穩(wěn)態(tài)視覺誘發(fā)電位（Steady-State Visual Evoked Potential, SSVEP）是一種基于周期性視覺刺激的腦機(jī)接口（BCI）范式。當(dāng)用戶注視以固定頻率（如10 Hz）閃爍的視覺刺激時，大腦枕葉視覺皮層會產(chǎn)生與刺激頻率及其諧波相對應(yīng)的連續(xù)腦電響應(yīng)。SSVEP的優(yōu)勢在于信噪比較高、訓(xùn)練需求少、信息傳輸率（ITR）較為可觀。然而，SSVEP通常需要多個頻率來編碼不同指令，隨著目標(biāo)數(shù)量增加，頻率選擇受到顯示器刷新率和人眼響應(yīng)帶寬的限制。此外，長時間注視高頻閃爍刺激容易引發(fā)視覺疲勞。

HUIYING

cVEP概述及其與SSVEP的比較

cVEP的基本原理

編碼調(diào)制視覺誘發(fā)電位（Code-Modulated Visual Evoked Potential, cVEP）采用偽隨機(jī)二進(jìn)制序列（如m序列）來調(diào)制視覺刺激的明暗變化。每個目標(biāo)對應(yīng)一個經(jīng)過循環(huán)移位的獨(dú)特碼序列，從而誘發(fā)不同的瞬態(tài)神經(jīng)響應(yīng)。分類時，系統(tǒng)將實(shí)時采集的腦電信號與預(yù)存的模板進(jìn)行相關(guān)性分析（如典型相關(guān)分析，CCA），從而推斷用戶注視的目標(biāo)。

cVEP相比SSVEP的優(yōu)勢

目標(biāo)數(shù)量擴(kuò)展靈活：cVEP不需要為每個目標(biāo)分配不同的頻率，僅通過對同一個m序列進(jìn)行循環(huán)移位即可生成大量不同編碼，因此在高目標(biāo)數(shù)（如48目標(biāo)）拼寫器中具有明顯優(yōu)勢。

時間編碼信息更豐富：偽隨機(jī)碼序列攜帶更多的時間模式信息，有助于提升分類的區(qū)分度。

潛在疲勞改善：由于cVEP刺激不是嚴(yán)格的周期性高頻閃爍，而是包含隨機(jī)變化的黑白切換，理論上可降低視覺系統(tǒng)的適應(yīng)性疲勞。論文中的問卷結(jié)果顯示，參與者對閃爍干擾的平均評分為3.18（6分量表，1為“完全不干擾”，6為“非常干擾”），處于中等偏下水平，說明cVEP在多數(shù)用戶中并未造成嚴(yán)重不適。然而，該研究并未直接對比SSVEP的疲勞程度，因此“cVEP能夠解決疲勞”這一結(jié)論尚需進(jìn)一步驗(yàn)證。從現(xiàn)有數(shù)據(jù)看，cVEP在一定程度上緩解了傳統(tǒng)高頻SSVEP的視覺負(fù)擔(dān)，但無法完全消除疲勞。

HUIYING

實(shí)驗(yàn)研究

研究方法

參與者

共招募38名健康成年人（22女，16男，平均年齡25.9歲）。所有參與者均簽署知情同意書，實(shí)驗(yàn)通過倫理委員會審批。每位參與者獲得20歐元報酬。

實(shí)驗(yàn)流程

基線輪次：使用16個電極（包括P7、P3、Pz、PO3、POz、O1、Oz、O2等，如圖1），完成標(biāo)準(zhǔn)訓(xùn)練和拼寫任務(wù)。

減少電極（無重訓(xùn)練）輪次：僅保留6個電極（PO3、POz、PO4、O1、Oz、O2），不改變原有空間濾波器。

減少電極（有重訓(xùn)練）輪次：同樣使用6個電極，但重新訓(xùn)練CCA分類器。

圖1：電極位置示意圖

圖1以頭部俯視視角示意了實(shí)驗(yàn)中使用的電極位置。圖中用棕色標(biāo)記了在減少電極階段被移除的電極（包括P7、P3、Pz、P4、P8、PO7、PO8、O9、Iz、O10等），用綠色標(biāo)記了保留的6個電極（PO3、POz、PO4、O1、Oz、O2）。此外，黃色表示接地電極AFz，藍(lán)色表示參考電極Cz。通過圖1可以直觀看出，減少后的電極集主要集中在枕葉和頂枕葉中線及旁中線區(qū)域，而移除了雙側(cè)顳葉和外側(cè)枕葉的電極。圖1幫助讀者理解電極減少的空間范圍及其對視覺皮層覆蓋程度的影響。

每個輪次要求參與者拼寫兩個單詞（“HAVE_FUN”和“PROGRAM”），每個單詞需完成約20次目標(biāo)選擇。如圖2所示，訓(xùn)練階段參與者依次注視四個刺激框，系統(tǒng)記錄腦電響應(yīng)并計算每個目標(biāo)對應(yīng)的空間濾波器；拼寫階段系統(tǒng)實(shí)時計算四個目標(biāo)的相關(guān)系數(shù)，并在置信度超過閾值（β）時輸出選擇結(jié)果。

圖2：cVEP訓(xùn)練與拼寫階段流程示意圖

圖2分為上下兩部分：上半部分為訓(xùn)練階段（綠色背景），下半部分為拼寫階段（紅色背景）。訓(xùn)練階段中，參與者依次注視四個以不同m序列循環(huán)移位編碼的閃爍方塊，系統(tǒng)記錄腦電響應(yīng)后，通過CCA為每個目標(biāo)計算一對空間濾波器（圖中頂部示意了空間濾波器的拓?fù)浞植迹Ｆ磳戨A段中，參與者注視目標(biāo)方塊，系統(tǒng)實(shí)時采集腦電信號并分別使用四個目標(biāo)的濾波器進(jìn)行投影，將濾波后信號與對應(yīng)理想模板進(jìn)行相關(guān)性計算，得到四個相關(guān)系數(shù)，選擇最大值對應(yīng)的目標(biāo)作為輸出。圖2中還展示了拼寫器的三步界面：每次選擇后，所選方塊會分裂為包含的字母，供下一次選擇。圖2清晰說明了cVEP-BCI從校準(zhǔn)到在線使用的完整信號處理鏈條。

硬件與電極配置

采用Ag/AgCl電極帽，g.USBamp放大器，采樣率600 Hz。參考電極為Cz，接地為AFz。16電極配置覆蓋枕葉和頂枕葉廣泛區(qū)域；6電極配置僅保留圖1中用綠色標(biāo)注的PO3、POz、PO4、O1、Oz、O2，圖中棕色電極被移除。選擇這些位置是因?yàn)榧韧芯勘砻髡砣~和頂枕葉是VEP信號最強(qiáng)的區(qū)域。

分類方法

采用基于CCA的空間濾波與模板匹配。每個目標(biāo)學(xué)習(xí)一對空間濾波器，最大化投影后腦電信號與理想模板之間的相關(guān)系數(shù)。在線拼寫時，系統(tǒng)滑動窗口計算四個目標(biāo)的相關(guān)系數(shù)，當(dāng)最大相關(guān)系數(shù)與次大相關(guān)系數(shù)之差大于閾值（0.10~0.30）時，判定為一次有效選擇。

性能指標(biāo)

準(zhǔn)確率（%）：正確選擇次數(shù) / 總選擇次數(shù)。

信息傳輸率（ITR, bits/min）：綜合考慮準(zhǔn)確率和目標(biāo)數(shù)量的標(biāo)準(zhǔn)化指標(biāo)。

研究結(jié)果

系統(tǒng)功能性比例

基線（16電極）：38/38人（100%）成功完成任務(wù)。

減少電極無重訓(xùn)練：僅18/38人（47.4%）能夠完成任務(wù)。

減少電極有重訓(xùn)練：23/38人（60.5%）成功完成任務(wù)。如圖3所示，左側(cè)縱軸為ITR和功能人數(shù)，右側(cè)縱軸為準(zhǔn)確率?？梢灾庇^看到，電極減少后功能人數(shù)大幅下降，重訓(xùn)練僅使部分用戶恢復(fù)。

成功用戶的性能指標(biāo)

重訓(xùn)練后，成功用戶的ITR和準(zhǔn)確率與基線無統(tǒng)計學(xué)差異（p=0.956），但成功人數(shù)顯著減少。

個體差異顯著

在無重訓(xùn)練失敗的20人中，僅7人通過重訓(xùn)練恢復(fù)功能，13人始終無法使用6電極系統(tǒng)。

甚至有2人在無重訓(xùn)練時可使用，但重訓(xùn)練后反而失效。這表明CCA方法對電極減少的適應(yīng)性高度依賴于個體神經(jīng)響應(yīng)的空間分布。

用戶主觀反饋

閃爍干擾程度：平均3.18（6分量表），屬于中等。

約50%的用戶愿意每日使用該系統(tǒng)，約60%認(rèn)為BCI是可靠的控制方法。

建議每1~3小時休息一次，平均可連續(xù)使用約2.09小時。

HUIYING

總結(jié)

本研究通過38人的在線實(shí)驗(yàn)，系統(tǒng)比較了cVEP-BCI從16電極減少到6電極后的性能變化。主要結(jié)論如下：

電極減少會導(dǎo)致部分用戶完全無法使用系統(tǒng)，即使保留枕葉關(guān)鍵電極位置（PO3、POz、PO4、O1、Oz、O2），仍有約40%的用戶在重訓(xùn)練后無法完成任務(wù)。這說明“通用最小電極集”在當(dāng)前CCA分類框架下并不可行。

對于成功用戶，重訓(xùn)練可以恢復(fù)至接近基線的性能（ITR約48 bits/min，準(zhǔn)確率98%），但成功用戶的比例大幅下降。如圖3所示，功能性人數(shù)從38人降至23人，而平均ITR在成功用戶中與基線幾乎重合。

圖3：三種實(shí)驗(yàn)條件下的性能與功能性對比柱狀圖

圖3采用雙縱軸：左側(cè)縱軸表示ITR（bits/min）和系統(tǒng)功能人數(shù)（即成功完成任務(wù)的人數(shù)），右側(cè)縱軸表示準(zhǔn)確率（%）。橫軸為三種條件：Baseline（16電極）、Reduced no-retrain（6電極無重訓(xùn)練）、Reduced retrain（6電極有重訓(xùn)練）。圖中顯示：基線條件下功能人數(shù)為38，ITR約49 bits/min，準(zhǔn)確率約96%；減少電極無重訓(xùn)練時功能人數(shù)驟降至18，ITR降至約38 bits/min，準(zhǔn)確率略降至94%；減少電極有重訓(xùn)練時功能人數(shù)回升至23，ITR恢復(fù)至約48 bits/min，準(zhǔn)確率提升至98%。該圖直觀揭示了電極減少對系統(tǒng)可用性的嚴(yán)重影響，以及重訓(xùn)練在成功用戶中恢復(fù)性能的能力，但功能人數(shù)無法完全恢復(fù)。

cVEP在緩解視覺疲勞方面具有一定潛力，但無法完全消除個體差異帶來的分類失敗問題。未來需要發(fā)展更靈活的分類方法，如深度學(xué)習(xí)、圖神經(jīng)網(wǎng)絡(luò)、自適應(yīng)電極選擇等，才能實(shí)現(xiàn)真正用戶友好的低電極數(shù)cVEP-BCI系統(tǒng)。

實(shí)踐指導(dǎo)意義：如果目標(biāo)是降低硬件成本和設(shè)置時間，設(shè)計者必須考慮到相當(dāng)比例的用戶可能需要個性化電極配置或更先進(jìn)的算法支持。本研究為cVEP-BCI的最小電極配置提供了第一個大規(guī)模在線基準(zhǔn)。