电视剧的一集 《星际迷航》在1966年第一次显示描述了一个男人,派克船长,患有闭锁综合症。他认知完好无损,但他身体瘫痪,让他轮椅控制他的脑电波反应闪光显示“是”和“不。“章鱼博士,电影里的反派角色 蜘蛛侠2,于2004年首演,人脑控制设备操作使用四个机械手臂设计触角:灵活性和扣人心弦的能力。这台机器是由思想控制通过一个接口在脊髓水平。杰克萨利,的主角 《阿凡达》在2009年首映,在人体他坐在轮椅上,但他能走路,跑步,跳跃在他的《阿凡达》的形式,一个10英尺的外星人。所有的人物都是虚构的表征研究的终极目标的脑-机接口(bci),有时被称为脑机接口。人类物理交互,包括沟通,要求电机控制过程,使用神经肌肉系统激活和协调肌肉运动。个人的意图触发特定的大脑区域的激活,发送信号通过周围神经系统肌肉执行必要的运动来完成预定的任务。在过去的几十年里,许多研究已经完成绕过非功能性肌肉控制渠道,试图把一个人的意图通过分析大脑信号让患者认知或感觉运动问题[ 1- - - - - - 4]。BCI技术的主要目标是提供通信功能,可以改善人们的生活质量严重残疾的神经肌肉障碍包括肌萎缩性脊髓侧索硬化症(ALS)、脑干中风、脑瘫、脊髓损伤。例如,卖家和Donchin [ 5)和Nijboer et al。 6)报道,ALS患者可以使用拼写P300沟通。Pfurtscheller等人训练一个四肢瘫痪的病人控制电动手矫正法利用脑电图信号记录通过感觉运动皮层 7]。在一个案例研究由里氏et al .,脊髓损伤课题能够生成的β振荡在脑电图想象他瘫痪的脚的动作,这些振荡用于自学BCI控制轮椅的虚拟现实( 8]。快速进展这些目标是由许多BCI研究小组,允许BCI研究扩大通信通过neurofeedback中风康复医学,自闭症,注意力缺陷多动障碍和其他障碍( 9- - - - - - 12]。然而,尽管已经取得了巨大的进步在BCI研究中,更必须取得进展之前BCI可以在真实的环境中有一个显著的影响( 13- - - - - - 15]。特别是,先前的研究普遍缺乏了解(或许只是没有注意)人体工程学问题,如美学设计,用户友好的交互方法,和可用性。BCI研究进展主要是由增强BCI性能对准确性、信息传输速率(ITR),或可能的选择的数量。因此,大多数的BCI文学侧重于先进的信号处理方法或新的应用程序或任务的设计,通过先进的接口和应用程序控制在很大程度上被用于研究型环境。最新BCI技术面临两大挑战,防止他们是有用的在实际设置。 (1)

高级监测大脑活动:BCI研究使用不同的神经信号,可以无创记录,如测量(脑电图)magnetoencephalograms,功能性磁共振成像和近红外光谱。其中,脑电图是最常用的方法,因为它无损伤,提供高时间分辨率和可移植性,和有一个合理的成本。常规湿Ag / AgCl最常用于测量电极EEG信号,因为他们的特点被广泛研究和详细讨论 16- - - - - - 18]。EEG信号的质量测量使用那些与皮肤电极制备技术和导电凝胶是优秀的。然而,要求湿电极极大地限制了bci在日常使用的适用性 19- - - - - - 22]。对于实际应用,好像应该避免典型的脑电图准备程序,包括准确测量主管电极位置和头皮需要研磨膏或凝胶的制备以减少皮肤电极阻抗。此外,电极用于日常BCI不应该让用户感到不舒服或看起来不寻常。可以从简单的帽子,EEG信号测量包含脑电图电极在适当的蒙太奇不需要删除或专门治疗头皮头发。

2012年,辽等人提出了增强BCI的概念(ABCI)这将是适合日常使用( 24]。ABCI旨在扩大BCI技术从他们当前的应用实验室或临床设置正常的日常生活,使其功能当人们移动和与环境进行交互。根据廖等的定义,ABCI包括不干扰和rapid-setup脑电图的解决方案,不需要或很少训练,从而提供稳定、健壮性、舒适,为准确的长期数据收集和长寿。它还包括先进的算法分析和解释大脑信号测量方法在吵闹,现实世界的情况。在本文中,我们强调新范式设计,适合ABCI的范围和日常期间不会产生疲劳或不适,长期使用。首先,我们调查BCI的文章,讨论ABCI研究。然后,我们展示SSVEP-based和听觉稳态响应——(ASSR)基于bci使用最近开发聚合物不会容性耦合脑电图电极。我们示范研究机构审查委员会批准的首尔国立大学医学院,首尔,韩国。

技术进步极大地简化生物电势信号的测量和评估,特别是心电图。然而,脑电图电极的网站大多覆盖着的头发,和脑电图信号较弱的比用于其他bio-potential测量工具,这使得使用干电极EEG困难。最干燥的脑电图电极进行信号测量穿透皮肤的最外层,角质层,使用微机电或碳纳米管(CNT)技术( 25- - - - - - 28]。然而,这些类型的干电极有些入侵,和电极穿透组织随身携带感染的风险。此外,这些技术不允许脑电图信号通过头发被记录,因此,头发和头皮准备仍是必需的。

脑电信号采集的另一个方法是使用electrode-finger-based传感器在头发(图 1(一))[ 29日, 36, 37]。这种电极提供高电极的手指之间的几何一致性和不规则的头皮表面,从而保持较低的电极阻抗。此外,柔性衬底上的弹簧探针插入许可证附件传感器时头皮没有痛苦的力量。同样,一个灵活的、低成本的电极大小的牙刷由聚合物镀银毛在2011年建议(图 1 (b)使用运动图像)和显示BCI可行性和古怪的范例 30.]。这些电极的主要缺点是,他们仍然需要皮肤准备,确保finger-electrode与头皮之间的联系。此外,一些参与者报告针刺痛等不舒服的感觉。图 1 (c)显示了一个reverse-curve-arch-shaped干脑电图电极的3 d打印的纯银增加皮肤电极接触面积在头发( 31日]。拱门设计匹配的曲率曲率头皮最大化的接触面积,分散压力,从而减少了传统指型脑电图电极引起的疼痛。

李等人提出了一个电极组成的CNT / aPDMS(胶聚二甲硅氧烷)纳米复合材料(图 1 (d))[ 32]。这个电极是弹性、高导电粘性,并且能够使构象接触毛头皮和依恋。数以百计的导电圆柱涂有聚对二甲苯C支柱绝缘层制作在导电磁盘。问/ aPDMS层被附加到磁盘传输EEG信号的支柱和消除头发引起的气隙,从而最大化电极之间的电容和头皮。磁盘的顶部设计焊,使电极连接到各种商业电信号采集系统。尽管积极的结果已经出版,这些电极仍然有一些缺点:他们需要多步准备和突兀的连接接口。

表皮电子是一个新兴阶级的集成电子系统的实现厚度、有效弹性模、弯曲刚度、和区域匹配的质量密度的皮肤 38, 39]。这项技术已经被证明是可行的许多医疗应用程序,如监测生命体征。特别是,诺顿等人已经展示了超薄,可折叠的神经电极表面的平台,可以测量脑电图信号外耳(耳廓)和邻近地区(乳突),如图 1 (e)( 33]。表皮脑电图电极提供了共形接触和足够的附着力仅基于范德华相互作用的方式机械不显明的给用户。它呆在皮肤表面拓扑结构复杂(耳廓和乳突)超过2周,提供持续的监控没有频繁的取消或再申请。示范还显示BCI功能使用SSVEP和P300。电极是柔软的、可伸缩的和轻量级的,所以它可以提供长期、脑电图信号的高保真录音在日常生活中没有用户不适。然而,当前的传感平台需要仔细的设备安装和完成溶解聚合物支持允许成功的脑电图收购。进一步在这个领域应该考虑不要贴在临时纹身的人在他们的身体上。

一个电容式无触点电极可以测量脑电图信号尽管头发绝缘是下一代的另一个有前途的替代传统的湿电极脑电图测量。脑电图可以通过头发用位移电流测量电容耦合。根据电子模型的电容测量脑电图描述在不同的研究中,脑电图信号的电容测量的特点是非常高的电极阻抗由传感器之间的绝缘效果的头发和头皮。因为一个电容电极的电极阻抗远高于传统湿电极,一个高阻抗放大器用作活性电极在每个传感器位移电流转换为电压。设计这样一个输入阻抗放大器是一个主要的挑战。气等人开发了一个电容电极使用一个定制的集成、高阻抗、低噪声模拟前端( 40]。放大器完全靠外部和内部寄生阻抗由包括一个低漏电流的芯片内偏置网络没有外部电阻从数百gb tera欧姆欧姆。他们还演示了一个SSVEP-based电话拨号应用程序使用发达电容脑电图电极有两个科目( 41]。结果是可行的,但平均ITR低于传统湿电极。大约在同一时间,门敏等人提出一种聚合物不会电容脑电图电极,将电极与聚合物泡沫自适应地形(图 1 (f))[ 34]。以前传统的刚性表面电容电极不能适应头曲率和头发使不规则表面产生数以百计的头皮micrometer-wide空气之间的差距和电极的脸。使用泡沫最小化损失产生的电极接触面积和接触阻抗增加。门敏的研究中使用的软泡沫使亲密的电极接触毛头皮地形,从而增加了有效接触面积。此外,foam-surfaced电极运动期间保持稳定的联系,减少电极下滑了多少头发通过其缓冲效果和纹理。这个电极还显示BCI在SSVEP的可行性和ASSR [ 35]。当前电容电极设计涉及笨重的结构比湿脑电图电极广泛应用临床和学术。实验室临床前工作转化为实际的临床应用,研究应该考虑方法,最大化耦合电容在使用小电容电极因为脑电图电极的大小直接相关的空间分辨率脑电图。表 1总结了特性、优点和缺点的干电极脑电图如上所示)。

新的脑电图电极将提高艺术的状态,增加实用性,功效,易于使用。审美观点也应该被考虑。对于应用程序以外的医院和实验室环境,脑电图测量装置不应该让用户看起来很奇怪。

SSVEP的方法已被广泛用于BCI系统,因为它很简单和精确的刺激频率。SSVEP-based bci提供高也是以最小的用户培训,需要更少的脑电图渠道比其他方法。然而,他们可以令人讨厌或疲劳对于一些用户来说,这使得他们不切实际的。一些努力缓解视觉疲劳了高频SSVEP-based bci,使用刺激超过35赫兹的频率减少闪烁的感觉。然而,更多的人是无法完成BCI任务与低频与高频ssvep ssvep的( 42- - - - - - 45]。2014年,张等人提出了调幅(AM)视觉刺激引起整数和noninteger谐波ssvep的,包括低收入和高频率乐队( 46]。如图 2 (c),提出了AM信号作为载波信号的振幅变化,如方程( 1)。载波和调制频率的不同组合了不同的谐波频率从低到高频率范围,而视觉刺激实际上在高频闪烁。他们的实验证明是SSVEP的谐波频率的优化组合以及典型SSVEP的执行。学科评估表明减少眼睛疲劳和闪烁的感觉。同样,2015年,德雷尔和赫曼显示调频(FM)视觉刺激SSVEP的BCI [ 47]。调频信号,只需用方程( 2),编码刺激在一个由不同载波的瞬时频率波(图 2 (d))。这与我不同载波的振幅,频率保持不变。在他们的实验中,他们使用不同的调频刺激组合,都有他们显然在10 Hz,允许他们使用调频刺激唤起10 Hz SSVEP的峰值没有10赫兹的有意识的知觉闪烁。FM-SSVEPs不同载波和调制频率可靠可以唤起与光谱的峰值低10赫兹的调频边带。主观的感觉力评级的下降随着调频载波频率的增加,而峰值振幅和信噪比保持不变。 (1) 年代 我 = − 1 2 因为 2 π f c + f 米 t + 因为 2 π f c − f 米 t , (2) 年代 调频 = 罪 2 π f c t + 米 罪 2 π f 米 t 。

最近的一些研究提出了一个基于半部分刺激模式对大脑的视觉选择性注意机制( 48- - - - - - 51]。用户将他们的眼睛在注视点集中在中间的两个已调到特定的频率闪烁。考虑到视交叉的角色,SSVEP的发现强烈调制空间选择性注意。这两个刺激频率成分可以减少侧枕叶区域因为SSVEP的大幅扩大在回答闪烁的刺激在一个无人参加与位置。燕等人从multicommand显示结果,中场SSVEP的BCI。视觉显示包含9视觉目标18意识到通过结合3刺激频率闪烁。8个科目的测试结果显示平均分类精度为75.8% ( 50]。Punsawad Wongsawat还显示半部分SSVEP的BCI,但他们只使用一个带有两个黑匣子的视觉刺激两岸的闪烁来生成4命令通过黑盒的两侧或闪烁或关闭他们的眼睛。在这项研究中,4个志愿者的平均分类精度约为77% ( 51]。

,许多研究人员试图利用听觉信号,而不是视觉,尤其是严重受损的用户有困难在控制他们自愿眼外运动或他们的目光固定在特定的视觉刺激。与视觉范式,听觉BCIs也用不愉快的听觉刺激,对用户可能会讨厌或疲劳。研究使用口语或唱音节或复调音乐甚至自然声音已经表明,这样的刺激被认为是更愉快的,在某些情况下,他们甚至会导致更好的分类性能。Lopez-Gordo等人提出了一种新颖的听觉BCI完全基于一个两耳分听范例使用人类的声音(字母或句子的两个截然不同的流)的刺激( 52]。同时刺激被宣读二进制对象的分类使用选择性注意。听觉刺激发病之前,问题是阅读主体的实验者,其次是哔哔的声音表明两耳分听任务的开始。受试者被要求注意刺激交付给左耳如果听觉的问题的正确答案在嘟嘟声“是的/真实”和刺激传递到右耳如果答案是“不/假的。“分类建立了识别早期的人类听觉诱发电位的组件,即N1和P2。基于实验结果与12个参与者,他们得出的结论是,听觉BCI唤起自然的演讲展示出了有前景的结果而言,性能,可用性,训练,和认知努力。Hohne等人探讨口语和唱音节的听觉刺激( 53]。音节的元音“我”、“æ”或“o”是由三个不同的扬声器和记录了从左耳,右耳,或双耳。听觉范式,这使得一个3×3矩阵和nine-class听觉BCI实验进行了9个健康受试者,图中描述 3。与传统相比,人工生成的单调,说或唱刺激将包含丰富的内部分类线索,包括谐波、音高和语音特征,以及高水平的方差和抖动的听觉事件相关电位(ERP)的反应。实验结果显示,使用音节时更好的分类性能比,当使用单调和增加主观符合人体工程学的评级。Treder等人使用复调音乐的听觉刺激多流道古怪的范式( 54]。主题是要求他们的选择性注意转移到三种不同的乐器之一,贝斯,鼓,或键盘,音乐音频剪辑。参加仪器可以分类准确率平均91%的11个参与者之一。Heo等人提出了一个新颖的刺激听觉压力降到最低的方法取代单调与熟悉的音乐和自然的声音在一个载波ASSR-based范式( 55]。小提琴的声音和钢琴作为音乐运营商和蝉唱歌和水流被用作天然的声音。小提琴和水流动的声音是调幅与38赫兹频率信息,和钢琴和蝉唱歌的声音和42个赫兹的信息频率调制。六个健康受试者的实验结果表明,高工效学评级可能被收购,同时保持平均二进制分类精度高,74%,89.67%,和87.67%,单调的音乐,分别和自然声音载体电波。总之,用愉快的声音包括一个人的声音或复调音乐或自然的声音,而不是传统的不愉快单调beep声需要考虑,因为听起来会影响用户的兴趣和认知水平的努力,甚至导致改善分类性能。

在目前的实验中,我们使用干脑电图电极( 34与bci使用[] 46]SSVEP和[ 55ASSR。三个健康受试者(男性年龄在26到30)没有神经系统疾病的历史,也没有神经病理异常同意新的ABCI范式下进行电容测量脑电图。EEG数据记录使用foam-surfaced电容耦合电极在O1、O2网站正常棒球帽SSVEP的检测和奥兹,Cz, T7, T8网站ASSR检测。所有信号都记录在A2和参比电极在FpZ接地电极。参考和接地电极没有主动电容电极但被动干电极不需要导电凝胶或粘贴。信号测量通过头发和传播一个硬件模块组成一个高通滤波器(高通滤波器),一个低通滤波器(LPF), 60 Hz陷波滤波器和放大器增益为10000。高通滤波器和滤波器是用来减少波动反锯齿,分别被设计为4^th阶巴特沃斯滤波器从0.05到30 Hz。脑电图在512 Hz数字化采样率使用一个模拟-数字转换器(我使用垫6015年,国家仪器有限公司,TX,美国)并记录使用Matlab数据采集工具箱(Matlab2008b、Mathworks公司,纳蒂克,妈,美国)。

为SSVEP-based ABCI应用程序中,四个视觉刺激被定位在一个液晶显示器两个LED阵列(SMD 5050 - 3、韩国),扩散膜。四个目标(左,,)闪烁在调幅正弦波载波和调制频率的不同组合。是刺激是8位数字生成在1000 Hz使用微控制器单元(美国Atmel ATmega128)然后再转换成模拟信号操作led使用数模转换器(美国德州仪器LTC1657CN)。从方程( 1)的光谱 年代( t)有一个峰值的频率 f_c+ f_米和 f_c− f_米。在这项研究中, f_cs高频(51 50 Hz)减少眼睛疲劳,和 f_女士较低频率附近的吗 α乐队(9 - 12赫兹)实现大SSVEP的振幅,并允许高频刺激产生低频信息。数据 2(一个)- - - - - - 2 (c)提供的例子 c( t), 米( t), 年代( t)和它们的光谱。当 f_c分别和调频50和11赫兹,谱峰的 年代( t)出现在39赫兹(= (−11)50 Hz)和61赫兹(=(50 + 11)赫兹)。所有科目执行离线实验首先确定最优脑电图分析时间窗口大小测量AM-SSVEP接触只有视觉刺激后没有一个实际的BCI的应用程序。使用听觉编程指令,受试者被要求专注于15世纪四大目标之一。每次运行包含40试验,2运行10分钟休息他们之间构成了离线实验。每个目标参加同样,每运行10次。从5到10秒时间窗口大小1 s分辨率测试调查时间敏感的变化AM-SSVEP-based ABCI系统性能。脑电图频率识别AM-SSVEP下进行使用典型相关分析(CCA)找到最大电极EEG信号和信号之间的相关性矩阵的模板对应AM-SSVEP刺激频率, f_c+ f_米和 f_c− f_米。图 4显示了每个参与者的分类精度和ITR对不同时间窗口大小。基于时间窗口大小之间的权衡关系/准确性和ITR,我们选择7或8年代最优分析窗口大小。然后,使用electrode-equipped帽在线实验。在线实验的任务是一个简单的二维迷宫的游标(蓝点)可以在四个可能的方向移向目标位置(红点)(图 5(一个))。运动方向由SSVEP的反应从专注于四个目标之一,是面向四个方位。数据 5 (b)- - - - - - 5 (d)说明每个参与者的运动映射实际上使用AM-SSVEP BCI执行,和表 2总结了在线实验结果为每个主题。效率(EFF)被定义为达到目标所必需的最小数量的命令位置除以命令运行期间发出的数量( 56]。所有受试者成功完成任务,平均精度(ACC), EFF, ITR分别为86.07%,79.46%,分别每分钟和8.78位。烦人的是刺激被认为低于传统的视觉刺激,但我们没有发现其他实验条件之间的差异。的可行性AM-SSVEP BCI使用foam-surfaced电容脑电图电极成功BCI性能和低眼疲劳使用我们目前的线下和线上的实验证实。可以发现一个演示视频 https://youtu.be/YYbHM4HDTeg。

为ASSR-based ABCI、37和42赫兹频率被选为消息,因为ASSR的最佳调制频率据报道大约40 Hz。水流和昆虫的声音被选为替代传统的纯质的音调破裂提供自然和快感。此外,主题很容易区分不同的声音流。的水流,调幅37赫兹频率信息,提出了在左声场,虫声,调幅42赫兹频率信息,提出了正确的声场。我们三个参与者坐在舒适的椅子上的一对商业扬声器(br - 2100年代,拉夫国际坡州,韩国)包含foam-surfaced电容电极的戴着一顶帽子。首先,对象执行离线实验。程序提供视觉和听觉指令后每个刺激爆发之前,每个参与者被要求集中精力的一个刺激(左或右)20多岁。这个过程被重复50倍,十倍交叉验证应用于比较我们的结果和性能报告( 35),它使用相同的脑电图系统但纯音ASSR BCI的正弦载波的声音。我们计算了频率光谱使用非参数周期图方法1 s滑动时间窗口和50%重叠。每个电极的谱密度在消息刺激频率±1 Hz范围从平均频率谱中提取,并输入一个线性判别分析分类器作为特征向量。分类精度和ITR时间窗口大小呈现在图 6。平均值(粗线)显示一个模式类似于( 35]:线性精度增加窗口大小。在线实验后允许对象有一个短暂的休息。在休息期间,参与者脱下电极帽,然后把它放回在网上实验开始之前。分析窗口大小14年代,来自[ 35),用于在线实验。十个试验的选择性注意左边或者右边刺激进行在线实验期间,结果如表所示 3:正确的决定的数量(NUM) 8/10,特异性(规范)0.82,灵敏度(SENS) 0.79, ITR 1.33位每分钟。规范和SENS的计算是通过假设积极左(L)和消极是正确的(R)。这些结果与以前报道的结果相同的脑电图的研究体系和ASSR-based技术使用传统的纯质的音调载体的声音(NUM 7.2/10,规范0.64、0.76 SENS ITR 0.7位每分钟)。可以找到一个视频演示 https://youtu.be/uPF_MjNEefA。

本文侧重于从BCI系统时所面临的挑战为实验设计使用在实验室设置用于在实际环境中使用。脑电图的问题我们已经讨论了传感技术和新的BCI范式和方法探索代表处理实验室,更现实的或现实的设置。

我们还演示了结果从一个使用foam-surfaced ABCI系统电容电极EEG AM-SSVEP和自然ASSR范例。在AM-SSVEP实验中,我们发现,分类精度提高分析时间窗口大小。然而,相比之下,张的结果导出使用传统Ag / AgCl电极( 46),增加了时间窗要求充分拒绝额外的噪音与电容测量。脑电图信号超过4 s是适合可靠AM-SSVEP BCI在张的研究中,而8年代电容AM-SSVEP BCI在这项研究中所必需的。在我们的经验中,最长8秒的时间窗口是用来确定一个命令通过SSVEP的响应。需要长时间窗口性测量AM-SSVEP因为较低的信噪比。6 s的时间窗口是足够的对于一个成功的传统SSVEP-based拼写与电容脑电图测量任务由门敏等人(2013年 35]。在线BCI,在线BCI性能之间的直接比较常在当前研究和et al .的结果( 46)不能由于时间的处理,分类命令,我们使用不同的任务有不同数量的可能选择。张等人的脑电图数据存储在每0.5秒4 s数据缓冲区。现有的数据转移,消除初始0.5年代的数据来生成一个新的4 s段。然后,AM-SSVEP被认为在4 s脑电图信号利用CCA方法每0.5 s。如果连续四个时间决定是相同的,相应的决定被选为最终决定。此外,一个定制的频率结合每个主题创建一个CCA的最佳性能参考信号频率的认可。在我们的实验中,决定了在每一个固定的时间窗口没有任何数据移动或滑动窗口。同时,参考信号的频率在CCA没有优化为每个主题。为方便我们选择这些参数在实验设置。然而,所有的参与者成功地执行光标导航任务相对轻松地。 All of the subjects indicated that they preferred working with the AM-SSVEP approach despite the lower accuracy rates and reduced speed of operation because the flickering was less tiring and required less effort from the eyes. The ASSR-based BCI paradigm was used in 2011 by Kim et al. with conventional EEG electrodes and auditory stimuli generated using periodic amplitude-modulated and pure sinusoidal tones [ 57]。他们实现了一个飞行员在线ASSR-based BCI和测试一个主题。他们的实验结果表明分类精度为71.4%。我们之前的研究中,在2013年由门敏et al .,使用相同的听觉刺激但foam-surfaced电容电极而不是凝胶电极EEG传感;我们的平均精度为72% 5科目( 35]。与先前的研究相比,我们发现一个公平的平均分类精度为80% 3参与者ABCI条件下在这项研究中,我们获得了EEG信号在头发使用foam-surfaced电容电极和自然的声音。

虽然在当前的示威太小是一般人群的代表,我们的结果一般健康成人同意发表的值,我们表明,示范提供足够的力量来评估ABCI应用的可行性。然而,我们的研究结果表示只是一个小样本的广阔前景ABCI技术的潜力。与不同的用户组好像变得更受欢迎,包括健康人来说,增加商业机会可能会鼓励新的应用研究工作,将使好像更加实用。消费者需求为降低成本、提高性能和更大的灵活性和鲁棒性可以大大有助于制造bci的主流工具。ABCIs的发展需要明确验证其真实价值的功效,实用性,对生活质量的影响。未来的BCI系统(1)应该舒适、方便,并提供审美接受的配件,(2)很容易设置,(3)函数几个小时没有维护,(4)在所有环境中表现良好,(5)操作通过遥测而不需要布线,和(6)界面容易与范围广泛的应用程序。在正在进行的和计划的研究努力的成果ABCI可用时,好像用各种方法仍然是一个迷人的研究工具。如果密集研究的各个方面ABCI继续呈指数增长,因为它做了最近,BCI系统可能成为常规临床、辅助和商业工具在不久的将来。