuropixels 2.0: A miniaturized high-density probe for stable, long-term brain recordings. Science, 372. https://doi.org/10.1126/science.abf4588
  3. ^Sahasrabuddhe, K., Khan, A.A., Singh, A.P., Stern, T.M., Ng, Y., Tadić, A., Orel, P., LaReau, C., Pouzzner, D., Nishimura, K., Boergens, K.M., Shivakumar, S., Hopper, M.S., Kerr, B., Hanna, M.S., Edgington, R.J., McNamara, I., Fell, D., Gao, P., Babaie-Fishani, A., Veijalainen, S., Klekachev, A.V., Stuckey, A.M., Luyssaert, B., Kozai, T.D., Xie, C., Gilja, V., Dierickx, B., Kong, Y., Straka, M., Sohal, H.S., & Angle, M.R. (2021). The Argo: a high channel count recording system for neural recording in vivo. Journal of Neural Engineering, 18. https://doi.org/10.1088/1741-2552%2Fabd0ce
  4. ^Liu, J., Fu, T., Cheng, Z., Hong, G., Zhou, T., Jin, L., Duvvuri, M., Jiang, Z., Kruskal, P.B., Xie, C., Suo, Z., Fang, Y., & Lieber, C.M. (2015). Syringe-injectable electronics. Nature nanotechnology, 10 7, 629-636 . https://doi.org/10.1038/nnano.2015.115
  5. ^Rajangam, S., Tseng, P., Yin, A., Lehew, G., Schwarz, D.A., Lebedev, M.A., & Nicolelis, M.A. (2016). Wireless Cortical Brain-Machine Interface for Whole-Body Navigation in Primates. Scientific Reports, 6. https://doi.org/10.1038/srep22170
  6. ^Horikawa, T., & Kamitani, Y. (2017). Generic decoding of seen and imagined objects using hierarchical visual features. Nature Communications, 8. https://doi.org/10.1038/ncomms15037
  7. ^Flesher, S.N., Downey, J.E., Weiss, J.M., Hughes, C.L., Herrera, A.J., Tyler-Kabara, E.C., Boninger, M.L., Collinger, J.L., & Gaunt, R.A. (2021). A brain-computer interface that evokes tactile sensations improves robotic arm control. Science, 372, 831 – 836. https://doi.org/10.1126/science.abd0380
  8. ^Scangos, K.W., Khambhati, A.N., Daly, P.M., Makhoul, G.S., Sugrue, L.P., Zamanian, H., Liu, T.X., Rao, V.R., Sellers, K.K., Dawes, H.E., Starr, P.A., Krystal, A.D., & Chang, E.F. (2021). Closed-loop neuromodulation in an individual with treatment-resistant depression. Nature medicine. https://doi.org/10.1038/s41591-021-01480-w

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据