​基于BCI的现代神经反馈有助于认知增强(二)

更多技术干货第一时间送达

脑机接口神经反馈工作

该视频显示了现代神经反馈方法是如何实时工作的。首先，记录原始的脑电图活动：左上图显示脑电图记录在位于顶枕区上方的五个电传感器中。使用短期傅里叶变换，特别是在最后一个EEG秒(灰色)上，可以将这种活动转换为频域。此频率信息显示为[0-30] Hz中的功率谱，其中灰色区域表示较高的alpha功率。还显示了所有头皮中的瞬时上alpha功率值的地形分布(右上)。然后，可以使用初始校准步骤中获得的设置，将时间瞬时上alpha值(在顶枕位置的平均值)映射到色阶，该设置表征了受试者之间和内部的可变性。中心部分显示了时间进程的反馈值，它直接转化为一个颜色比例，而底部部分则显示接收参与者的最终视觉反馈。

用例

下面，我们分享一些旨在增强认知能力的现代神经反馈方法在心理健康方面的研究成果，包括普通人群，患有严重抑郁症的个体以及患有ADHD的儿童。他们可以为读者提供在应用此类技术后在电生理学和认知水平上可以预期的结果的概述。

重度抑郁症患者(Escolano2014a)

对照研究。实验组(n=40)完成8次神经反馈，并与非干预对照组(n=20)进行了比较。在电生理水平上，只有实验组的受试者特异性α活性显著增加(研究前/研究后)，平均增加25%。认知评估的主要结果是，仅在PASAT测试中，实验组显著增加，误差减少24%，执行时间减少15%。这说明抑郁症患者的工作记忆和处理速度得到了改善，从而减轻了认知症状。

重度抑郁症患者神经可塑性变化曲线图

上图为重度抑郁症患者的神经可塑性改变。通过在EEG筛查中的8个训练阶段(黑点，前-后阶段)和训练试验期间(灰点)中显示了alpha活动。可以看到正向增长，从而表明对自我调节过程的学习。

患有注意力缺陷多动障碍(ADHD)的儿童(Escolano 2014b)

探索性的,不受控制的研究。患有多动症的儿童(n=20)进行了18次神经反馈训练。在电生理水平上，(研究前/研究后)发现受试者特异性α活性显著增加，平均增加13%。此外，我们分析了不同频段的跨会话趋势，得到了alpha值的增加和低频活动的减少(注意，ADHD儿童通常表现出过多的低频活动)。

在WISC-IV的字母数字排序测试中，认知评估显示正确答案增加了16%和10%，表明工作记忆和持续注意力得到了增强。最后，父母报告了他们的孩子在注意缺陷和多动/冲动方面的临床改善(两者均约9分)，这是根据Conners 's Parent Rating scale (CPRS-R)进行测量的。

ADHD儿童神经可塑性变化曲线图

上图为ADHD儿童的神经可塑性变化。显示了绝对和相对活动的频率传感器图。频率范围是相对于个体的alpha值表示的，即alpha的上部对应于[0-2]区间。观察到alpha节律的绝对和相对活动显着增加，最突出的是在中央和顶枕区最明显。

General population (Escolano, 2011)

对照研究。实验组(n=6)完成5次神经反馈(连续多天)，并与非干预对照组(n=6)进行比较。样本由平均年龄分别为25岁和27岁的大学生组成。对照组未做脑电图记录。在电生理水平上，实验组的受试者特异性活性(研究前后)显著增加，平均增加65%。实验组在概念广度测试中记忆的单词数量显著增加(12%)，表明工作记忆有所改善。

神经反馈的神经可塑性变化图

上图中，EEG筛查(黑点，前-后阶段)和训练试验(灰色点) 显示了这8个训练过程的alpha活性。可以看到一个积极的趋势，这表明人们正在学习自我调节的过程。

普通人群，假性对照单会话研究(Escolano2014c)

双盲、假对照研究。试验组(n=10)只接受一次训练，并与a placebo control对照组(n=9)进行比较。样本由平均年龄分别为26岁和24岁的大学生组成。在电生理水平上，只有实验组显示出受试者特异性alpha活性的增加(平均13%)，以及在执行认知任务时的去同步性增加阶段性活性为16％)。在行为层面上，两组之间没有显著差异，这表明单次训练并不足以实现认知增强(尽管电生理变化已经很明显)。

神经反馈中的神经塑性变化

上图为神经塑性变化。在EEG筛查(蓝色，前-后阶段)和训练试验(黑色)中，实验组和对照组(左图和右图)显示了alpha活动。仅实验组可观察到积极趋势。

普通人群，对认知表现和正念的影响(Navarro-Gil，2018)

对照研究。这一项主要是评估认知表现和正念量表的效果。实验组(n=27)进行了6次训练，并与非干预对照组(n=23)进行比较。平均年龄分别为37岁和35岁。在电生理水平上，只有实验组的受试者特异性α活性(研究前/研究后)显著增加，平均增加31%。认知评估的主要结果是只有实验组在PASAT测试中有显著的改善:错误答案减少55%，执行时间减少5%。此外，实验组的正念量表(mindfulness scale)也有所提高:FMQ变量整体提高了12分，MAAS提高了6分。

神经塑性改变

上图神经塑性变化：显示了实验组(黑点)和对照组(白点)的alpha节律增加(研究前/研究后)，相对于第一次测量已标准化。

实验室检测结果以外的普通人群(Escolano,2019a;2019 b)

实验室外技术评估(无对照组)。59名参与者接受了5次训练，并在第一天和最后几天进行了认知前和认知后的评估。对训练后参数的增强后分析表明，训练后参数有显著提高，平均提高40.2%。认知评估显示PASAT测试显著提高(记忆单词数量增加55.6%，执行时间减少8%)，表明工作记忆有所改善。

神经反馈引起的神经重塑改变的图表

上图中在EEG筛查(黑点，前-后阶段)和训练试验(灰色点)显示了5个训练阶段的alpha活动。可以看到一个积极的趋势，这表明人们正在学习自我调节的过程。左上角的框显示了会话内的alpha活动(会话间的平均值)，也显示了一个积极的趋势。

结论

基于脑机接口技术(BCI)的现代神经反馈技术的应用，一方面可以在电生理水平上提高对神经反馈作用的认识。上述结果一致表明，人们对特定主题感兴趣的大脑模式有所增加，这在神经科学文献中被发现与认知表现相关，归因于大脑的抑制机制。

另一方面，由于采用了这种科学技术方法，所有的训练参数都是基于计算机算法计算的，根据受试者在使用技术时特定的大脑模式，人们可能会期望在认知结果中有更高的可靠性。虽然有更大的人群样本和更严格的控制条件的临床试验是有必要的，但总体认知能力的提高是一致的，特别是在工作记忆、注意力和处理速度方面。

我们的Elevvo技术实现了基于BCI的现代神经反馈以增强认知能力，后者的研究展示了与该技术客户的应用相对应的结果(Escolano, 2019a;2019 b)。这些积极的结果表明，对于那些希望维持和增强其认知功能的人群，这种创新的现代EEG生物反馈疗法是一种强大的补充性认知疗法。基于BCI的神经反馈疗法已被证明更有效，并且诱导的神经增生性改变可维持更长的时间。

说明：由于笔者的能力和时间仓促，编译的内容有可能存在错误的地方，欢迎大家指正，我这边会改动！

参考文献:

  • Berger, H. (1929). Über das elektrenkephalogramm des menschen. European Archives of Psychiatry and Clinical Neuroscience, 87(1):527–570.

  • Demos, J. N. (2005). Getting started with neurofeedback. WW Norton & Company.

  • Escolano, C., Navarro-Gil, M., Garcia-Campayo, J., Congedo, M., De Ridder, D., & Minguez, J. (2014a). A controlled study on the cognitive effect of alpha neurofeedback training in patients with major depressive disorder. Frontiers in Behavioral Neuroscience, 8(296). https://www.frontiersin.org/articles/10.3389/fnbeh.2014.00296/full

  • Escolano, C., Navarro-Gil, M., Garcia-Campayo, J., Congedo, M., & Minguez, J. (2014b). The effects of individual upper alpha neurofeedback in ADHD: An open-label pilot study. Applied Psychophysiology and Biofeedback, 39(3-4), 193-202. https://link.springer.com/article/10.1007/s10484-014-9257-6

  • Escolano, C., Navarro-Gil, M., Garcia-Campayo, J., & Minguez, J. (2014c). The effects of a single session of upper alpha neurofeedback for cognitive enhancement: A sham-controlled study. Applied Psychophysiology and Biofeedback, 39(3-4), 227-236. https://link.springer.com/article/10.1007/s10484-014-9262-9

  • Escolano, C., Aguilar, M., & Minguez, J. (2011). EEG-based upper alpha neurofeedback training improves working memory performance. In International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (p. 2327-2330). Boston (USA). http://ieeexplore.ieee.org/document/6090651/

  • Escolano, C., Montesano, L. & Minguez, J. (2019a). On Modern Neurofeedback Solutions based on Brain-Computer Interfaces in Uncontrolled Real-World Settings. In IEEE International Conference on Systems, Man, and Cybernetics (SMC). Bari (Italy).

  • Escolano, C., Montesano, L. & Minguez, J. (2019b). A  Business Proof-of-Concept of a Brain-Computer Interface for Cognitive Enhancement. In IEEE International Conference on Systems, Man, and Cybernetics (SMC). Bari (Italy).

  • Gruzelier, J. H. (2014). EEG-neurofeedback for optimising performance. I: a review of cognitive and affective outcome in healthy participants. Neuroscience & Biobehavioral Reviews, 44, 124-141.

  • Haegens, S., Cousijn, H., Wallis, G., Harrison, P. J., and Nobre, A. C. (2014). Inter-and intra-individual variability in alpha peak frequency. NeuroImage, 92:46–55.

  • Hanslmayr, S., Sauseng, P., Doppelmayr, M., Schabus, M., and Klimesch, W. (2005). Increasing individual upper alpha power by neurofeedback improves cognitive performance in human subjects. Applied Psychophysiology and Biofeedback, 30:1–10.

  • Hyvarinen, A. (1999). Fast and robust fixed-point algorithms for independent component analysis. Neural Networks, IEEE Transactions on, 10(3):626–634.

  • Jensen, O., & Mazaheri, A. (2010). Shaping functional architecture by oscillatory alpha activity: gating by inhibition. Frontiers in human neuroscience, 4, 186.

  • Kamiya, J. (1969). Operant control of the EEG alpha rhythm and some of its reported effects on consciousness. Altered states of consciousness. New York: Wiley, 1069.

  • Klimesch, W. (1999). EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Research Reviews, 29(2-3):169 – 195.

  • Klimesch, W., Sauseng, P., and Hanslmayr, S. (2007). EEG alpha oscillations: the inhibition-timing hypothesis. Brain research reviews, 53(1):63–88.

  • Palva, S. and Palva, J. M. (2007). New vistas for alpha-frequency band oscillations. Trends in neurosciences, 30(4):150–8.

  • Pfurtscheller, G. and Lopes da Silva, F. H. (1999). Event-related EEG/MEG synchronization and desynchronization: basic principles. Clinical Neurophysiology, 110(11):1842–1857.

  • Nan, W., Rodrigues, J. P., Ma, J., Qu, X., Wan, F., Mak, P. I., Mak, P. U., Vai, M. I., and Rosa, A. (2012). Individual alpha neurofeedback training effect on short term memory. International Journal of Psychophysiology, 86(1):83–87.

  • Navarro-Gil, M., Escolano, C., Montero-Marín, J., Minguez, J., Shonin, E., & Garcia-Campayo, J. (2018). Efficacy of neurofeedback on the increase of mindfulness-related capacities in healthy individuals: a controlled trial. Mindfulness, 9, 303-311. https://link.springer.com/article/10.1007/s12671-017-0775-1

  • Skinner, B. F. (1938). The behavior of organisms: An experimental analysis. Oxford, England: Appleton-Century.

  • Vernon, D. J. (2005). Can neurofeedback training enhance performance? An evaluation of the evidence with implications for future research. App. Psychophysiology and Biofeedback, 30:347–364.

  • Zoefel, B., Huster, R. J., and Herrmann, C. S. (2011). Neurofeedback training of the upper alpha frequency band in EEG improves cognitive performance. NeuroImage, 54(2):1427 – 1431.

赞 (0)

相关推荐