CN115698906A - 使用检测到的神经相关信号的变化控制设备的系统和方法 - Google Patents

Abstract

公开了使用检测到的受试者的神经相关信号的变化来控制设备的系统和方法。在一个实施例中，控制设备或软件应用的方法包括检测受试者的神经相关信号的第一变化，检测神经相关信号的第二变化，以及在检测到神经相关信号的第二变化时或之后将输入命令传输到设备。可以使用植入受试者大脑内的神经接口来检测神经相关信号。

Description

使用检测到的神经相关信号的变化控制设备的系统和方法

相关申请的交叉引用

本申请要求2020年4月1日提交的美国临时申请第63/003,480号的权益，其内容通过引用以其整体并入本文。

技术领域

本公开总体上涉及脑机接口(brain computer interface)，更具体而言，涉及利用检测到的受试者神经相关信号变化来控制设备的系统和方法。

背景

之前，已经表明行动受限的人可以使用脑机接口(BCI)来控制外围设备，例如个人电子设备、物联网(IoT)设备、软件和移动交通工具(mobility vehicle)。有效的BCI应该允许所有范围的行动受限的人有效地控制这些外围设备，包括那些行动严重受限的人，例如只能通过BCI控制单个开关或虚拟开关的闭锁综合征患者(locked-in patient)。

然而，当前的BCI允许此类闭锁综合征患者通过单个开关访问外围设备，通常使用自动开关扫描来实现此类控制。自动开关扫描包括串行扫描给定控制面板上的许多交互式项目，其中用户通过在目标项目被突出显示时接合开关来选择一个目标项目。当作出错误的选择时，这种方法是乏味的和不宽容的，因为用户必须等待串行扫描完成，然后再重新开始整个过程来纠正选择。

此外，由于当前的BCI系统通常依赖于难以检测或可能呈现假阳性(falsepositive)的神经相关信号，因此闭锁综合征患者甚至可能难以与单个虚拟开关接合。

因此，需要一种解决方案，允许行动严重受限的患者即使在此类患者仅控制单个虚拟开关时也能保持或保留其独立性。这种解决方案不应该过于复杂，并且应该解决当前BCI系统和方法的缺点。

概述

公开了使用检测到的受试者神经相关信号的变化来控制设备的系统和方法。在一个实施例中，公开了一种控制设备或软件应用的方法。该方法可以包括检测受试者的神经相关信号的强度降低到低于测量到的基线水平，检测神经相关信号的强度在降低后增加至超过基线水平，以及在检测到神经相关信号的强度增加时或之后将输入命令传输到设备。

在一些实施例中，受试者的神经相关信号可以是受试者的神经振荡或脑电波。神经振荡可以包括一个或更多个频带的振荡。在某些实施例中，神经振荡包括频率在约12Hz至30Hz之间的β带振荡(beta-band oscillation)。

在一些实施例中，可以使用植入受试者体内的血管内设备测量或监测神经相关信号。在这些和其他实施例中，检测神经相关信号的强度的降低或增加以及传输输入命令的步骤可以使用与血管内设备分离的装置的一个或更多个处理器或者嵌入在血管内设备内或耦合到血管内设备的装置的一个或更多个处理器来执行。

在一些实施例中，该装置可以被配置为位于受试者体外或身体外部。在其他实施例中，该装置可以被配置成植入到受试者体内(例如，受试者的胸部区域或手臂内)。

该装置可以指遥测单元和/或主机设备。在其他实施例中，该装置可以指计算设备或可植入或非可植入设备的控制器/控制单元。

可通过植入受试者体内的血管内设备的电极检测神经相关信号。例如，可以通过植入受试者大脑内的血管内设备的电极来检测神经相关信号。

该方法可进一步包括使用一个或更多个处理器，使用一个或更多个软件滤波器来对从血管内设备获得的原始神经相关信号进行滤波。该方法还可以包括将滤波后的信号馈送到在该装置或另一设备上运行的软件的分类层中。分类层被配置成使用机器学习分类器来自动检测神经相关信号的强度的降低和增加。

在一些实施例中，检测神经相关信号的强度的降低可包括检测神经振荡的功率降低至低于基线振荡功率水平。例如，神经相关信号的强度降低到低于所测量的基线水平可以被称为神经相关信号的去同步化(desynchronization)。神经相关信号的强度的降低可能是由受试者唤起并保持任务相关想法或任务无关想法引起的。

在这些和其他实施例中，检测神经相关信号的强度的增加可包括检测神经振荡的功率增加至超过基线振荡功率水平。例如，超过所测量的基线水平的神经相关信号的强度的增加可以被称为神经相关信号的反弹(rebound)。神经相关信号的强度的增加可以由受试者在精神上释放任务相关想法或任务无关想法引起。

任务无关想法可以是与受试者的身体功能相关的想法，例如受试者保持收缩受试者的腘绳肌(hamstring muscle)的想法。

方法可进一步包括在将输入命令传输至设备后，向受试者提供视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

传输输入命令可以包括将输入命令传输至设备上运行的一个或更多个终端应用。输入命令可以是对设备的命令，以完成与任务相关想法相关联的任务的至少一部分。

设备可以是个人计算设备(例如，膝上型电脑、移动电话和/或平板电脑)或物联网(IoT)设备(例如，智能灯开关、冰箱、烤箱和/或洗衣机)中的至少一种。在一些实施例中，该设备可以是移动交通工具，例如轮椅。

公开了控制设备或软件应用的另一种方法。该方法可以包括检测受试者的神经相关信号的强度降低到低于所测量的基线水平，检测神经相关信号的强度在降低之后增加至超过基线水平，确定神经相关信号的强度降低的持续时间，基于该持续时间从多个条件输入命令中选择输入命令，以及将所选择的输入命令传输到设备。

在一些实施例中，基于持续时间选择输入命令可以包括将持续时间与和条件输入命令相关联的一个或更多个时间阈值进行比较，并基于持续时间是超过还是未达到一个或更多个时间阈值来从多个条件输入命令中选择输入命令。神经相关信号的强度降低的持续时间可以是受试者保持想法的时间量。

在一些实施例中，受试者的神经相关信号可以是受试者的神经振荡或脑电波。神经振荡可以包括一个或更多个频带的振荡。在某些实施例中，神经振荡包括频率在约12Hz至30Hz之间的β带振荡。

在一些实施例中，可以使用植入受试者体内的血管内设备测量或监测神经相关信号。在这些和其他实施例中，检测神经相关信号的强度的降低或增加、确定神经相关信号的强度降低的持续时间、基于该持续时间从多个条件输入命令中选择输入命令、以及将选择的输入命令传输到设备的步骤可以使用与血管内设备分离的装置的一个或更多个处理器或者嵌入在血管内设备内或耦合到血管内设备的装置的一个或更多个处理器来执行。

在一些实施例中，该装置可以被配置为位于受试者体外或身体外部。在其他实施例中，该装置可以被配置成植入到受试者体内(例如，受试者的胸部区域或手臂内)。

该装置可以指遥测单元和/或主机设备。在其他实施例中，该装置可以指计算设备或可植入或非可植入设备的控制器/控制单元。

可以通过植入受试者体内的血管内设备的电极检测神经相关信号。例如，可以通过植入受试者大脑内的血管内设备的电极来检测神经相关信号。

该方法可进一步包括使用一个或更多个处理器，使用一个或更多个软件滤波器来对从血管内设备获得的原始神经相关信号进行滤波。该方法还可以包括将滤波后的信号馈送到在该装置或另一设备上运行的软件的分类层中。分类层被配置成使用机器学习分类器来自动检测神经相关信号的强度的降低和增加。

在一些实施例中，检测神经相关信号的强度的降低可包括检测神经振荡的功率降低至低于基线振荡功率水平。例如，神经相关信号的强度降低到低于所测量的基线水平可以被称为神经相关信号的去同步化。神经相关信号的强度的降低可能是由受试者唤起并保持任务相关想法或任务无关想法引起的。

在这些和其他实施例中，检测神经相关信号的强度的增加可以包括检测神经振荡的功率增加至超过基线振荡功率水平。例如，超过所测量的基线水平的神经相关信号的强度的增加可以被称为神经相关信号的反弹。神经相关信号的强度的增加可以由受试者在精神上释放任务相关想法或任务无关想法引起。任务无关想法可以是与受试者的身体功能相关的想法，例如受试者保持收缩受试者的腘绳肌的想法。

方法可进一步包括在将输入命令传输到设备之前，向受试者提供与所选择的输入命令有关的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

传输输入命令可以包括将输入命令传输到设备上运行的一个或更多个终端应用。输入命令可以是对设备的命令，以完成与任务相关想法相关联的任务的至少一部分。

设备可以是个人计算设备(例如，膝上型电脑、移动电话和/或平板电脑)或物联网(IoT)设备(例如，智能灯开关、冰箱、烤箱和/或洗衣机)中的至少一种。在一些实施例中，该设备可以是移动交通工具，例如轮椅。

公开了另一种控制设备或软件应用的方法。该方法可以包括检测受试者的神经相关信号中的第一变化，检测神经相关信号中的第二变化，以及在检测到神经相关信号中的第二变化时或之后将输入命令传输到设备。

该方法可进一步包括确定神经相关信号的第一变化的持续时间，并使用该持续时间根据该持续时间从多个条件输入命令中选择输入命令。该方法还可以包括向受试者提供关于所选输入命令的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

在一些实施例中，第一变化可以是神经相关信号的强度降低至低于基线信号水平。在这些实施例中，第二变化可以是神经相关信号的强度增加至超过基线信号水平。此外，在这些实施例中，当受试者产生并保持想法时，可以产生第一变化，当受试者产生并保持第二想法时，可以产生第二变化。

在其它实施例中，第一变化可以是神经相关信号的强度增加至超过基线信号水平。在这些实施例中，第二变化可以是神经相关信号的强度降低到低于基线信号水平。此外，在这些实施例中，当受试者产生并保持想法时，可以产生第一变化，当受试者产生并保持第二想法时，可以产生第二变化。可替代地，当受试者在精神上释放第一想法时，可以产生第一变化，当受试者产生并保持第二想法时，可以产生第二变化。

在一些实施例中，想法可以是任务相关想法。在其他实施例中，该想法可以是任务无关想法。该想法可以与受试者的身体功能相关。

可以通过植入受试者体内的血管内设备检测神经相关信号的变化。在这些和其他实施例中，检测神经相关信号的第一变化、检测神经相关信号的第二变化、确定神经相关信号的变化的持续时间、基于持续时间从多个条件输入命令中选择输入命令、以及将选择的输入命令传输到设备的步骤可以使用与血管内设备分离的装置的一个或更多个处理器或者嵌入在血管内设备内或耦合到血管内设备的装置的一个或更多个处理器来执行。

在一些实施例中，该装置可以被配置为位于受试者体外或身体外部。在其他实施例中，该装置可以被配置成植入到受试者体内(例如，受试者的胸部区域或手臂内)。

该装置可以指遥测单元和/或主机设备。在其他实施例中，该装置可以指计算设备或可植入或非可植入设备的控制器/控制单元。

可以通过植入受试者体内的血管内设备的电极检测神经相关信号。例如，可以通过植入受试者大脑内的血管内设备的电极来检测神经相关信号。

该方法可进一步包括使用一个或更多个处理器，使用一个或更多个软件滤波器来对从血管内设备获得的原始神经相关信号进行滤波。该方法还可以包括将滤波后的信号馈送到在该装置或另一设备上运行的软件的分类层中。分类层被配置成使用机器学习分类器来自动检测神经相关信号的强度的降低和增加。

还公开了一种用于控制设备的系统。该系统可以包括被配置成测量或监测受试者的神经相关信号的血管内设备和包括一个或更多个处理器的装置。一个或更多个处理器可以被编程为检测受试者的神经相关信号的强度降低到低于所测量的基线水平，检测神经相关信号的强度在降低后增加至超过基线水平，并且在检测到神经相关信号的强度增加时或之后将输入命令传输到设备。

在一些实施例中，一个或更多个处理器可以被编程为检测受试者的神经相关信号的强度降低到低于测量到的基线水平，检测神经相关信号的强度在降低后增加至超过基线水平，确定神经相关信号的强度降低的持续时间，基于持续时间从多个条件输入命令中选择输入命令，并将选择的输入命令传输到设备。

一个或更多个处理器还可以被编程为将持续时间与和条件输入命令相关联的一个或更多个时间阈值进行比较，并基于持续时间是超过还是未达到一个或更多个时间阈值，来从多个条件输入命令中选择输入命令。

受试者的神经相关信号可以是受试者的神经振荡。例如，一个或更多个处理器可以被编程为通过检测神经振荡的功率降低到低于基线振荡功率水平来检测神经相关信号的强度降低。一个或更多个处理器还可以被编程为通过检测神经振荡的功率增加至超过基线振荡功率水平来检测神经相关信号的强度的增加。

神经振荡可以包括一个或更多个频带的振荡。例如，神经振荡可以包括频率在大约12Hz到30Hz之间的β带振荡。

在一些实施例中，神经相关信号的强度的降低可由受试者唤起并保持任务相关想法引起。在这些实施例中，神经相关信号的强度的增加可以由受试者在精神上释放任务相关想法引起。输入命令可以是对设备的命令，以完成与任务相关想法相关联的任务的至少一部分。

在其他实施例中，神经相关信号的强度的降低可由受试者唤起并保持任务无关想法引起。神经相关信号的强度的增加可由受试者在精神上释放了任务无关想法引起。输入命令可以是对设备的命令，以完成与任务无关想法不相关联的任务的至少一部分。例如，任务无关想法可以是与受试者的身体功能相关的想法。

在某些实施例中，神经相关信号的强度降低至低于所测量的基线水平可被认为是神经相关信号的去同步化。在这些实施例中，神经相关信号的强度的增加至超过所测量的基线水平可以被认为是神经相关信号的反弹。

血管内设备可以被配置为植入受试者的大脑内。例如，血管内设备可被配置成植入受试者的静脉或窦内。可以使用植入受试者体内的血管内设备的电极来测量或监测神经相关信号。

在一些实施例中，该装置可以被配置为位于受试者体外。在其他实施例中，该装置可以被配置成植入到受试者体内。

一个或更多个处理器还可以被编程为使用一个或更多个软件滤波器来对从血管内设备获得的原始神经相关信号进行滤波。一个或更多个处理器可以被进一步编程为将滤波后的信号馈送到分类层中，从而使用机器学习分类器自动检测神经相关信号的强度的降低和增加。

一个或更多个处理器还可以被编程为向受试者提供关于输入命令的视觉反馈、听觉反馈和触觉反馈中的至少一种。在这些和其他实施例中，血管内设备可以被配置成向受试者提供关于输入命令的神经刺激形式的反馈。

一个或更多个处理器还可以被编程为将输入命令传输到设备上运行的一个或更多个终端应用。在一些实施例中，设备可以是个人计算设备(例如，膝上型电脑、移动电话和/或平板电脑)或物联网(IoT)设备(例如，智能灯开关、冰箱、烤箱和/或洗衣机)中的至少一个。在其他实施例中，该设备可以是移动交通工具，例如轮椅。

用于控制设备的系统可包括配置为测量或监测受试者的神经相关信号的血管内设备和配置为检测神经相关信号变化的装置。

在一些实施例中，装置可以包括一个或更多个处理器，该处理器被编程以检测受试者的神经相关信号的第一变化，检测神经相关信号的第二变化，并在检测到神经相关信号的第二变化时或之后将输入命令传输到设备。

一个或更多个处理器还可以被编程为确定神经相关信号的第一变化的持续时间，并使用该持续时间，基于该持续时间从多个条件输入命令中选择输入命令。

在一些实施例中，第一变化可以是神经相关信号的强度降低至低于基线信号水平。在这些实施例中，第二变化可以是神经相关信号的强度增加至超过基线信号水平。

在其它实施例中，第一变化可以是神经相关信号的强度增加至超过基线信号水平。在这些实施例中，第二变化可以是神经相关信号的强度降低到低于基线信号水平。

例如，当受试者产生并保持一种想法时，可产生第一变化。当受试者在精神上释放想法时，就会产生第二变化。

可替代地，第一变化可在受试者精神释放第一想法时产生，第二变化可在受试者产生并保持第二想法时产生。

附图简述

所示出和描述的附图是示例性实施例，并且是非限制性的。相同的参考数字始终指示相同或功能等同的特征。

图1A示出了通用开关模块的变型。

图1B示出了当患者在想到一个想法时，图1A的通用开关模块的变型。

图1C示出了图1A和图1B的通用开关模块的主机设备的用户界面的变型。

图2A-图2D示出了与终端应用通信的通用开关模型的变型。

图3示出了与终端应用通信的无线通用开关模块的变型。

图4示出了用于记录患者的神经相关信号的通用开关模块的变型。

图5示出了由图1A-图1C的通用开关模块采用的方法的变型。

图6示出了由图1A-图1C的通用开关模块采用的方法的变型。

图7示出了由图1A-图1C的通用开关模块采用的方法的变型。

图8示出了使用检测到的受试者的神经相关信号的变化来控制设备或软件的方法的变型。

图9示出了示例谱图(spectrogram)，其示出了检测到的受试者的神经相关信号的变化。

图10示出了利用检测到的受试者的神经相关信号的变化来控制设备或软件的方法的另一种变型。

图11示出了利用检测到的受试者的神经相关信号的变化来控制设备或软件的模块的另一种变型。

图12A示出了说明受试者在短的持续时间内保持想法的示例谱图。

图12B示出了说明受试者在较长的持续时间内保持想法的示例谱图。

图13示出了利用检测到的受试者的神经相关信号的变化来控制设备或软件的方法的又一种变型。

图14示出了当受试者唤起/保持并随后释放关于受试者左脚踝和右脚踝运动的想法时，β带(例如，12Hz至30Hz)和γ带(gamma band)(例如，60Hz至80Hz)频率的功率变化。

详细描述

公开了通用开关模块、通用开关及其使用方法。例如，图1A-图1C示出了通用开关模块10的变型，患者8(例如，BCI用户)可以通过想到一个想法9来使用通用开关模块10控制一个或多个终端应用12。模块10可以包括神经接口14和主机设备16。模块10(例如，主机设备16)可以与一个或多个终端应用12进行有线和/或无线通信。神经接口14可以是生物介质信号检测器(例如，电导体、生化传感器)，主机设备16可以是计算机(例如，膝上型电脑、智能手机)，并且终端应用12可以是任何电子设备或软件。神经接口14可以经由一个或多个传感器监测生物介质的神经相关信号17。模块10的处理器可以分析检测的神经相关信号17，以确定检测的神经相关信号17是否与分配给终端应用12的输入命令18的想法9相关联。当分配给输入命令18的想法9被神经接口14检测到并且由处理器与输入命令18相关联时，输入命令18可以(例如，经由处理器、控制器或收发器)被发送到与该输入命令18相关联的终端应用12。想法9可以被分配给多个终端应用12的命令18的输入端。模块10由此有利地使患者8能够用单个想法(例如想法9)独立地控制多个终端应用12(例如第一终端应用和第二终端应用)，其中想法9可以用于在不同时间和/或同时控制第一应用和第二应用。以这种方式，模块10可以用作通用开关模块，能够使用相同的想法9来控制多个终端应用12(例如，软件和设备)。想法9可以是通用开关，可分配给任何终端应用12的任何输入命令18(例如，第一终端应用的输入命令18和第二终端应用的输入命令18)。第一终端应用可以是第一设备或第一软件。第二终端应用可以是第二设备或第二软件。

当患者8想到想法9时，与想法9相关联的输入命令18可以由模块10(例如，经由处理器、控制器或收发器)发送到它们相应的终端应用12。例如，如果想法9被分配给第一终端应用的输入命令18，则当患者8想到想法9时，第一终端应用的输入命令18可以被发送给第一终端应用，并且如果想法9被分配给第二终端应用的输入命令18，则当患者8想到想法9时，第二终端应用的输入命令18可以被发送给第二终端应用。想法9由此可以与多个终端应用12接口连接或控制多个终端应用12，使得想法9可以像通用控制器(例如，患者的脑部)上的通用按钮(例如，想法9)一样工作。任何数量的想法9都可以用作开关。用作开关的想法9的数量可以对应于例如控制终端应用12所需或期望的控件(例如，输入命令18)的数量。

以视频游戏控制器为例，患者的想法9可以被分配给与控制器的任何单个按钮、任何按钮组合和任何定向移动(例如，操纵杆的、控制板(诸如方向板)的任何定向移动)相关联的任何输入命令18，使得患者8可以使用他们的想法9在常规物理控制器存在或不存在的情况下玩任何视频游戏系统的任何游戏。视频游戏系统只是终端应用12的一个示例。模块10使得想法9能够被分配给任何终端应用12的输入命令18，使得患者的想法9能够被映射到任何软件或设备的控件。模块10由此可以将患者的想法9组织成一组可分配开关，这些开关本质上是通用的，但是一旦被分配给输入命令18，就在执行中是特定的。终端应用12的其他示例性示例包括移动设备(例如，交通工具、轮椅、轮椅升降机)、假肢(例如，假臂、假腿)、电话(例如，智能手机)、智能家用电器和智能家用系统。

神经接口14可以检测神经相关信号17，包括与想法9相关联的信号和与想法9不相关联的信号。例如，神经接口14可以具有一个或多个传感器，该传感器可以检测(也称为获得、感测、记录和测量)神经相关信号17，包括当患者8想到想法9时由患者8的生物介质生成的信号，并且包括由患者8的生物介质生成的与想法9不相关联的信号(例如，形成患者对与想法9不相关联的刺激的响应)。神经接口14的传感器可以记录来自患者8的生物介质的信号和/或刺激患者8的生物介质。生物介质可以是例如神经组织、血管组织、血液、骨骼、肌肉、脑脊液或其任意组合。传感器可以是例如电极，其中电极可以是用于感测生物介质的电活动的任何电导体。传感器可以是例如生化传感器。神经接口14可以具有单一类型的传感器(例如，仅电极)或多种类型的传感器(例如，一个或多个电极以及一个或多个生化传感器)。

神经相关信号可以是从生物介质中可检测的任何信号(例如，电信号、生化信号)，可以是(例如，经由计算机处理器)从检测的神经相关信号提取的任何特征或多个特征，或者两者兼有，其中提取的特征可以是或可以包括关于患者8的想法9的特征信息，使得不同的想法9可以彼此区分。作为另一示例，神经相关信号可以是电信号，可以是由电信号引起的任何信号(例如，生化信号)，可以是(例如，经由计算机处理器)从检测的神经相关信号中提取的任何特征或多个特征，或者它们的任意组合。神经相关信号可以是诸如脑电波的神经信号。当生物介质在患者颅骨内时，神经相关信号可以是(例如从脑组织检测到的)例如脑信号，其由患者8想到想法9产生或引起。以这种方式，神经相关信号可以是脑相关信号，诸如来自患者的脑部的任何部分或多个部分(例如，运动皮层、感觉皮层)的电信号。当生物介质在患者颅骨之外时，神经相关信号可以是例如与肌肉收缩(例如，身体部分(诸如眼睑、眼睛、鼻子、耳朵、手指、手臂、脚趾、腿)的肌肉收缩)相关联的电信号，该电信号是由患者8想到想法9而产生或引起的。在从患者8的脑组织检测到神经相关信号时患者8所想到的想法9(例如，身体部位的运动、记忆、任务)可以与在从非脑组织检测到神经相关信号时患者8所想到的想法9相同或不同。神经接口14可以定位在患者脑部内、患者脑外部或两者。

模块10可以包括一个或多个神经接口14，例如1至10个或更多个神经接口14，包括在该范围内的每1个神经接口增量(例如，1个神经接口、2个神经接口、10个神经接口)，其中每个神经接口14可以具有被配置为检测神经相关信号(例如，神经信号)的一个或多个传感器(例如，电极)。可以选择神经接口14的位置来优化神经相关信号的记录，例如，诸如选择信号最强的位置、来自噪声的干扰最小的位置、由神经接口14植入或接合到患者8(例如，经由手术)对患者8造成的创伤最小的位置或其任意组合。例如，神经接口14可以是脑机接口(诸如血管内设备(例如，支架))，其具有用于检测脑电活动的一个或多个电极。在使用多个神经接口14的情况下，神经接口14可以彼此相同或不同。例如，在使用两个神经接口14的情况下，两个神经接口14都可以是具有电极的血管内设备(例如，具有电极的可扩张和可收缩支架)，或者神经接口14之一可以是具有电极的血管内设备，而两个神经接口14中的另一个可以是具有传感器的设备，不同于具有电极的血管内设备。

图1A和图1B进一步示出模块10可以包括适于与神经接口14通信的遥测单元22，和便于神经接口14和遥测单元22之间通信的通信导管24(例如，电线)。主机设备16可以适于与遥测单元22进行有线和/或无线通信。主机设备16可以与遥测单元22进行有线和/或无线通信。

图1A和图1B进一步示出遥测单元22可以包括内部遥测单元22a和外部遥测单元22b。内部遥测单元22a可以与外部遥测单元22b进行有线或无线通信。例如，外部遥测单元22b可以通过患者的皮肤无线连接到内部遥测单元22a。内部遥测单元22a可以与神经接口14进行无线或有线通信，并且神经接口14可以经由通信导管24电连接到内部遥测单元22a。通信导管24可以是例如导线，诸如支架引线。

模块10可以具有处理器(也称为处理单元)，该处理器可以分析和解码由神经接口14检测到的神经相关信号。处理器可以是计算机处理器(例如，微处理器)。处理器可以应用数学算法或模型来检测对应于患者8何时生成想法9的神经相关信号。例如，一旦神经接口14感测到神经相关信号17，处理器可以应用数学算法或数学模型来检测、解码和/或分类感测到的神经相关信号17。作为另一示例，一旦神经接口14感测到神经相关信号17，处理器可以应用数学算法或数学模型来检测、解码和/或分类感测到的神经相关信号17中的信息。一旦由神经接口14检测到的神经相关信号17被处理器处理，处理器可以将处理的信息(例如，检测的、解码的和/或分类的神经相关信号17和/或感测到的神经相关信号17的检测的、解码的和/或分类的信息)与终端应用12的输入命令18相关联。

神经接口14、主机设备16和/或遥测单元22可以具有处理器。作为另一示例，神经接口14、主机设备16和/或遥测单元22可以具有处理器(例如，如上所述的处理器)。例如，主机设备16可以经由处理器分析和解码由神经接口14检测的神经相关信号17。神经接口14可以与主机设备16进行有线或无线通信，并且主机设备16可以与终端应用12进行有线或无线通信。作为另一示例，神经接口14可以与遥测单元22进行有线或无线通信，遥测单元22可以与主机设备16进行有线或无线通信，并且主机设备16可以与终端应用12进行有线或无线通信。例如，数据可以从神经接口14传递到遥测单元22，从遥测单元22传递到主机设备16，从主机设备16传递到一个或多个终端应用12，或其任意组合，以检测想法9并触发输入命令18。作为另一示例，数据可以以相反的顺序传递，例如，从一个或多个终端应用12传递到主机设备16，从主机设备16传递到遥测单元22，从遥测单元22传递到神经接口14，或其任意组合，例如，以经由一个或更多个传感器刺激生物介质。数据可以是由处理器收集或处理的数据，包括例如神经相关信号和/或从中提取的特征。当数据例如从处理器流向传感器时，数据可以包括刺激指令，使得当神经接口14处理刺激指令时，神经接口的传感器可以刺激生物介质。

图1A和图1B进一步示出，当患者8想到想法9时，患者8的生物介质(例如，颅骨内、颅骨外的生物介质，或两者兼有)可以生成由神经接口14可检测的神经相关信号17。当患者8想到想法9时，神经接口14的传感器可以检测与想法9相关联的神经相关信号17。与想法9相关联的神经相关信号17、从这些神经相关信号17中提取的特征或两者都可以被分配任何输入命令18或与任何输入命令18相关联，用于任何由通用开关模块10可控制的终端应用12。因此，可检测的神经相关信号17和/或它们提取的特征中的每一个可以有利地用作通用开关，可分配给任何终端应用12的任何输入命令18。以这种方式，当神经接口14检测到想法9时，与该想法9相关联的输入命令18可以被触发并被发送到与触发的输入命令18相关联的终端应用12。

例如，当神经接口14(例如，通过感测到的神经相关信号17)检测到想法9时，处理器可以分析(例如，检测、解码、分类或其任意组合)感测到的神经相关信号17，并将感测到的神经相关信号17和/或从中提取的特征与相应分配的输入命令18相关联。处理器由此可以确定想法9(例如，感测到的神经相关信号17和/或从中提取的特征)是否与任何输入命令18相关联。当确定想法9与输入命令18相关联时，处理器或控制器可以激活(也称为触发)输入命令18。一旦输入命令18由模块10(例如，由主机设备16的处理器或控制器)触发，触发的输入命令18可以被发送到其相应的终端应用12，使得该终端应用12(例如，轮椅、假臂、诸如咖啡机的智能家用电器)可以用所触发的输入命令18来控制。一旦终端应用12接收到触发的输入命令18，终端应用12就可以执行输入命令18的一个指令或多个指令(例如，以每秒1米的速度向前移动轮椅，将假臂的拇指和食指捏在一起，打开智能咖啡机)。因此，在确定想法9(例如，感测到的神经相关信号17和/或从中提取的特征)与输入命令18相关联时，输入命令18可以被发送到其相应的终端应用12。

提取的特征可以是感测到的神经相关信号17的分量，包括例如感测到的神经相关信号17中的电压波动模式、嵌入在感测到的神经相关信号17内的特定频带中的功率波动或两者兼有。例如，神经相关信号17可以具有不同范围的振荡频率，这些频率对应于患者8想到想法9的时间。特定频带的频率可以包含特定信息。例如，高频带频率(例如，65Hz-150Hz)可以包含与运动相关想法关联的信息，因此，可以使用该高频带频率范围中的特征(例如，从感测到的神经相关信号17中提取或识别)来分类和/或解码神经事件(例如，想法9)。

想法9可以是通用开关。想法9可以充当(例如，被用作)通用开关，其中想法9可以被分配给任何输入命令18，反之亦然。通过与其相关联的可检测的神经相关信号17和/或可从神经相关信号17提取的特征，想法9可以被分配给或关联于任何终端应用12的任何输入命令18，该终端应用12由通用开关模块10可控制。患者8可以通过想到与患者8期望的输入命令18相关联的想法9来激活期望的输入命令18。例如，当神经接口14检测到分配给特定输入命令18(例如，向前移动轮椅)的想法9(例如，患者9岁生日聚会的记忆)时，(例如，主机设备16的)处理器可以将与该想法(例如，9岁生日聚会的记忆)相关联的神经相关信号17和/或从其提取的特征与相应的分配的输入命令18(例如，向前移动轮椅)相关联。当检测到的神经相关信号(例如，和/或与其相关联的提取特征)与分配的输入命令18相关联时，主机设备16可以经由处理器或控制器将该输入命令18发送到与输入命令18相关联的终端应用12，以利用输入命令18来控制终端应用12，该输入命令18是患者8通过想到想法9触发的。

在想法9被分配给多个终端应用12并且终端应用12中只有一个是活动的(例如，通电和/或运行)的情况下，主机设备16可以向活动的终端应用12发送触发的输入命令18。作为另一示例，在想法9被分配给多个终端应用12并且终端应用12中有一些是活动的(例如，通电或运行)并且终端应用12中有一些是非活动的(例如，断电或处于待机模式)的情况下，主机设备16可以向活动的和非活动的终端应用12都发送触发的输入命令18。当输入命令18被活动的终端应用12接收时，活动的终端应用12可以执行输入命令18。非活动的终端应用12可以在非活动应用12变得活动(例如，被通电或开始运行)时执行输入命令18，或者输入命令18可以(例如，由模块16或由终端应用12)被放置在队列中以在非活动应用12变得活动时执行。作为又一示例，在想法9被分配给多个终端应用12并且终端应用12中多于一个是活动的(例如，通电和/或运行)(例如，第一终端应用和第二终端应用活动)的情况下，主机设备16可以将与第一终端应用相关联的触发的输入命令18发送到第一终端应用，并且可以将与第二终端应用相关联的触发的输入命令18发送到第二终端应用，或者模块10可以给予患者8在触发的输入命令18中患者8想要发送哪一个的选择(例如，仅发送与第一终端应用相关联的触发的输入命令18、仅发送与第二终端应用相关联的触发的输入命令18，或者发送两个触发的输入命令18)。

想法9可以是任何想法或想法的组合。例如，患者8想到的想法9可以是单个想法、多个想法、连续的多个想法、同时的多个想法、具有不同持续时间的想法、具有不同频率的想法、一个或多个顺序的想法、一个或多个组合的想法或其任意组合。想法9可以是任务相关想法、任务无关想法或两者，其中任务相关想法与患者8的预期任务相关，而任务无关想法与患者8的预期任务无关。例如，想法9可以是第一任务的，并且患者8可以想到第一任务来例如通过使用模块10来完成第二任务(也称为预期任务和目标任务)。第一任务可以与第二任务相同或不同。当第一任务与第二任务相同时，想法9可以是任务相关想法。在第一任务不同于第二任务的情况下，想法9可以是任务无关想法。例如，在患者8想到的第一任务是移动肢体(例如，臂、腿)并且第二任务与第一任务相同的情况下，即移动例如假体肢体的肢体(例如，臂、腿)，(例如第一任务的)想法9可以是任务相关想法。假体肢体可以是例如患者8利用想法9控制的终端应用12。例如，对于任务相关想法，当目标任务是移动光标时，患者8可以想到移动光标。相比之下，对于任务无关想法9，其中患者8想到作为第一任务的移动肢体(例如臂)，第二任务可以是不同于移动肢体(例如臂)的第一任务的任何任务，使得第二任务可以是不同于第一任务的任何终端应用12的任务。例如，对于任务无关想法，当目标任务是向右移动光标时，患者8可以想到向右移动身体部位(例如，他们的手)。患者8因此可以想到第一任务(例如，想法9)来完成任何第二任务，其中第二任务可以与第一任务相同或不同。第二任务可以是任何终端应用12的任何任务。例如，第二任务可以是任何终端应用12的任何输入命令18。想法9(例如，第一任务)可以是可分配给任何第二任务的。想法9(例如，第一任务)可以被分配给任何第二任务。患者8由此可以想到触发任何终端应用12的任何输入命令18(例如任何第二任务)的第一任务。因此，第一任务可以有利地用作通用开关。每个想法9可以产生由神经接口14可检测的可重复的神经相关信号(例如，可检测的神经相关信号17)。每个可检测的神经相关信号和/或可从中提取的特征可以是开关。例如，当患者8想到想法9并且传感器检测到开关被激活和/或处理器确定从检测到的神经相关信号中提取的一个或多个特征存在时，开关可以被激活(也称为被触发)。开关可以是通用开关，可分配和重新分配给任何输入命令18，例如，任何一组输入命令。输入命令18可以被添加到任何一组输入命令中、从任何一组输入命令中移除和/或修改。例如，每个终端应用12可以具有与其相关联的一组输入命令18，想法9的神经相关信号17可以被分配给该组输入命令18。

一些想法9可以是任务无关想法(例如，患者8尝试移动他们的手来向右移动光标)，一些想法9可以是任务相关想法(例如，当目标任务是移动光标时，患者8尝试移动光标)，一些想法9可以是任务无关想法和任务相关想法，或者它们的任意组合。在想法9既是任务无关想法又是任务相关想法的情况下，想法9可以既用作任务无关想法(例如，患者8尝试移动他们的手来向右移动光标)且又用作任务相关想法(例如，当目标任务是移动光标时，患者尝试移动光标)，使得想法9可以与多个输入命令18相关联，其中这些输入命令18中的一个或多个可以与想法9任务相关，并且其中这些输入命令18中的一个或多个可以与想法9任务无关。

以此方式，想法9可以是通用开关，其可分配给任何终端应用12的任何输入命令18，其中每个想法9可以被分配给一个或多个终端应用12。模块10有利地使每个患者8能够像控制器(例如，视频游戏控制器、任何控制接口)上的按钮一样使用他们的想法9来控制患者8想要控制的任何终端应用12。例如，想法9可以被分配给终端应用12的每个输入命令18，并且所分配的输入命令18可以以任何组合使用，如控制器上的按钮，以控制终端应用12。例如，在终端应用12具有四个输入命令18(例如，像控制器上的四个按钮-第一输入命令、第二输入命令、第三输入命令和第四输入命令)的情况下，不同的想法9可以被分配给四个输入命令18中的每一个(例如，第一想法9可以被分配给第一输入命令18，第二想法9可以被分配给第二输入命令18，第三想法9可以被分配给第三输入命令18，第四想法9可以被分配给第四输入命令18)，使得患者8可以使用这四个想法9来激活四个输入命令18及其组合(例如，四个输入命令18的任何顺序、数量、频率和持续时间)以控制终端应用12。例如，对于具有四个输入命令18的终端应用12，四个输入命令18可以用于使用分配给第一、第二、第三和第四输入命令18的四个想法9的任何组合来控制终端应用12，包括例如每个输入命令自身的单次激活、每个输入命令自身的多次激活(例如，少于5秒的两次激活、少于10秒的三次激活)、多个输入命令18的组合(例如，同时或连续的第一和第二输入命令)或其任意组合。像每个单独想法9一样，想法9的每个组合都可以充当通用开关。患者8可以用第一、第二、第三和第四想法9控制多个终端应用12。例如，第一想法9可以被分配给第一终端应用12的第一输入命令18，第一想法9可以被分配给第二终端应用12的第一输入命令18，第二想法9可以被分配给第一终端应用12的第二输入命令18，第二想法9可以被分配给第二终端应用12的第二输入命令18，第三想法9可以被分配给第一终端应用12的第三输入命令18，第三想法9可以被分配给第二终端应用12的第三输入命令18，第四想法9可以被分配给第一终端应用12的第四输入命令18，第四想法9可以被分配给第二终端应用12的第四输入命令18，或者它们的任意组合。例如，第一想法9可以被分配给第一终端应用12的第一输入命令18和第二终端应用12的第一输入命令18，第二想法9可以被分配给第一终端应用12的第二输入命令18和第二终端应用12的第二输入命令18，第三想法9可以被分配给第一终端应用12的第三输入命令18和第二终端应用12的第三输入命令18，第四想法9可以被分配给第一终端应用12的第四输入命令18和第二终端应用12的第四输入命令18，或者它们的任意组合。第一、第二、第三和第四想法9可以被分配给任何应用12(例如，第一和第二终端应用)。一些想法可以只分配给单个应用12，而一些想法可以分配给多个应用12。即使在想法9仅被分配给单个应用12的情况下，仅被分配给一个应用12的想法也可以被分配给多个应用12，使得患者8可以根据需要或期望利用(例如，仅被分配给一个终端应用12的)想法9的普遍适用性。作为另一示例，所有想法9可以被分配给多个终端应用12。

对于终端应用12的每个输入命令18或输入命令的组合的功能可以由患者8定义。作为另一示例，对于终端应用12的每个输入命令18或输入命令组合的功能可以由终端应用12定义，使得第三方可以插入并使它们的终端应用的输入命令18可分配(也称为可映射)到患者的可重复想法9的集合或子集。这可以有利地允许第三方程序更容易按照不同患者8的不同期望、需求和能力访问和定制。模块10可以有利地是第三方可以与之接口连接并且允许患者8的想法9被分配和重新分配给各种输入命令18的应用编程接口(API)，其中，如本文所述，每个输入命令18可以由患者8想到分配给患者8想要激活的输入命令18的想法9来激活。

患者的想法9可以经由人(例如，患者或其他人)、计算机或两者分配给终端应用12的输入命令18。例如，患者8的想法9(例如，与想法9相关联的可检测的神经相关信号和/或可提取特征)可以由患者8分配给输入命令18，可以由计算机算法分配(例如，基于与想法9相关联的可检测的神经相关信号的信号强度)，可以由患者8改变(例如，重新分配)，可以由算法改变(例如，基于开关的相对信号强度或新的可重复想法9的可用性)，或其任意组合。输入命令18和/或与输入命令18相关联的功能可以是但不必是与激活输入命令18相关联的想法9无关的。例如，图1A-图1C示出了第三方可以插入的非特定的或通用的模式切换程序(例如，应用编程接口(API))的示例性变型，其允许想法9(例如，可检测的神经相关信号和/或与想法9相关联的可提取特征)被分配和重新分配给各种输入命令18。通过分配输入命令18，想法9被分配，反之亦然，患者8可以在相同或不同的终端应用12中对各种输入命令18使用相同想法9。类似地，通过重新分配输入命令18，想法9被分配，反之亦然，患者8可以在相同或不同的终端应用12中对各种输入命令18使用相同想法9。例如，分配给导致假手(例如，第一终端应用)打开的输入命令18的想法9可以被分配给导致光标(例如，第二终端应用)在计算机上做某事的不同输入命令18(例如，关联于与计算机的鼠标或触摸板相关联的光标的任何功能，包括例如光标的移动和使用光标的选择，诸如左键点击和右键点击)。

图1A-图1C进一步示出了患者8的想法9可以被分配给多个终端应用12，使得患者8可以在多个终端应用12之间切换，而不必在每次患者8使用不同的终端应用12时重新分配输入命令18。例如，想法9可以同时分配给多个终端应用12(例如，分配给第一终端应用和第二终端应用，其中将想法9分配给第一和第二终端应用二者的过程可以但不需要同时发生)。因此，患者的想法9可以有利地控制任何终端应用12，包括例如外部游戏设备或各种家用电器和设备(例如，灯开关、电器、锁、恒温器、安全系统、车库门、窗户、窗帘，包括任何智能设备或系统等)。神经接口14由此可以检测与终端应用12的输入命令18相关联的功能任务无关的神经相关信号17(例如，脑信号)，其中终端应用12可以是任何电子设备或软件，包括患者身体内部和/或外部的设备。作为另一示例，神经接口14由此可以检测与终端应用12的输入命令18相关联的功能任务相关的神经相关信号17(例如，脑信号)，其中终端应用12可以是任何电子设备或软件，包括患者身体内部和/或外部的设备。作为又一示例，神经接口14由此可以检测与任务相关想法、任务无关想法或任务相关想法和任务无关想法两者相关联的神经相关信号17(例如，脑信号)。

一些想法9可以是任务无关想法(例如，患者8尝试移动他们的手来向右移动光标)，一些想法9可以是任务相关想法(例如，当目标任务是移动光标时，患者8尝试移动光标)，一些想法9可以是任务无关想法和任务相关想法，或者它们的任意组合。在想法9既是任务无关想法又是任务相关想法的情况下，想法9可以既用作任务无关想法(例如，患者8尝试移动他们的手来向右移动光标)且又用作任务相关想法(例如，当目标任务是移动光标时，患者尝试移动光标)，使得想法9可以与多个输入命令18相关联，其中这些输入命令18中的一个或多个可以与想法9任务相关，并且其中这些输入命令18中的一个或多个可以与想法9任务无关。作为另一示例，所有的想法9可以是任务无关想法。与任务无关的想法9和/或患者8用作任务无关想法的想法9(例如，分配给与想法9无关的输入命令18的想法9)使患者8(例如，BCI用户)利用给定的任务无关想法(例如，想法9)来独立控制各种终端应用12，包括软件和设备。

图1A-图1C示出了例如患者8可以思考想法9(例如，有或没有被要求思考想法9)，然后休息。思考想法9的这个任务可以生成可检测的神经相关信号，该信号对应于患者正在思考的想法9。思考想法9然后休息的任务可以执行一次，例如，当患者8想到想法9以控制终端应用12时。作为另一示例，思考想法9的任务可以重复多次，例如，当患者8通过想到想法9来控制终端应用12时，或者当患者正在训练如何使用想法9来控制终端应用12时。当记录神经相关信号(例如，脑相关信号)(诸如神经信号)时，可以从信号本身(例如，时域信号)中提取(例如，频谱功率/时频域)或识别特征。这些特征可以包含关于想法9的特征信息，并且可以用于识别想法9，将多个想法9彼此区分，或者两者兼有。作为另一示例，这些特征可以用于制定或训练数学模型或算法，该数学模型或算法可以使用机器学习方法和其他方法来预测生成神经信号的想法类型。使用该算法和/或模型，可以实时预测患者8在想什么，并且该预测可以与任何期望的输入命令18相关联。患者8思考相同想法9的过程可以被重复，例如，直到由算法和/或模型提供的预测匹配患者8的想法9为止。以这种方式，患者8可以使他们将用于控制终端应用12的其每个想法9被校准，使得分配给输入命令18的每个想法9生成由神经接口14可检测的可重复的神经相关信号。该算法可以向患者8提供关于预测是否与他们应该在思考的实际想法9相匹配的反馈19，其中该反馈可以是视觉、听觉和/或触觉的，其可以通过试错诱导患者8学习。反馈19也可以是神经刺激形式的反馈。机器学习方法和数学算法可以用于基于从感测到的神经相关信号17中提取和/或识别的特征来对想法9进行分类。例如，可以记录训练数据集，其中患者8休息和思考多次，处理器可以从感测到的神经相关信号17中提取相关特征，并且基于该数据用于区分休息和思考的数学模型或算法的参数和超参数可以被优化以预测实时信号。然后，已经被调谐为预测实时信号的相同数学模型或算法有利地允许模块10将想法9转换成实时通用开关。

图1A进一步示出了神经接口14可以监测生物介质(例如，脑)，诸如来自被监测的组织(例如，神经组织)的电信号。图1A进一步示出了神经相关信号17可以是脑相关信号。脑相关信号可以是例如来自患者脑部任何部分或多个部分(例如，运动皮层、感觉皮层)的电信号。作为另一示例，脑相关信号可以是在颅骨中可检测的任何信号(例如，电信号、生化信号)，可以是(例如，经由计算机处理器)从检测到的脑相关信号中提取的任何特征或多个特征，或者两者兼有。作为又一示例，脑相关信号可以是电信号，可以是由电信号引起的任何信号(例如，生化信号)，可以是(例如，经由计算机处理器)从检测的脑相关信号中提取的任何特征或多个特征，或者它们的任意组合。

图1A进一步示出了终端应用12可以与模块10分离，但是与模块10有线或无线通信。作为另一示例，模块10(例如，主机设备16)可以永久地或可移除地附接到或可附接到终端应用12。例如，主机设备16可以可移除地与应用12对接(例如，具有模块10可以与之通信的软件的设备)。主机设备16可以具有与应用12可接合的端口，反之亦然。端口可以是充电端口、数据端口或两者都有。例如，在主机设备是智能手机的情况下，端口可以是照明端口。作为又一示例，主机设备16可以具有与应用12的绳系连接(tethered connection)，例如利用电缆的绳系连接。电缆可以是电源电缆、数据传输电缆或两者都有。

图1B进一步示出，当患者8想到想法9时，神经相关信号17可以是对应于想法9的脑相关信号。图1B进一步示出主机设备16可以具有处理器(例如，微处理器)，该处理器分析(例如，检测、解码、分类或其任意组合)从神经接口14接收的神经相关信号17，将从神经接口14接收的神经相关信号17与其对应的输入命令18相关联，将从(例如，频谱功率/时间-频率域)提取的或在从神经接口14接收的神经相关信号17本身(例如，时域信号)中识别的特征与其对应的输入命令18相关联，保存从神经接口14接收的神经相关信号17，保存信号分析(例如，从神经相关信号17中提取或识别的特征)，保存神经相关信号17与输入命令18的关联，保存从神经相关信号17中提取或识别的特征与输入命令18的关联，或其任意组合。

图1B进一步示出了主机设备16可以具有存储器。由处理器保存的数据可以本地存储在存储器中，可以存储在服务器上(例如，在云上)，或者两者兼有。想法9和由此产生的数据(例如，检测到的神经相关信号17、提取的特征或两者)可以用作参考库。例如，一旦想法9被校准，与校准的想法和/或其签名(也称为提取的)特征相关联的神经相关信号17可以被保存。例如，当神经接口14检测到神经相关信号17时，当神经相关信号17和/或从其提取的特征具有由处理器可识别的可重复签名或特征时，可以认为想法9被校准。被实时监测和检测的神经相关信号然后可以与该实时存储的校准数据进行比较。每当检测到的信号17和/或其提取的特征之一匹配校准信号时，与校准信号相关联的相应输入命令18可以被发送到相应的终端应用12。例如，图1A和图1B示出了可以通过校准与其想法9相关联的神经相关信号17并将这些校准存储在参考库中来训练患者8使用模块10。训练可以向患者8提供反馈19。

图1C进一步示出主机设备16的示例性用户界面20。用户界面20可以是计算机屏幕(例如，触摸屏、非触摸屏)。图1C示出了用户界面20的示例性显示，包括可选择的系统13、可选择的输入命令18和可选择的终端应用12。系统13可以是一个或多个终端应用12的分组。系统13可以被添加到主机设备16和从主机设备16移除。终端应用12可以被添加到主机设备16和从主机设备16移除。终端应用12可以被添加到系统13和从系统13移除。每个系统13可以具有相应的一组输入命令18，其可以被分配给相应的一组终端应用12。作为另一示例，用户界面20可以显示对于激活的终端应用12中每一个(例如，遥控器)的输入命令18。作为又一示例，用户界面20可以显示用于激活的终端应用(例如，遥控器)和/或用于去激活的终端应用12(例如，刺激套管、电话、智能家居设备、轮椅)的输入命令18。这有利地允许模块10控制任何终端应用12。用户界面20允许将想法9容易地分配给多个终端应用12的各种输入命令18。终端应用的系统分组(例如，系统1和系统2)有利地允许患者8使用用户界面20将终端应用12组织在一起。现成的系统13可以上传到模块和/或患者8可以创建他们自己的系统13。例如，第一系统可以具有患者8使用的与移动性相关联的所有终端应用12(例如，轮椅、轮椅升降机)。作为另一示例，第二系统可以具有患者8使用的与假肢相关联的所有终端应用12。作为又一示例，第三系统可以具有患者8使用的与智能家用电器相关联的所有终端应用12。作为再一示例，第四系统可以具有患者8使用的所有终端应用12，其与患者用于其职业的软件或设备相关联。终端应用12可以在一个或多个系统13中。例如，终端应用12(例如，轮椅)可以在系统1和/或系统2中。这种组织效率可以使患者8更容易管理他们的终端应用12。模块10可以具有一个或多个系统13，例如1至1000个或更多个系统13，包括该范围内的系统13的每1个增量(例如，1个系统、2个系统、10个系统、100个系统、500个系统、1000个系统、1005个系统、2000个系统)。例如，图1C示出了模块10可以具有第一系统13a(例如，系统1)和第二系统13b(例如，系统2)。此外，虽然图1C示出了终端应用12可以被分组到各种系统13中，其中每个系统具有一个或多个终端应用12，但是作为另一示例，用户界面20可以不将终端应用分组到系统13中。

图1C进一步示出了主机设备16可以用于将想法9分配给输入命令18。例如，想法9、与想法9相关联的神经相关信号17、与想法9相关联的神经相关信号17的提取特征或其任意组合可以被分配给系统13的输入命令18，例如通过选择输入命令18(例如，左箭头)并从显示能够分配给选择的输入命令18的想法9和/或与其相关联的数据(例如，与想法9相关联的神经相关信号17、与想法9相关联的神经相关信号17的提取特征或者两者都有)的下拉菜单选择。图1C进一步示出了当输入命令18被想法9或与其相关联的数据触发时，可以向患者8提供反馈(例如，视觉、听觉、触觉和/或神经刺激反馈)。图1C进一步示出了一个或多个终端应用12可以在系统13中被激活和去激活。激活的终端应用12可以处于通电、断电或待机状态。激活的终端应用12可以接收触发的输入命令18。去激活的终端应用12可以处于通电、断电或待机状态。在一个示例中，除非终端应用12被激活，否则去激活的终端应用12可能不能被患者8的想法9控制。使用用户界面20激活终端应用12可以使终端应用12通电。使用用户界面20去激活终端应用12可以使去激活的终端应用12断电，或者以其他方式使模块10与去激活的终端应用12脱离，使得处理器不会将神经相关信号17与分配给去激活的终端应用12的想法9相关联。例如，图1C示出了具有五个终端应用12的示例性系统1，其中五个终端应用包括5个设备(例如，遥控器、刺激套管、电话、智能家居设备、轮椅)，其中一个设备(例如，遥控器)被激活，而其他设备被去激活。一旦(例如，经由图标20a)选择了“开始”，患者8可以控制系统(例如，系统1)的终端应用12，该终端应用12利用与系统1的终端应用12相关联的输入命令18被激活(例如，遥控器)。图1C进一步示出了使用用户界面20进行的任何改变可以使用保存图标20b保存，并且使用用户界面20进行的任何改变可以使用取消图标20c取消。图1C进一步示出了终端应用12可以是电子设备。

图1A-图1C示出了想法9的相同特定集合可以用于控制多个终端应用12(例如，多个终端设备)，从而使模块10成为通用开关模块。模块10有利地允许患者8(例如，BCI用户)利用给定的任务无关想法(例如，想法9)来独立控制各种终端应用12，包括例如多个软件和设备。模块10可以(例如，经由神经接口14)获取神经相关信号，可以(例如，经由处理器)解码所获取的神经相关信号，可以(例如，经由处理器)将所获取的神经相关信号17和/或从这些信号中提取的特征与一个或多个终端应用12的相应输入命令18相关联，并且可以(例如，经由模块10)控制多个终端应用12。使用模块10，想法9可以有利地用于控制多个终端应用12。例如，模块10可以用于控制多个终端应用12，其中一次可以控制单个终端应用12。作为另一示例，模块10可以用于同时控制多个终端应用。每个想法9可以被分配给多个应用12的输入命令18。以这种方式，想法9可以充当通用数字开关，其中模块10可以有效地重组患者的运动皮层以表示数字开关，其中每个想法9可以是数字开关。这些数字开关可以是通用开关，由患者8使用来控制多个终端应用12，因为每个开关(例如，经由模块10)可分配给多个终端应用12的任何输入命令18(例如，第一终端应用的输入命令和第二终端应用的输入命令)。模块10可以经由处理器辨别不同的想法9(例如，不同的开关)。

模块10可以与例如1至1000个或更多个终端应用12接口连接，包括该范围内的终端应用12的每1个增量(例如，1个终端应用、2个终端应用、10个终端应用、100个终端应用、500个终端应用、1000个终端应用、1005个终端应用、2000个终端应用)。例如，图1C示出了第一系统13a可以具有第一终端应用12a(例如，遥控器)、第二终端应用12b(例如，刺激套管)、第三终端应用12c(例如，电话)、第四终端应用12d(例如，智能家居设备)和第五终端应用12e(例如，轮椅)。

每个终端应用可以具有例如1至1000个或更多个可以与患者8的想法9相关联的输入命令18，或者作为另一示例，1至500个或更多个可以与患者8的想法9相关联的输入命令18，或者作为又一示例，1至100个或更多个可以与患者8的想法9相关联的输入命令18，包括这些范围内的每1个输入命令18(例如，1个输入命令、2个输入命令、10个输入命令、100个输入命令、500个输入命令、1000个输入命令、1005个输入命令、2000个输入命令)，并且包括这些范围内的任何子范围(例如，1至25个或更少的输入命令18、1至100个或更少的输入命令18，25至1000个或更少的输入命令18)，使得任意数量的输入命令18可以由患者的想法9触发，其中任意数量可以是例如患者8的想法9被分配到的输入命令18的数量。例如，图1C示出了与激活的终端应用12(例如，第一终端应用12a)相关联的示例性的一组输入命令18，包括第一终端应用第一输入命令18a(例如，左箭头)、第一终端应用第二输入命令18b(例如，右箭头)和第一终端应用第三输入命令18c(例如，回车)。作为另一示例，图1C示出了与去激活的终端应用12(例如，第二终端应用12b)相关联的示例性的一组输入命令18，包括第二终端应用第一输入命令18d(例如，选择输出)，其中第二终端应用第一输入命令18d尚未被选择，但是可以是第二终端应用12b的任何输入命令18。第一终端应用第一输入命令18a也被称为第一终端应用12a的第一输入命令18a。第一终端应用第二输入命令18b也被称为第一终端应用12a的第二输入命令18b。第一终端应用第三输入命令18c也被称为第一终端应用12a的第三输入命令18c。第二终端应用第一输入命令18d也被称为第二终端应用12b的第一输入命令18d。

当患者8想到想法9时，模块10(例如，经由处理器)可以将与想法9相关联的神经相关信号17和/或从其提取的特征与想法9被分配到的输入命令18相关联，并且与想法9相关联的输入命令18可以由模块10(例如，经由处理器、控制器或收发器)发送到它们相应的终端应用12。例如，如果想法9被分配给第一终端应用18a的第一输入命令18a，则当患者8想到想法9时，第一终端应用12a的第一输入命令18a可以被发送给第一终端应用12a，并且如果想法9被分配给第二终端应用12b的第一输入命令18d，则当患者8想到想法9时，第二终端应用12b的第一输入命令18d可以被发送给第二终端应用12b。因此，单个想法(例如，想法9)可以与多个终端应用12(第一终端应用12a和第二终端应用12b)接口连接或用于控制多个终端应用12。任何数量的想法9都可以用作开关。用作开关的想法9的数量可以对应于例如控制终端应用12所需或期望的控件(例如，输入命令18)的数量。想法9可以分配给多个终端应用12。例如，与第一想法相关联的神经相关信号17和/或从中提取的特征可以被分配给第一终端应用第一输入命令18a，并且可以被分配给第二终端应用第一输入命令18d。作为另一示例，与第二想法相关联的神经相关信号17和/或从中提取的特征可以被分配给第一终端应用第二输入命令18a，并且可以被分配给第三终端应用第一输入命令。第一想法可以不同于第二想法。多个终端应用12(例如，第一终端应用12a和第二终端应用12b)可以彼此独立地操作。在模块10用于控制单个终端应用(例如，第一终端应用12a)的情况下，第一想法可以分配给多个输入命令18。例如，单独的第一想法可以激活第一输入命令，并且第一想法与第二想法一起可以激活不同于第一输入命令的第二输入命令。想法9因此可以充当通用开关，即使在只有单个终端应用12被模块10控制的情况下，因为单个想法可以与其他想法组合以形成附加开关。作为另一示例，单个想法可以与其他想法组合，以形成附加的通用开关，该开关可分配给任何输入命令18，其中多个终端应用12经由想法9可由模块10控制。

图2A-图2D示出了神经接口14可以是支架101。支架101可以具有支柱108和传感器131(例如电极)。支架101可以是可收缩和可膨胀的。

图2A-图2D进一步示出了支架101可植入受试者的脉管系统，例如穿过受试者窦或静脉的血管。作为更具体的示例，支架101可以植入受试者的上矢状窦内。图2A示出了示例性模块10，且图2B-图2D示出了图2A的模块10的三个放大视图。支架101可以例如经由颈静脉植入覆盖在初级运动皮层上的上矢状窦(SSS)中，以被动记录脑信号和/或刺激组织。支架101经由传感器131可以检测例如与想法9相关联的神经相关信号17，使得由于神经损伤或疾病而瘫痪的人可以通过辅助技术(诸如终端应用12)的直接脑控制来通信、提高移动性并潜在地实现独立。图2C示出了通信导管24(例如，支架引线)可以从支架101延伸，穿过颈静脉壁，并在皮肤下穿隧道至锁骨下囊。以此方式，通信导管24可以便于支架101和遥测单元22之间的通信。

图2A-图2D进一步示出了终端应用12可以是轮椅。

图3示出了神经接口14(例如，支架101)可以是无线传感器系统30，其可以与主机设备16无线通信(例如，没有遥测单元22)。图3示出了血液血管104内的支架101，血液血管104覆盖患者8的运动皮层，运动皮层拾取神经相关信号并将该信息中继到位于支架101上的无线发射器32。支架101记录的神经相关信号可以通过患者的颅骨无线传输到无线收发器34(例如，放置在头部)，无线收发器34依次解码所获取的神经相关信号并将其传输到主机设备16。作为另一示例，无线收发器34可以是主机设备16的一部分。

图3进一步示出了终端应用12可以是假臂。

图4示出了神经接口14(例如，支架101)可用于记录来自大脑的神经相关信号17，例如，来自上矢状窦(SSS)或分支皮质静脉中的神经元的神经相关信号17，包括以下步骤：(a)将神经接口14植入大脑中的血管104(例如，上矢状窦、分支皮质静脉)；(b)记录神经相关信号；(c)产生代表所记录的神经相关信号的数据；以及(d)将数据传输到主机设备16(例如，利用或不利用遥测单元22)。

美国专利10,512,555号中的所有内容通过引用以其整体并入本文以用于所有目的，包括其中公开的所有系统、设备和方法，并包括其中公开的特征和操作的任何组合。例如，神经接口14(例如，支架101)可以是例如美国专利10,512,555号中公开的任何支架(例如，支架101)。

此外，本文公开的神经接口、支架(stent)或支架(scaffold)可以是以下项中公开的任何支架、支架、支架-电极或支架-电极阵列：美国专利公开号US 2020/0363869；美国专利公开号2020/0078195；美国专利公开号2020/0016396；美国专利公开号2019/0336748；美国专利公开号US 2014/0288667；美国专利10,575,783号；美国专利10,485,968号；美国专利10,729,530号；2020年11月6日提交的国际专利申请号PCT/US 2020/059509；于2019年10月29日提交的美国专利申请号62/927,574；于2019年11月8日提交的美国专利申请号62/932,906；于2019年11月8日提交的美国专利申请号62/932,935；于2019年11月15日提交的美国专利申请号62/935,901；于2019年11月27日提交的美国专利申请号62/941,317；于2019年12月19日提交的美国专利申请号62/950,629；于2020年4月1日提交的美国专利申请号63/003,480；2020年7月28日提交的美国专利申请号63/057,379和2020年8月7日提交的美国专利申请号63/062,633，其内容通过引用以其整体结合于此。

使用模块10，患者8可以准备好与多个终端应用12接口连接。使用模块10，患者8可以使用一种类型的电子命令来执行多个任务，该电子命令根据特定任务无关想法(例如，想法9)。例如，使用模块10，患者8可以用单个任务无关想法(例如，想法9)执行多个任务。

例如，图5示出了使个体准备好与电子设备或软件(例如，与终端应用12)接口连接的方法50的变型，其具有操作52、54、56和58。图5示出了方法50可以包括：在操作52中，当个体生成第一任务无关想法时，测量个体的神经相关信号以获得第一感测神经信号。方法50可以包括在操作54中将第一感测神经信号传输到处理单元。方法50可以包括在操作56中将第一任务无关想法和第一感测神经信号与第一输入命令相关联。方法50可以包括在操作58中将第一任务无关想法、第一感测神经信号和第一输入命令编译到电子数据库。

作为另一示例，图6示出了控制第一设备和第二设备(例如，第一终端应用12a和第二终端应用12b)的方法60的变型，其具有操作62、64、66和68。图6示出了方法60可以包括：在操作62中，当个体生成任务无关想法时，测量个体的神经相关信号以获得感测神经信号。方法60可以包括在操作64中将感测神经信号传输到处理器。该方法可以包括在操作66中经由处理器将感测神经信号与第一设备输入命令和第二设备输入命令相关联。该方法可以包括：在操作68中，在将感测神经信号与第一设备输入命令和第二设备输入命令相关联时，将第一设备输入命令电传输到第一设备或者将第二设备输入命令电传输到第二设备。

作为另一示例，图7示出了使个体准备好与第一设备和第二设备(例如，第一终端应用12a和第二终端应用12b)接口连接的方法70的变型，其具有操作72、74、76、78和80。图7示出了方法70可以包括：在操作72中，当个体通过想到第一任务生成任务特定想法时，测量个体的脑相关信号以获得感测脑相关信号。该方法可以包括在操作74中将感测脑相关信号传输到处理单元。该方法可以包括在操作76中经由处理单元将感测脑相关信号与关联于第一设备任务的第一设备输入命令相关联。第一设备任务可以不同于第一任务。该方法可以包括：在操作78中，经由处理单元将感测脑相关信号与关联于第二设备任务的第二设备输入命令相关联。第二设备任务可以不同于第一设备任务和第一任务。该方法可以包括：在操作80中，在将感测脑相关信号与第一设备输入命令和第二设备输入命令相关联时，将第一设备输入命令电传输到第一设备以执行与第一设备输入命令相关联的第一设备任务，或者将第二设备输入命令电传输到第二设备以执行与第二设备输入命令相关联的第二设备任务。

作为另一示例，图5-图7示出了用通用开关(例如，想法9)控制多个终端应用12的方法的变型。

作为另一示例，图5-图7所示的操作可以以任何顺序和任何组合来执行和重复。图5-图7不以任何方式将本公开限制于所示的方法或所列出的特定操作顺序。例如，方法50、60和70中列出的操作可以以任何顺序执行，或者可以省略或添加一个或更多个操作。

作为另一示例，使用模块10的方法的变型可以包括当个体生成任务无关想法(例如，想法9)时，测量个体的脑相关信号以获得第一感测脑相关信号。该方法可以包括将第一感测脑相关信号传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成想法9的脑相关信号。该方法可以包括将任务无关想法和第一感测脑相关信号与数量为N的一个或多个输入命令18相关联。该方法可以包括将任务无关想法(例如，想法9)、第一感测脑相关信号和N个输入命令18编译到电子数据库。该方法可以包括监测个体的第一感测脑相关信号(例如，使用神经接口)，并且在检测到第一感测脑相关信号时，将N个输入命令18中的至少一个电传输到控制系统。控制系统可以是终端应用12的控制系统。N个输入命令18可以是例如1至100个输入命令18，包括该范围内的每1个输入命令18。N个输入命令可以分配给Y个终端应用12，其中Y个终端应用可以是例如1到100个终端应用12，包括在该范围内的终端应用12的每1个增量。作为另一示例，Y个终端应用12可以是例如2到100个终端应用12，包括在该范围内的终端应用12的每1个增量。Y个终端应用12可以包括例如控制鼠标光标、控制轮椅和控制拼写器中的至少一个。N个输入命令18可以是与任务无关想法相关联的二进制输入、与任务无关想法相关联的分级输入和与任务无关想法相关联的连续轨迹输入中的至少一个。该方法可以包括将第一感测脑相关信号的M个检测与N个输入命令18相关联，其中M是1到10个或更少的检测。例如，当M是一个检测时，任务无关想法(例如，想法9)和第一感测脑相关信号可以与第一输入命令(例如，第一输入命令18a)相关联。作为另一示例，当M是两个检测时，任务无关想法(例如，想法9)和第一感测脑相关信号可以与第二输入命令(例如，第二输入命令18b)相关联。作为又一示例，当M是三个检测时，任务无关想法(例如，想法9)和第一感测脑相关信号可以与第三输入命令(例如，第三输入命令18c)相关联。第一、第二和第三输入命令可以与一个或多个终端应用12相关联。例如，第一输入命令可以是用于第一终端应用的输入命令，第二输入命令可以是用于第二终端应用的输入命令，第三输入命令可以是用于第三应用的输入命令，使得单个想法9可以控制多个终端应用12。想法9的M个检测的每个数量可以被分配给多个终端应用，使得M个检测(例如，1个、2个或3个检测)的终端数量可以充当可分配给任何输入命令18的通用开关。第一、第二和第三输入命令可以与不同功能相关联。第一、第二和第三输入命令可以与相同功能相关联，使得第一输入命令与功能第一参数相关联，使得第二输入命令与功能第二参数相关联，并且使得第三输入命令与功能第三参数相关联。功能第一、第二和第三参数可以是例如速度、音量或两者的渐进水平。例如，速度的渐进水平可以与轮椅的移动、与鼠标光标在屏幕上的移动或两者相关联。音量的渐进水平可以例如与汽车、计算机、电话或其任意组合的声音系统的声音音量相关联。N个输入命令18中的至少一个可以是与计算机鼠标相关联的点击并保持命令。方法可以包括将任务无关想法(例如，想法9)的组合与N个输入命令18相关联。方法可以包括将Z个任务无关想法的组合与N个输入命令18相关联，其中Z个任务无关想法可以是2个至10个或更多个任务无关想法，或者更广泛地，1个至1000个或更多个任务无关想法，包括这些范围内的每1个单位增量。Z个任务无关想法中的至少一个可以是任务无关想法，其中任务无关想法可以是第一任务无关想法，使得该方法可以包括当个体生成第二任务无关想法时测量个体的脑相关信号以获得第二感测脑相关信号，将第二感测脑相关信号传输到处理单元，将第二任务无关想法和第二感测脑相关信号与N2个输入命令相关联，其中当顺序或同时获得第一和第二感测脑相关信号的组合时，该组合可以与N3个输入命令相关联。任务无关想法可以是移动肢体的想法。第一感测脑相关信号可以是脑组织的电活动和脑组织的功能活动中的至少一个。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

作为另一示例，使用模块10的方法的变型可以包括当个体通过想到第一任务(例如，通过想到想法9)生成第一任务特定想法时，测量个体的脑相关信号以获得第一感测脑相关信号。该方法可以包括将第一感测脑相关信号传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成想法的脑相关信号。该方法可以包括将第一感测脑相关信号与关联于第二任务的第一任务特定输入命令(例如，输入命令18)相关联，其中第二任务不同于第一任务(例如，使得想法9涉及与输入命令18被配置执行的任务不同的任务)。第一任务特定想法可以与关联步骤无关。该方法可以包括将第二任务分配给第一任务特定命令指令，而不考虑第一任务。该方法可以包括将第三任务重新分配给第一任务特定命令指令，而不考虑第一任务和第二任务。该方法可以包括将第一任务特定想法、第一感测脑相关信号和第一任务特定输入命令编译到电子数据库。该方法可以包括监测个体的第一感测脑相关信号，并且在检测到第一感测脑相关信号时，将第一任务特定输入命令电传输到控制系统。第一任务特定想法可以是例如关于物理任务、非物理任务或者两者都有。所生成想法可以是例如单个想法或复合想法。复合想法可以是两个或更多个非同时想法、两个或更多个同时想法和/或两个或更多个同时想法的系列。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

作为另一示例，使用模块10的方法的变型可以包括当个体思考第一想法时，测量个体的脑相关信号以获得第一感测脑相关信号。该方法可以包括将第一感测脑相关信号传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成想法的脑相关信号。该方法可以包括基于第一感测脑相关信号生成第一命令信号。该方法可以包括将第一任务分配给第一命令信号，而不考虑第一想法。该方法可以包括将第一想法与第一感测脑电活动分离。该方法可以包括将第二任务重新分配给第一命令信号，而不考虑第一想法和第一任务。该方法可以包括将第一想法、第一感测脑相关信号和第一命令信号编译到电子数据库。该方法可以包括监测个体的第一感测脑相关信号，并且在检测到第一感测脑相关信号时，将第一输入命令电传输到控制系统。第一想法可以包括例如关于真实或想象的肌肉收缩、真实或想象的记忆或者两者都有的想法、或者任何抽象的想法。第一想法可以是例如单个想法或复合想法。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

作为另一示例，使用模块10的方法的变型可以包括当个体思考第一想法时，测量个体的脑组织的电活动以获得第一感测脑电活动。该方法可以包括将第一感测脑电活动传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成想法的脑相关信号。该方法可以包括基于第一感测脑电活动生成第一命令信号。该方法可以包括将第一任务和第二任务分配给第一命令信号。第一任务可以与第一设备相关联，并且其中第二任务与第二设备相关联。第一任务可以与第一设备的第一应用相关联，并且其中第二任务与第一设备的第二应用相关联。该方法可以包括将第一任务分配给第一命令信号，而不考虑第一想法。该方法可以包括将第二任务分配给第一命令信号，而不考虑第一想法。该方法可以包括将第一想法、第一感测脑电活动和第一命令信号编译到电子数据库。该方法可以包括监测个体的第一感测脑电活动，并且在检测到第一感测脑电活动时，将第一命令信号电传输到控制系统。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

作为另一示例，使用模块10的方法的变型可以包括当个体生成任务无关想法时，测量个体的神经相关信号以获得第一感测神经信号。该方法可以包括将第一感测神经信号传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成任务无关想法的脑相关信号。该方法可以包括将任务无关想法和第一感测神经信号与第一输入命令相关联。该方法可以包括将任务无关想法、第一感测神经信号和第一输入命令编译到电子数据库。该方法可以包括监测个体的第一感测神经信号，并且在检测到第一感测神经信号时，将第一输入命令电传输到控制系统。神经相关信号可以是脑相关信号。可以从个体脑中的神经组织测量神经相关信号。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

作为另一示例，使用模块10的方法的变型可以包括当个体通过想到第一任务生成第一任务特定想法时，测量个体的神经相关信号以获得第一感测神经相关信号。该方法可以包括将第一感测神经相关信号传输到处理单元。该方法可以包括处理单元应用数学算法或模型来检测对应于个体何时生成想法的脑相关信号。该方法可以包括将第一感测神经相关信号与关联于第二任务的第一任务特定输入命令相关联，其中第二任务不同于第一任务，从而向用户提供一种机制，以利用单个用户生成的想法来控制具有不同任务特定输入的多个任务。该方法可以包括将任务无关想法、第一感测神经信号、第一输入命令和对应任务编译到电子数据库。该方法可以包括利用电子数据库的存储器，基于任务、脑相关信号或想法，自动将任务无关想法、所感测的脑相关信号和数量为N的一个或多个输入的组合分组，以自动映射控制功能，用于自动系统设置以供使用。神经相关信号可以是脑组织的神经相关信号。该示例性方法中的任何操作可以以任何组合和任何顺序执行。

模块10可以执行任何方法的任何组合，并且可以执行本文公开的任何方法的任何操作。

图8示出了用于使用检测到的受试者的神经相关信号的变化来控制设备(例如，个人电子设备、IoT设备、移动交通工具等)、软件应用(例如，终端应用12)或其组合的方法100的实施例。在一些实施例中，神经相关信号可以是受试者的脑电波或其他类型的同步脑电活动。

神经相关信号可以包括受试者的一种或更多种神经振荡，包括β频率范围或β带(约12Hz至30Hz)、α频率范围或α带(约7Hz至12Hz)、γ频率范围或γ带(约30Hz至140Hz，更具体地，60Hz至80Hz)、δ频率范围或δ带(约0.1Hz至3Hz)、θ频率范围或θ带(约4Hz至7Hz)、或其组合中的神经振荡。神经相关信号还可以包括μ带(Mu band)(约7.5Hz至12.5Hz)、感觉运动节律(SMR)带(约12.5Hz至15.5Hz)或其组合中的神经振荡。

如前文所述，可以使用模块10或其部件监测或测量受试者的神经相关信号。例如，可使用神经接口14、遥测单元22、主机设备16或其组合监测或测量神经相关信号。

在一些实施例中，神经接口14可以是植入受试者体内的血管内设备(例如，可膨胀和可收缩的支架)。在某些实施例中，可以使用植入受试者体内的神经接口14的电极来监测或测量神经相关信号。例如，可以使用可植入血管内设备的电极(例如，耦合到支架的电极)来监测或测量神经相关信号。

如前所讨论的，血管内设备可植入受试者的大脑内。例如，血管内设备可以植入受试者的额叶皮层、运动皮层和感觉皮层中的至少一个。血管内设备也可以植入受试者大脑的其他部分。

方法100可以包括在操作102中检测受试者的神经相关信号的强度降低至基线水平以下。例如，检测神经相关信号的强度的降低可以包括检测受试者的至少一种神经振荡(例如，在β带频率的神经振荡)的功率的降低(例如，以每Hz微伏平方(μV²/Hz)、分贝(dB)、平均t分数、平均z分数等来测量)。

在一些实施例中，基线水平可以定义为特定时间段内(例如，最后几秒或几分钟内)的中值强度或平均强度。在这些和其他实施例中，基线水平可以变化或连续调整和设置。在其他实施例中，基线水平可以是预定义的或预定的水平。例如，基线水平可以基于一天中的时间、受试者进行的活动或动作或其组合来确定。

神经相关信号的强度的降低可以指神经相关信号的强度相对于基线水平的统计上显著(例如，超过2个标准偏差(SD))的降低。神经相关信号的强度的这种统计上显著的降低也可以被称为神经相关信号的去同步化或去同步(desynch)。

例如，当监测或测量的神经相关信号为β带振荡时，方法100可包括检测β带振荡功率相对于基线β带功率水平的统计上显著的下降或降低。更具体地说，β带振荡功率的这种统计上显著的降低可以被称为β去同步化。

方法100还可包括在操作104中，检测神经相关信号的强度在降低之后超过基线水平的后续增加。例如，方法100可以包括检测神经相关信号的强度超过基线水平的统计上显著(例如，超过2SD)的增加。在一些实施例中，神经相关信号的强度的这种统计上显著的增加可以被称为神经相关信号的反弹。

例如，当监测或测量的神经相关信号为β带振荡时，方法100可包括检测β带振荡的功率相对于基线β带功率水平的统计上显著的增加或上升。更具体地说，β带振荡功率的这种统计上显著的增加可以被称为β反弹。

在某些实施例中，选定数量的神经频带(例如，β带、γ带等)的功率可以使用耦合到神经接口14的电极在选定的通道上被连续监测，并且功率读数可以被滤波并以预定的间隔(例如，每100毫秒或100ms)被馈送到机器学习分类器中。然后，机器学习分类器可以通过将功率与特定神经频带的基线水平进行比较，将功率分类为离散状态或事件，例如(1)去同步化(“去同步”)事件、(2)反弹事件、或(3)休息或非事件。

可以使用神经接口14(例如，通过植入脑部的血管内设备的电极)和遥测单元22、主机设备16或其组合的一个或更多个处理器来检测强度变化。

方法100可进一步包括在操作106中检测到神经相关信号的强度增加时或之后，将输入命令18传输到设备或软件。在一些实施例中，输入命令18可以在检测到神经相关信号的强度增加时或之后，但是在信号反弹完成之前传输。

可以使用遥测单元22、主机设备16或其组合的一个或更多个处理器传输输入命令18。如前所述，输入命令18可以被传输到在外围或个人计算设备上运行的一个或更多个终端应用(例如，应用软件)，该外围或个人计算设备例如是膝上型电脑、台式电脑、智能手机或平板电脑。当输入命令18被传输到软件程序时，输入命令18可以经由一个或更多个软件应用编程接口(API)被传输。在这些和其他实施例中，输入命令18可以被传输到IoT设备、移动交通工具(例如电动轮椅)或其他类型的外围或个人计算设备，以控制这些设备或交通工具。此外，输入命令18还可以被传输到在这样的外围或个人计算设备或交通工具上运行的一个或更多个终端应用(例如，软件)。

在一些实施例中，神经相关信号的强度的降低可由受试者唤起或产生任务相关想法并保持该任务相关想法一段时间而引起。在这些实施例中，神经相关信号的强度的后续增加(例如，信号反弹)可以由受试者在精神上释放任务相关想法引起。此外，在这些实施例中，输入命令18可以是传输给设备或软件以完成与任务相关想法相关联的任务的至少一部分的命令。

例如，一种控制电动轮椅的方法可以包括受试者产生并保持向前移动电动轮椅的想法。当受试者保持向前移动电动轮椅的想法时，模块10可以检测到受试者的神经相关信号的强度降低(例如，β振荡去同步化)。模块10然后可以在受试者释放向前移动电动轮椅的想法时检测受试者的神经相关信号的强度的后续增加(例如，β振荡反弹)。模块10然后可以在检测到受试者的神经相关信号的强度增加时将输入命令18传输到电动轮椅，以向前移动电动轮椅。如本领域普通技术人员可以理解的，该方法可以扩展到覆盖任何数量的任务相关想法，并且覆盖在前面的示例中没有具体提到的其他设备、交通工具或软件的控制。

在其他实施例中，神经相关信号的强度的降低可由受试者唤起或产生任务无关想法并保持任务相关想法一段时间而引起。在这些实施例中，神经相关信号的强度的后续增加可以由受试者在精神上释放任务无关想法引起。此外，在这些实施例中，输入命令18可以是被传输到设备或软件以完成与任务无关想法不相关联的任务的至少一部分的命令。

例如，另一种控制电动轮椅的方法可以包括受试者产生并保持与受试者的身体功能相关的想法，如收缩受试者的肌肉。与受试者的身体功能相关的想法可以被认为是任务无关想法，因为它与控制受试者的电动轮椅的任务无关。当受试者保持收缩受试者肌肉的想法时，模块10可以检测受试者的神经相关信号的强度降低(例如，β振荡去同步化)。模块10然后可以在受试者释放收缩受试者肌肉的想法时检测受试者的神经相关信号的强度的随后增加(例如，β振荡反弹)。模块10然后可以在检测到受试者的神经相关信号的强度增加时向电动轮椅传输输入命令18，以向前移动电动轮椅。如本领域普通技术人员可以理解的，该方法可以扩展到覆盖任何数量的任务无关想法，并且覆盖在前面的示例中没有具体提到的其他设备、交通工具或软件的控制。

方法100还可包括附加操作108，在将输入命令18传输到设备或软件后，向受试者提供视觉反馈、听觉反馈、触觉反馈、神经刺激形式的反馈或其组合。该反馈可以通知受试者输入命令18已经被成功传输或者输入命令18正在被实现的过程中。在其他实施例中，反馈可以通知受试者已经检测到信号去同步化或信号反弹。

在一些实施例中，视觉反馈可以包括通过主机设备16的显示器显示的书写文本。在其他实施例中，视觉反馈可以包括在遥测单元22或主机设备16或其组合上点亮的一个或更多个灯。听觉反馈可以包括由遥测单元22或主机设备16产生的一个或更多个声音或听觉警报。在其他实施例中，听觉反馈可以包括由遥测单元22或主机设备16播放的计算机生成的或预先录制的音频消息。触觉反馈可以包括一个或更多个传感器或电子部件，其被配置为以施加到受试者身体或附属物(appendage)的振动、运动或其他力的形式向受试者提供物理上可感知的反馈。在一些实施例中，触觉反馈可以通过遥测单元22、额外的可佩戴单元、支撑受试者的座椅、结构或平台或其组合施加到受试者。神经刺激形式的反馈可以包括通过植入受试者体内的电极传输电脉冲。例如，神经刺激反馈可以包括通过植入受试者大脑内的神经接口14的电极向受试者的大脑传输电脉冲。在其他实施例中，神经刺激反馈可以包括非侵入性刺激，例如经由经颅直流刺激(tDCS)、经颅磁刺激(TMS)、经颅交流刺激(tACS)、经颅脉冲电流刺激(tPCS)、经颅随机噪声刺激(tRNS)或其组合对受试者的刺激。

图9示出了显示受试者在β带或β频率中的神经振荡的去同步化(或减少)，随后是β带神经振荡的反弹(或增加)的谱图。更具体地，谱图显示了β带振荡的功率降低到低于基线功率水平，随后功率增加到高于基线功率水平。在这个特定的谱图中，功率表示为平均t分数。功率也可以用分贝(dB)、z分数或μV²/Hz来表示。

神经相关信号的去同步化可由受试者唤起或产生想法(例如任务相关想法或任务无关想法)并保持该想法一段时间而引起。神经相关信号的反弹可以由受试者在精神上释放想法而引起。

图9还示出了可在检测到信号反弹后或检测到信号反弹时传输输入命令18。输入命令18在信号反弹完成之前被传输。如将在以下部分中更详细讨论的，去同步化的持续时间可以在确定将哪个(哪些)输入命令18传输到设备或软件程序中起作用。

图10示出了用于使用检测到的受试者的神经相关信号的变化控制设备(例如，个人电子设备、IoT设备、移动交通工具等)或软件程序(例如，终端应用12)的另一种方法200。方法200可以包括在操作202中检测受试者的神经相关信号的强度降低到低于基线水平。例如，检测神经相关信号的强度降低可以包括检测受试者的至少一个神经振荡的功率降低。

基线水平可以定义为某一时间段内的中值强度或平均强度。基线水平可以变化或连续调整和设置。在其他实施例中，基线水平可以是预定义的或预定的水平。神经相关信号的强度的降低可指神经相关信号的强度相对于基线水平的统计上显著的降低。在一些实施例中，β带振荡的功率的这种统计上显著的降低可以被称为神经相关信号的去同步化或去同步。

方法200还可包括在操作204中，检测神经相关信号的强度在降低之后增加至超过基线水平。例如，方法100可以包括检测神经相关信号的强度的统计上显著的增加以超过基线水平。在一些实施例中，神经相关信号的强度的增加可以被称为神经相关信号的反弹。

与上一部分类似，神经相关信号可以是受试者的脑电波或其他类型的同步脑电活动。神经相关信号可以包括受试者的一种或更多种神经振荡，包括β频率范围或β带、α频率范围或α带、γ频率范围或γ带、δ频率范围或δ带、θ频率范围或θ带或其组合中的神经振荡。神经相关信号还可以包括μ带、SMR带或其组合中的神经振荡。

可以使用模块10或其部件监测或测量受试者的神经相关信号，例如，可以使用神经接口14、遥测单元22、主机设备16或其组合监测或测量神经相关信号。

神经接口14可以是植入受试者脑部的血管内设备(例如，可膨胀和可收缩的支架)。在某些实施例中，可以使用植入受试者大脑内的神经接口14的电极来监测或测量神经相关信号。例如，可以使用植入受试者大脑内的支架的电极来监测或测量神经相关信号。

方法200可进一步包括在操作206中确定神经相关信号的强度降低的持续时间。例如，当神经相关信号是β带振荡时，操作206可以包括确定β带振荡的去同步化的持续时间。

如将在以下部分中更详细讨论的，在一些实施例中，选定数量的神经频带(例如，β带、γ带等)的功率可以使用耦合到神经接口14的电极在选择的通道上被连续监测，并且功率读数可以被滤波并且以预定的间隔(例如，每100毫秒)被馈送到机器学习分类器中。然后，机器学习分类器可以通过将功率与特定神经频带的基线水平进行比较，来将功率分类为离散状态或事件，例如(1)去同步化(“去同步”)事件、(2)反弹事件、或(3)休息或非事件。在这些实施例中，确定信号去同步化的持续时间可以包括对反弹事件之前的连续去同步化事件的数量进行计数。

在其他实施例中，确定神经相关信号的强度降低的持续时间可包括：当首次检测到神经相关信号的强度降低时，将第一信号传输到遥测单元22、主机设备16或用作模块10一部分的其他设备；当神经相关信号的强度降低停止或检测到信号反弹时，将第二信号传输到遥测单元22、主机设备16或用作模块10一部分的其他设备。遥测单元22、主机设备165或用作模块10的一部分的其他设备然后可以通过计算两个信号之间经过的时间来确定持续时间。

方法200还可包括在操作208中基于持续时间从多个条件输入命令中选择输入命令18。从多个条件输入命令中选择输入命令18可以进一步包括将持续时间与和条件输入命令相关联的一个或更多个时间阈值进行比较，并且基于持续时间是超过还是未能达到一个或更多个时间阈值来选择输入命令18。

例如，两个条件输入命令可与以下时间阈值相关联：

命令1：300ms≤持续时间<1000ms(即3至9次连续去同步事件之间)

命令2：1000ms≤持续时间(即10次或更多次连续去同步事件)

时间阈值的范围可在100ms至30000ms(或30秒)之间。尽管提供了一个范围，但是本公开考虑了该范围，并且本领域普通技术人员应该理解，所公开的范围的任何子范围也是可接受的。例如，100ms到30000ms的范围可以包括100ms到500ms、100ms到1000ms、100ms到10000ms、1000ms到10000ms、或者该范围内的任何其他子范围。在替代实施例中，时间阈值的范围可以在100ms到大于30000ms之间，例如50000ms、60000ms、100000ms等。

此外，多个条件输入命令可包括两个条件输入命令至十个或更多条件输入命令。每个条件输入命令可以与一个或更多个时间阈值相关联。例如，在存在两个条件输入命令的一些情况下，这两个条件输入命令可以与相同的时间阈值相关联。在该示例中，可以基于持续时间是达到/超过时间阈值还是未能达到时间阈值来选择输入命令。

作为另一个示例，三个条件输入命令可与以下时间阈值相关联：

命令1(例如，打开软件应用#1)：100ms≤持续时间<1000ms

命令2(例如，打开软件应用#2)：1000ms≤持续时间<2000ms

命令3(例如，打开软件应用#3)：2000ms≤持续时间

在一些实施例中，神经相关信号的强度的降低可由受试者唤起并保持想法(例如，任务相关想法或任务无关想法)引起。此外，神经相关信号的强度的增加可以由同一受试者在精神上释放想法引起。然后，可以将神经相关信号的强度降低的持续时间与受试者在精神上释放该想法之前保持该想法(例如，任务相关想法或任务无关想法)的时间量联系起来。

如前所述，想法可以是任务相关想法或任务无关想法。受试者可以唤起并保持任务相关想法，以便将输入命令18传输到设备，从而完成与任务相关想法相关联的任务的至少一部分。在一些实施例中，受试者保持任务相关想法的时间长度可以指示从多个条件输入命令中选择哪个输入命令，但是所有这样的条件输入命令可以旨在完成与任务相关想法相关联的任务的至少一部分。

受试者还可唤起并保持任务无关想法，以向设备传输输入命令，从而完成与任务无关想法无关的任务的至少一部分。在一些实施例中，受试者保持任务无关想法的时间长度可以决定从多个条件输入命令中选择哪个输入命令，但是所有这样的条件输入命令可以旨在完成与任务无关想法不相关的任务的至少一部分。

方法200还可包括附加或可选操作210，向受试者提供关于所选输入命令18的视觉反馈、听觉反馈、触觉反馈、神经刺激形式的反馈或其组合。该反馈可以通知受试者所选择输入命令18，且还向受试者提供通过选择不同的输入命令18或者取消所选择的输入命令18来纠正输入命令18的选项。

方法200还可包括在操作212中将选定的输入命令18传输到设备或软件。输入命令18可以在受试者确认所选择的输入命令18时或之后传输，或者输入命令18可以在没有接收到这种确认的情况下传输。

可以使用遥测单元22、主机设备16或其组合的一个或更多个处理器传输输入命令18。如前所述，输入命令18可以被传输到在外围或个人计算设备上运行的一个或更多个终端应用(例如，应用软件)，该外围或个人计算设备例如是膝上型电脑、台式电脑、智能手机或平板电脑。当输入命令18被传输到软件程序时，输入命令18可以经由一个或更多个软件应用编程接口(API)被传输。在这些和其他实施例中，输入命令18可以被传输到IoT设备、移动交通工具(例如电动轮椅)或其他类型的外围或个人计算设备，以控制这些设备或交通工具。此外，输入命令18还可以被传输到在这样的外围或个人计算设备或交通工具上运行的一个或更多个终端应用(例如，软件)。

当受试者产生并保持向前移动电动轮椅约2秒的想法时，受试者可以使用方法200或其变体控制受试者的电动轮椅。模块10可以检测受试者的神经相关信号的强度的降低持续约2秒。模块10然后可以在受试者释放向前移动电动轮椅的想法时检测受试者的神经相关信号的强度的后续增加(例如，β振荡反弹)。模块10然后可以基于大约2秒的持续时间从多个条件输入命令中选择输入命令18。在这种情况下，输入命令18可以是对电动轮椅的命令，以将电动轮椅向前移动两米。其他条件输入命令可以包括将电动轮椅向前移动一米(去同步持续时间为1秒或更短)或三米(去同步持续时间为3秒或更长)的命令。模块10然后可以将输入命令18传输到电动轮椅，以将电动轮椅向前移动两米。如本领域普通技术人员可以理解的，该方法可以扩展到覆盖任何数量的任务相关想法，并且覆盖在前面的示例中没有具体提到的其他设备、交通工具或软件的控制。

当受试者产生并保持与受试者的身体功能相关的想法(例如，收缩受试者的肌肉)约2秒时，受试者还可使用方法200或其变体来控制受试者的电动轮椅。与受试者的身体功能相关的想法可以被认为是任务无关想法，因为它与控制受试者的电动轮椅的任务无关。模块10可以检测受试者的神经相关信号的强度的降低持续约2秒。模块10然后可以基于大约2秒的持续时间从多个条件输入命令中选择输入命令18。在这种情况下，输入命令18可以是对电动轮椅的命令，以将电动轮椅向前移动两米。其他条件输入命令可以包括将电动轮椅向前移动一米(1秒或更短的去同步持续时间，例如，由受试者产生并保持收缩肌肉的想法1秒或更短时间引起)或三米(三秒或更长的去同步持续时间，例如，由受试者产生并保持收缩肌肉的想法3秒或更长时间引起)的命令。模块10然后可以将输入命令18传输到电动轮椅，以将电动轮椅向前移动两米。

如本领域普通技术人员可以理解的，该方法可扩展至涵盖任何数量的任务无关想法，并涵盖前述示例中未具体提及的其他设备、交通工具或软件的控制。

图11示出了模块10的系统或另一实施例，其包括神经接口14和至少一个运行各种软件层的设备300或装置，这些软件层被配置为处理和分类神经相关信号，并基于经处理和分类的数据选择输入命令18。在一些实施例中，设备300可以是遥测单元22、主机设备16或其组合中的任何一个。在这些和其他实施例中，设备300(例如，遥测单元22)可植入受试者体内，例如受试者的胸部区域或手臂内。

在其他实施例中，设备300可以指嵌入神经接口14内或与植入受试者大脑内的神经接口14耦合的处理单元或控制器。设备300的一个或更多个处理器可以被编程来执行构成各种软件层的软件指令。

如图11所示，软件层可以包括预处理层302、分类层304和时间点击逻辑层(temporal click logic layer)306。预处理层302、分类层304和时间点击逻辑层306可以是多层软件架构的一部分。

预处理层302可以包括多个软件滤波器，软件滤波器被配置为对从神经接口14获得的原始信号进行滤波和平滑。可以使用神经接口14(例如，植入受试者脑中的支架)的电极在选定的通道上连续监测受试者的神经相关信号。可以每100ms对神经相关信号进行采样，或原始信号的100ms“块(chunk)”或仓(bin)可以被传递到预处理层302进行处理和平滑。如前所述，被监测的神经相关信号可以是受试者的一个或更多个神经频带(例如，β带振荡、γ带振荡等)，神经相关信号的强度可以是这种神经频带的功率。

例如，与从神经接口14的三个独立通道获得的原始神经相关信号的100ms仓对应的数据可以首先传递至预处理层302。预处理层302然后可以应用：(1)阈值滤波器，用于执行基于阈值的断开和认可拒绝；(2)陷波滤波器，用于执行50Hz陷波滤波；(3)带通滤波器，用于执行4-30Hz巴特沃兹带通滤波；(4)小波伪像去除滤波器，用于执行基于小波的伪像拒绝；(5)多锥(multi-taper)频谱分解滤波器，用于执行多锥频谱分解；以及(6)矩形波(boxcar)平滑滤波器，用于执行时间矩形波平滑。经滤波的数据然后被馈送到分类层304。

分类层304包括机器学习分类器，其被配置为将所得数据段或仓分类为：去同步化事件或状态(也称为“按键向下(key-down)”分类事件)、反弹事件或状态(也称为“按键向上(key-up)”分类事件)、或休息事件或状态。机器学习分类器可以是预训练的分类器。

在一些实施例中，机器学习分类器可利用监督学习模型，如支持向量机(SVM)。作为更具体的示例，机器学习分类器可以是预训练的SVM。在其他实施例中，机器学习分类器可以是高斯混合模型分类器、朴素贝叶斯分类器或另一种机器学习分类器。

然后，可以将分类的事件或状态馈送给时间点击逻辑层306，以基于作为时间点击逻辑层306的一部分存储的事件/状态和条件或阈值的数量选择输入命令18。例如，当时间点击逻辑层306检测到在三至九个连续的去同步事件之后有反弹事件时，时间点击逻辑层306可以选择一个输入命令来打开第一软件应用(例如，受试者的

应用)。可替换地，当时间点击逻辑层306检测到十个或更多个连续的去同步事件之后是反弹事件时，时间点击逻辑层306可以选择另一输入命令来打开第二软件应用(例如，受试者的

应用)。

图12A示出了受试者在短的持续时间内保持想法的示例谱图400。该想法可以是任务相关想法(例如，按下鼠标光标来选择软件应用)或者任务无关想法(例如，收缩受试者的绳肌腱)。在这个示例中，神经相关信号可以是受试者的β带神经振荡。如图12A所示，当受试者唤起并保持该想法时，受试者的β带神经振荡的功率可以降低到低于基线β带功率水平。

只要受试者保持该想法，分类层304(见图11)就会将β带神经振荡分类为处于去同步状态。更具体地，只要受试者保持这种想法，分类层304就会将β带信号的时间片段(例如，100ms“仓”)分类为连续的去同步事件。当受试者保持一个想法大约400ms时，这大致相当于四个连续的去同步化事件，其中每个去同步化事件被设置为大约100ms。

图12A还显示，在受试者在精神上释放想法时，受试者的β带神经振荡的功率可以增加至超过基线β带功率水平。当这种释放发生时，分类层304将把β带信号的这一时间片段分类为反弹事件。

一旦时间点击逻辑层306检测到反弹事件，将对反弹事件之前的连续去同步事件的数量进行计数，并将该总数与特定条件输入命令相关的一个或更多个时间阈值进行比较。

在该示例中，四个连续去同步事件(对应于受试者保持想法约400ms)落在三个连续去同步事件(约300ms)和九个连续去同步事件(约900ms)之间的短持续时间范围内。结果，可以选择与该短持续时间范围相关联的第一输入命令。第一输入命令可以是打开在与模块10通信的设备上运行的第一软件应用例如受试者的

应用的命令。如图12A所示，在检测到反弹事件之后，可以立即将输入命令传输到设备。

图12B示出了受试者在较长的持续时间内保持想法的另一示例谱图402。如图12B所示，受试者可以保持这种想法(例如，任务相关想法或任务无关想法)大约1000ms或1秒。类似于图12A，当受试者唤起并保持想法时，受试者的β带神经振荡的功率可以降低到低于基线β带功率水平。如图12B所示，保持该想法大约1000ms大致相当于十个连续的去同步化事件，其中每个去同步化事件被设置为大约100ms。

在受试者在精神上释放想法，受试者的β带神经振荡的功率可以增加到超过基线β带功率水平。当这种释放发生时，分类层304将把β带信号的这一时间片段分类为反弹事件。

在该示例中，十个连续去同步事件(对应于受试者保持想法约1000ms)落在十个或更多连续去同步事件(x≥1000ms)的长持续时间范围内。结果，可以选择与该长持续时间范围相关联的第二输入命令。第二输入命令可以是打开在与模块10通信的设备上运行的第二软件应用例如受试者的

应用的命令。如图12B所示，在检测到反弹事件之后，可以立即将输入命令传输到设备。

尽管在前述示例中讨论了连续去同步事件，但本公开设想了，对于除β带频率之外的神经频带，除去同步事件之外的连续事件(例如，神经相关信号的强度的增加)也可用于选择输入命令。

图13示出了使用检测到的受试者的神经相关信号变化来控制设备(例如，个人电子设备、IoT设备、移动交通工具等)、软件应用(例如，终端应用12)或其组合的另一种方法500。方法500可以包括在操作502中检测受试者的神经相关信号的第一变化。方法500还可以包括在操作504中检测受试者的神经相关信号在第一变化之后的第二变化。

在一个实施例中，神经相关信号的第一变化可以是神经相关信号的强度降低到低于基线信号水平，而神经相关信号的第二变化可以是神经相关信号的强度增加至超过基线信号水平。例如，神经相关信号的第一变化可以是受试者的神经振荡的功率的降低，而神经相关信号的第二变化可以是神经振荡的功率的增加。

在该实施例中，当受试者产生并保持一种想法(如任务相关想法或任务无关想法)时，可产生神经相关信号的第一变化。当受试者在精神上释放想法时，可以产生神经相关信号的第二变化。

在替代实施例中，神经相关信号的第一变化可以是神经相关信号的强度增加到高于基线信号水平，而神经相关信号的第二变化可以是神经相关信号的强度减少或降低到低于基线信号水平。例如，神经相关信号的第一变化可以是受试者的神经振荡的功率的增加，而神经相关信号的第二变化可以是神经振荡的功率的减少或降低。更具体地，神经相关信号的第一变化可以是γ带振荡的功率增加至超过基线γ带功率水平，而神经相关信号的第二变化可以是γ带振荡的功率降低到低于基线γ带功率水平。在该实施例中，当受试者产生并保持诸如任务相关想法或任务无关想法的想法时，可以产生神经相关信号的第一变化(即，γ带振荡的功率增加)。当受试者在精神上释放想法时，可以产生神经相关信号的第二变化(即，γ带振荡的功率降低)。

在另一实施例中，神经相关信号的第一变化可以是受试者精神释放第一想法(例如，任务相关想法或任务无关想法)导致的受试者神经相关信号的强度的增加。在该实施例中，神经相关信号的第二变化可以是由受试者产生并保持第二或后续想法(例如，另一个任务相关想法或任务无关想法)导致的神经相关信号的强度降低到低于基线信号水平。第一想法、第二想法或其组合可以是与受试者的身体功能相关的想法，例如受试者的肌肉群的控制。输入命令18可以在受试者产生第二想法时或之后传输。

可以使用神经接口14(例如，通过植入脑部的血管内设备的电极)和遥测单元22、主机设备16或其组合的一个或更多个处理器来检测强度变化。

方法500可进一步包括在操作506中确定神经相关信号的第一变化的持续时间。例如，当神经相关信号是受试者的神经振荡时，操作506可以包括确定神经振荡的功率变化的持续时间。

在一些实施例中，可以通过计算神经相关信号中第一变化开始和第二变化开始之间的经过时间来确定第一变化的持续时间。例如，当受试者保持想法(例如，任务相关想法或任务无关想法)更长时间时，持续时间可以延长。

在其他实施例中，可以通过将受试者的神经相关信号的样本或时间片段馈送至机器学习分类器(例如，图11的机器学习分类器308)来确定第一变化的持续时间，且机器学习分类器可将信号样本或信号仓分类为处于若干预定义状态(例如，去同步化状态、反弹状态或休息状态)之一。

方法500还可包括在操作508中基于持续时间从多个条件输入命令中选择输入命令18。从多个条件输入命令中选择输入命令18可以进一步包括将持续时间与和条件输入命令相关联的一个或更多个时间阈值进行比较，并且基于持续时间是超过还是未能达到一个或更多个时间阈值来选择输入命令18。

方法500还可包括可选操作510，向受试者提供关于所选输入命令18的视觉反馈、听觉反馈、触觉反馈、神经刺激形式的反馈或其组合。例如，提供视觉反馈、听觉反馈、触觉反馈、神经刺激反馈或其组合可以允许受试者有机会确认所选择的输入命令18。在其他实施例中，可以在将输入命令18传输到设备或软件之后提供反馈，以通知受试者输入命令18已经被传输或者正在被传输或执行的过程中。

方法500可进一步包括在操作512中将选定的输入命令18传输至设备或软件。在一些实施例中，输入命令18可以在检测到受试者的神经相关信号的第二变化后不久被传输。

可以使用遥测单元22、主机设备16或其组合的一个或更多个处理器传输输入命令18。如前所述，输入命令18可以被传输到在外围或个人计算设备上运行的一个或更多个终端应用(例如，应用软件)，该外围或个人计算设备例如是膝上型电脑、台式电脑、智能手机或平板电脑。当输入命令18被传输到软件程序时，输入命令18可以经由一个或更多个软件应用编程接口(API)被传输。在这些和其他实施例中，输入命令18可以被传输到IoT设备、移动交通工具(例如电动轮椅)或其他类型的外围或个人计算设备，以控制这些设备或交通工具。此外，输入命令18还可以被传输到在这样的外围或个人计算设备或交通工具上运行的一个或更多个终端应用(例如，软件)。

申请人面临的一个技术问题是，如何允许行动障碍患者(包括行动严重受限的患者，如闭锁综合征患者)控制设备或软件应用，而此类患者可能只能控制其想法和/或某些肌肉群。申请人发现的一个解决方案是检测受试者的神经相关信号(例如，神经振荡或脑电波)的强度低于基线水平的第一变化(例如，降低)，并且检测神经相关信号的强度在第一变化之后超过基线水平的第二变化(例如，增加)，并且在检测到神经相关信号的第二变化时或之后将输入命令传输到设备。这些变化可以使用植入受试者大脑内的神经接口来检测。这可以允许受试者通过产生想法(例如，任务相关想法或任务无关想法)并在精神上释放该想法来控制设备或软件应用。

申请人面临的另一个技术问题是，当需要可靠且可重复的信号来实现此类控制时，应监测受试者的众多神经相关信号中的哪一个。申请人发现的一种解决方案是使用受试者的神经振荡，包括在β带(约12Hz至30Hz)、γ频率范围或γ带(约30Hz至140Hz，更具体地说，60Hz至80Hz)、α频率范围或α带(约7Hz至12Hz)、δ频率范围或δ带(约0.1Hz至3Hz)、θ频率范围或θ带(约4Hz至7Hz)、或其组合中的神经振荡。此外，神经相关信号还可以包括μ带(约7.5Hz至12.5Hz)、感觉运动节律(SMR)带(约12.5Hz至15.5Hz)或其组合中的神经振荡。

申请人面临的另一个技术问题是，如何允许行动障碍患者(包括行动严重受限的患者，如闭锁综合征患者)快速且准确地控制多个设备或软件应用。申请人发现的一种解决方案是基于受试者的神经相关信号变化(例如，神经相关信号的强度降低)的持续时间从多个条件输入命令中选择输入命令。例如，可以通过使用机器学习分类器对神经相关事件(例如去同步事件或反弹事件)进行分类，并将这种事件的数量与和条件输入命令相关的预定阈值进行比较，来计算神经相关信号的变化的持续时间。这可以允许受试者通过保持想法(例如，任务相关想法或任务无关想法)一段时间并在达到阈值持续时间时在精神上释放该想法来在不同的命令中进行选择。

图14示出了当受试者唤起、保持并随后释放关于受试者左脚踝和右脚踝移动的想法时，β带(例如，12Hz至30Hz)和γ带(例如，60Hz至80Hz)频率的功率变化。如图14所示，当受试者产生并保持想法时，受试者在β带中的神经振荡的功率或强度会降低，并且随后当受试者释放想法时会增加。图14还示出了当受试者产生并保持想法时，受试者在γ带中的神经振荡的功率或强度可以增加，并且随后当受试者释放想法时降低。例如，想法可以与受试者试图移动受试者的左脚踝和右脚踝相关。

已经描述了若干实施例。不过，本领域普通技术人员将会理解，在不偏离实施例的精神和范围的情况下，可以对本公开进行各种改变和修改。用任何实施例示出的系统、设备、装置和方法的元素对于特定实施例来说是示例性的，并且可以在本公开内的其他实施例上被组合使用或以其他方式使用。例如，在图中描绘的或在本公开中描述的任何方法的步骤不需要所示出或描述的特定顺序或连续的顺序来实现期望的结果。此外，可以提供其他步骤操作，或者可以从描述的方法或过程中消除或省略步骤或操作以实现期望的结果。此外，可以移除、消除或省略在本公开中描述的或在图中描绘的任何装置或系统的任何部件或零件，以实现期望的结果。此外，为了简明和清楚起见，本文示出或描述的系统、设备或装置的某些部件或零件被省略。

因此，其他实施例在随附的权利要求的范围内，并且说明书和/或附图可以被视为说明性的而不是限制性的。

本文描述和示出的各个变型或实施例中的每一个具有可容易地与任何其他变型或实施例的特征分离或组合的分立部件和特征。可以进行修改来使具体的情况、材料、物质的组成、过程、过程的行动或步骤适应于本发明的目标、精神或范围。

本文列举的方法可以以逻辑上可能的所列举的事件的任何顺序以及以事件的列举顺序来实施。此外，可以提供附加的步骤或操作或者可以消除步骤或操作以实现期望的结果。

此外，在提供值的范围的情况下，在该范围的上限与下限之间的每一个中间值以及在该规定的范围中的任何其他规定的值或中间值被包括在本发明内。此外，所描述的本发明的变型的任何可选特征可独立地或与本文所描述的特征中的任一个或更多个特征组合地被阐述和主张。例如，从1到5的范围的描述应被认为具有公开的子范围(例如从1至3、从1至4、从2至4、从2至5、从3至5等)以及在该范围内的单独的数字(例如1.5、2.5等)和其间的任何全部或部分增量。

本文提及的所有现有主题(例如，出版物、专利、专利申请)都通过引用以其整体被并入本文，除非该主题可能与本发明的主题相冲突(在这种情况下，以本文展示的内容为准)。提供所引用的项目仅是针对它们在本申请的提交日期之前的公开。本文中的任何内容都不应被解释为承认本发明无权凭借先前的发明而先于这样的材料。

对单数个项目的引用包括存在复数个相同项目的可能性。更具体地说，除非上下文另外明确规定，否则如在本文和所附权利要求中使用的单数形式“一(a)”、“一(an)”、“所述”和“该”包括复数的指示对象。还要注意，权利要求可被起草为排除任何任选的要素。因此，此声明意图作为与引用权利要求要素有关地使用此类排他的术语诸如“唯一地(solely)”、“仅仅(only)”等等或使用“负面”限制的先行基础。除非另有定义，否则本文中使用的所有技术和科学术语具有与本发明所属领域中的普通技术人员通常理解的相同含义。

当短语“……中的至少一个”修饰多个项目或部件(或项目或部件的列举列表)时，对该短语的提及是指一个或更多个这些项目或部件的任何组合。例如，短语“A、B和C中的至少一个”表示(i)A；(ii)B；(iii)C；(iv)A、B和C；(v)A和B；(vi)B和C；或(vii)A和C。

在理解本公开的范围时，本文使用的术语“包括(comprising)”及其衍生物旨在是开放式术语，其指定所述特征、元素、部件、组、整数和/或步骤的存在，但不排除其他未说明的特征、元素、部件、组、整数和/或步骤的存在。上述情况也适用于具有类似含义的词，诸如术语“包括(including)”、“具有”及其衍生词。此外，术语“零件”、“段”、“部分”、“构件”、“元件”或“部件”在以单数形式使用时可以具有单个零件或多个零件的双重含义。如本文所使用的，以下方向术语“向前、向后、上方、向下、垂直、水平、下方、横向、侧向地和垂直地”以及任何其他类似的方向术语是指设备或装备件的那些位置或设备或装备件被平移或移动的那些方向。

最后，本文所用的程度术语如“基本上”、“大约”和“近似”是指指定值或指定值以及与指定值的合理偏差量(例如，最高达±0.1％、±1％、±5％或±10％的偏差，因为这种变化是适当的)，使得最终结果不会显著或实质性改变。例如，“大约1.0cm”可以解释为表示“1.0cm”或在“0.9cm和1.1cm之间”。当诸如“大约”或“近似”的程度术语用于指代作为范围一部分的数字或值时，该术语可用于修饰最小和最大数字或值。

本公开并不旨在限于所阐述的特定形式的范围，而是旨在覆盖本文描述的变型或实施例的替代方案、修改和等同物。此外，本公开的范围完全包括，根据本公开对于本领域技术人员来说可能变得显而易见的其他变型或实施例。

Claims (102)

1.一种控制设备的方法，包括：

检测受试者的神经相关信号的强度降低到低于测量到的基线水平；

检测所述神经相关信号的强度在所述降低后增加至超过所述基线水平；和

在检测到所述神经相关信号的强度增加时或之后，将输入命令传输到所述设备。

2.根据权利要求1所述的方法，其中所述受试者的神经相关信号是所述受试者的神经振荡。

3.根据权利要求2所述的方法，其中检测所述神经相关信号的强度的降低包括检测所述神经振荡的功率降低到低于基线振荡功率水平。

4.根据权利要求2所述的方法，其中检测所述神经相关信号的强度的增加包括检测所述神经振荡的功率增加至超过基线振荡功率水平。

5.根据权利要求2所述的方法，其中所述神经振荡包括在一个或更多个频带的振荡。

6.根据权利要求5所述的方法，其中所述神经振荡包括频率在约12Hz至30Hz之间的β带振荡。

7.根据权利要求1所述的方法，其中使用植入所述受试者体内的血管内设备来测量或监测所述神经相关信号，并且其中使用一个或更多个处理器来执行检测所述神经相关信号的强度的降低或增加以及传输所述输入命令的步骤。

8.根据权利要求7所述的方法，其中所述血管内设备植入所述受试者的大脑内。

9.根据权利要求7所述的方法，其中使用植入所述受试者体内的血管内设备的电极测量或监测所述神经相关信号。

10.根据权利要求7所述的方法，其中所述一个或更多个处理器是位于所述受试者体外的装置的一个或更多个处理器。

11.根据权利要求7所述的方法，其中所述一个或更多个处理器是植入所述受试者体内的装置的一个或更多个处理器。

12.根据权利要求7所述的方法，还包括使用所述一个或更多个处理器，使用一个或更多个软件滤波器来对从所述血管内设备获得的原始神经相关信号进行滤波。

13.根据权利要求12所述的方法，还包括将滤波后的信号馈送到分类层中，以使用机器学习分类器自动检测所述神经相关信号的强度的降低和增加。

14.根据权利要求1所述的方法，还包括向所述受试者提供关于所述输入命令的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

15.根据权利要求1所述的方法，其中传输所述输入命令包括将所述输入命令传输到在所述设备上运行的一个或更多个终端应用。

16.根据权利要求1所述的方法，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务相关想法引起的，其中，所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务相关想法引起的，并且其中，所述输入命令是对所述设备的命令，以完成与所述任务相关想法相关联的任务的至少一部分。

17.根据权利要求1所述的方法，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务无关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务无关想法引起的，并且其中所述输入命令是对所述设备的命令，以完成与所述任务无关想法无关的任务的至少一部分。

18.根据权利要求17所述的方法，其中所述任务无关想法是与所述受试者的身体功能相关的想法。

19.根据权利要求1所述的方法，其中所述神经相关信号的强度降低至低于测量到的基线水平是所述神经相关信号的去同步化，并且其中所述神经相关信号的强度增加至超过测量到的基线水平是所述神经相关信号的反弹。

20.根据权利要求1所述的方法，其中所述设备是个人计算设备、物联网(IoT)设备和移动交通工具中的至少一个。

21.一种控制设备的方法，包括：

检测受试者的神经相关信号的强度降低到低于测量到的基线水平；

检测所述神经相关信号的强度在所述降低后增加至超过所述基线水平；

确定所述神经相关信号的强度的所述降低的持续时间；

基于所述持续时间从多个条件输入命令中选择输入命令；和

将所选择的输入命令传输到所述设备。

22.根据权利要求21所述的方法，其中基于所述持续时间选择所述输入命令包括：

将所述持续时间与和所述条件输入命令相关联的一个或更多个时间阈值进行比较；和

基于所述持续时间是超过还是未能达到所述一个或更多个时间阈值，来从所述多个条件输入命令中选择所述输入命令。

23.根据权利要求21所述的方法，其中所述受试者的神经相关信号是所述受试者的神经振荡。

24.根据权利要求21所述的方法，其中检测所述神经相关信号的强度的降低包括检测所述神经振荡的功率降低至低于基线振荡功率水平。

25.根据权利要求21所述的方法，其中检测所述神经相关信号的强度的增加包括检测所述神经振荡的功率增加至超过基线振荡功率水平。

26.根据权利要求23所述的方法，其中所述神经振荡包括在一个或更多个频带的振荡。

27.根据权利要求26所述的方法，其中所述神经振荡包括频率在约12Hz至30Hz之间的β带振荡。

28.根据权利要求21所述的方法，其中使用植入所述受试者体内的血管内设备测量或监测所述神经相关信号，并且其中使用一个或更多个处理器执行检测所述神经相关信号的强度的降低或增加、确定所述神经相关信号的强度降低的持续时间、选择所述输入命令和传输所述输入命令的步骤。

29.根据权利要求28所述的方法，其中所述血管内设备植入所述受试者的大脑内。

30.根据权利要求28所述的方法，其中使用植入所述受试者体内的血管内设备的电极来测量或监测所述神经相关信号。

31.根据权利要求28所述的方法，其中所述一个或更多个处理器是位于所述受试者体外的装置的一个或更多个处理器。

32.根据权利要求28所述的方法，其中所述一个或更多个处理器是植入所述受试者体内的装置的一个或更多个处理器。

33.根据权利要求28所述的方法，还包括使用所述一个或更多个处理器，使用一个或更多个软件滤波器来对从所述血管内设备获得的原始神经相关信号进行滤波。

34.根据权利要求33所述的方法，还包括将滤波后的信号馈送到分类层中，以使用机器学习分类器自动检测所述神经相关信号的强度的降低和增加。

35.根据权利要求21所述的方法，还包括在向所述设备传输所述输入命令之前，向所述受试者提供关于所选择的输入命令的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

36.根据权利要求21所述的方法，其中传输所述输入命令包括将所述输入命令传输到在所述设备上运行的一个或更多个终端应用。

37.根据权利要求21所述的方法，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务相关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务相关想法引起的，其中所述神经相关信号的强度的降低的持续时间是所述受试者保持所述任务相关想法的时间量，并且其中所述输入命令是对所述设备的命令，以完成与所述任务相关想法相关联的任务的至少一部分。

38.根据权利要求21所述的方法，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务无关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务无关想法引起的，其中所述神经相关信号的强度降低的持续时间是所述受试者保持所述任务无关想法的时间量，并且其中所述输入命令是对所述设备的命令，以完成与所述任务无关想法无关的任务的至少一部分。

39.根据权利要求38所述的方法，其中所述任务无关想法是与所述受试者的身体功能相关的想法。

40.根据权利要求21所述的方法，其中所述神经相关信号的强度降低至低于测量到的基线水平是所述神经相关信号的去同步化，并且其中所述神经相关信号的强度增加至超过测量到的基线水平是所述神经相关信号的反弹。

41.一种控制设备的方法，所述方法包括：

检测受试者的神经相关信号的第一变化；

检测所述神经相关信号的第二变化；和

在检测到所述神经相关信号的第二变化时或之后，将输入命令传输到所述设备。

42.根据权利要求41所述的方法，还包括确定所述神经相关信号的第一变化的持续时间，并使用所述持续时间来从多个条件输入命令中基于所述持续时间选择所述输入命令。

43.根据权利要求41所述的方法，其中所述第一变化是所述神经相关信号的强度降低至低于基线信号水平。

44.根据权利要求43所述的方法，其中所述第二变化是所述神经相关信号的强度的增加至超过所述基线信号水平。

45.根据权利要求41所述的方法，其中所述第一变化是所述神经相关信号的强度增加至超过基线信号水平，并且其中所述神经相关信号是所述受试者的神经振荡，并且其中所述神经振荡是频率在约30Hz至140Hz之间的γ带振荡。

46.根据权利要求45所述的方法，其中所述第二变化是所述神经相关信号的强度降低至低于所述基线信号水平。

47.根据权利要求41所述的方法，其中当所述受试者产生并保持一种想法时，产生所述第一变化。

48.根据权利要求47所述的方法，其中当所述受试者在精神上释放所述想法时，产生所述第二变化。

49.根据权利要求38所述的方法，其中当所述受试者在精神上释放第一想法时，产生所述第一变化。

50.根据权利要求46所述的方法，其中当所述受试者产生并保持第二想法时，产生所述第二变化。

51.一种用于控制设备的系统，包括：

血管内设备，其被配置为测量或监测受试者的神经相关信号；和

包括一个或更多个处理器的装置，其中所述一个或更多个处理器被编程为：

检测受试者的神经相关信号的强度降低到低于测量到的基线水平，

检测所述神经相关信号的强度在所述降低后增加至超过所述基线水平，和

在检测到所述神经相关信号的强度增加时或之后，将输入命令传输到所述设备。

52.根据权利要求51所述的系统，其中所述受试者的神经相关信号是所述受试者的神经振荡。

53.根据权利要求52所述的系统，其中所述一个或更多个处理器被编程为通过检测所述神经振荡的功率降低至低于基线振荡功率水平来检测所述神经相关信号的强度的降低。

54.根据权利要求52所述的系统，其中所述一个或更多个处理器被编程为通过检测所述神经振荡的功率增加至超过基线振荡功率水平来检测所述神经相关信号的强度的增加。

55.根据权利要求52所述的系统，其中所述神经振荡包括一个或更多个频带的振荡。

56.根据权利要求55所述的系统，其中所述神经振荡包括频率在约12Hz至30Hz之间的β带振荡。

57.根据权利要求51所述的系统，其中所述血管内设备被配置为植入所述受试者的大脑内。

58.根据权利要求51所述的系统，其中所述血管内设备被配置成植入所述受试者的静脉或窦内。

59.根据权利要求51所述的系统，其中使用植入所述受试者体内的血管内设备的电极来测量或监测所述神经相关信号。

60.根据权利要求51所述的系统，其中所述装置被配置为位于所述受试者的体外。

61.根据权利要求51所述的系统，其中所述装置被配置为植入所述受试者体内。

62.根据权利要求51所述的系统，其中所述一个或更多个处理器还被编程为使用一个或更多个软件滤波器对从所述血管内设备获得的原始神经相关信号进行滤波。

63.根据权利要求62所述的系统，其中所述一个或更多个处理器还被编程为将滤波后的信号馈送到分类层中，以使用机器学习分类器自动检测所述神经相关信号的强度的降低和增加。

64.根据权利要求51所述的系统，其中所述一个或更多个处理器还被编程为经由所述血管内设备向所述受试者提供关于所述输入命令的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种。

65.根据权利要求51所述的系统，其中所述一个或更多个处理器还被编程为将所述输入命令传输到在所述设备上运行的一个或更多个终端应用。

66.根据权利要求51所述的系统，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务相关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务相关想法引起的，并且其中所述输入命令是对所述设备的命令，以完成与所述任务相关想法相关的任务的至少一部分。

67.根据权利要求51所述的系统，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务无关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务无关想法引起的，并且其中所述输入命令是对所述设备的命令，以完成与所述任务无关想法无关的任务的至少一部分。

68.根据权利要求67所述的系统，其中所述任务无关想法是与所述受试者的身体功能相关的想法。

69.根据权利要求51所述的系统，其中所述神经相关信号的强度降低至低于测量到的基线水平是所述神经相关信号的去同步化，并且其中所述神经相关信号的强度增加至超过测量到的基线水平是所述神经相关信号的反弹。

70.根据权利要求51所述的系统，其中所述设备是个人计算设备、物联网(IoT)设备和移动交通工具中的至少一个。

71.一种用于控制设备的系统，包括：

血管内设备，其被配置为测量或监测受试者的神经相关信号；和

包括一个或更多个处理器的装置，其中所述一个或更多个处理器被编程为：

检测受试者的神经相关信号的强度降低到低于测量到的基线水平，

检测所述神经相关信号的强度在所述降低后增加至超过所述基线水平，

确定所述神经相关信号的强度降低的持续时间，

基于所述持续时间从多个条件输入命令中选择输入命令，以及

将选择的输入命令传输到所述设备。

72.根据权利要求71所述的系统，其中所述一个或更多个处理器还被编程为：

将所述持续时间与和所述条件输入命令相关联的一个或更多个时间阈值进行比较；和

基于所述持续时间是超过还是未能达到所述一个或更多个时间阈值，从所述多个条件输入命令中选择所述输入命令。

73.根据权利要求71所述的系统，其中所述受试者的神经相关信号是所述受试者的神经振荡。

74.根据权利要求71所述的系统，其中所述一个或更多个处理器被编程为检测所述神经振荡的功率降低到低于基线振荡功率水平。

75.根据权利要求71所述的系统，其中所述一个或更多个处理器被编程为检测所述神经振荡的功率增加至超过基线振荡功率水平。

76.根据权利要求73所述的系统，其中所述神经振荡包括一个或更多个频带的振荡。

77.根据权利要求76所述的系统，其中所述神经振荡包括频率在约12Hz至30Hz之间的β带振荡。

78.根据权利要求71所述的系统，其中所述血管内设备被配置为植入所述受试者的大脑内。

79.根据权利要求71所述的系统，其中所述血管内设备被配置成植入所述受试者的静脉或窦内。

80.根据权利要求71所述的系统，其中使用植入所述受试者体内的血管内设备的电极来测量或监测所述神经相关信号。

81.根据权利要求71所述的系统，其中所述装置被配置为位于所述受试者的体外。

82.根据权利要求71所述的系统，其中所述装置被配置为植入所述受试者体内。

83.根据权利要求71所述的系统，其中所述一个或更多个处理器还被编程为使用一个或更多个软件滤波器对从所述血管内设备获得的原始神经相关信号进行滤波。

84.根据权利要求83所述的系统，其中所述一个或更多个处理器还被编程为将滤波后的信号馈送到分类层中，以使用机器学习分类器自动检测所述神经相关信号的强度的降低和增加。

85.根据权利要求71所述的系统，其中所述一个或更多个处理器还被编程为经由所述血管内设备向所述受试者提供关于所述输入命令的视觉反馈、听觉反馈、触觉反馈和神经刺激形式的反馈中的至少一种反馈。

86.根据权利要求71所述的系统，其中所述一个或更多个处理器还被编程为将所述输入命令传输到在所述设备上运行的一个或更多个终端应用。

87.根据权利要求71所述的系统，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务相关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务相关想法引起的，其中所述神经相关信号的强度的降低的持续时间是所述受试者保持所述任务相关想法的时间量，并且其中所述输入命令是对所述设备的命令，以完成与所述任务相关想法相关联的任务的至少一部分。

88.根据权利要求71所述的系统，其中所述神经相关信号的强度的降低是由所述受试者唤起并保持任务无关想法引起的，其中所述神经相关信号的强度的增加是由所述受试者在精神上释放所述任务无关想法引起的，其中所述神经相关信号的强度降低的持续时间是受试者保持所述任务无关想法的时间量，并且其中所述输入命令是对所述设备的命令，以完成与所述任务无关想法无关的任务的至少一部分。

89.根据权利要求88所述的系统，其中所述任务无关想法是与所述受试者的身体功能相关的想法。

90.根据权利要求71所述的系统，其中所述神经相关信号的强度降低至低于测量到的基线水平是所述神经相关信号的去同步化，并且其中所述神经相关信号的强度增加至超过测量到的基线水平是所述神经相关信号的反弹。

91.一种用于控制设备的系统，包括：

血管内设备，其被配置为测量或监测受试者的神经相关信号；和

包括一个或更多个处理器的装置，其中所述一个或更多个处理器被编程为：

检测所述受试者的神经相关信号的第一变化；

检测所述神经相关信号的第二变化；和

在检测到所述神经相关信号的第二变化时或之后，将输入命令传输到所述设备。

92.根据权利要求91所述的系统，其中所述一个或更多个处理器还被编程为确定所述神经相关信号的第一变化的持续时间，并使用所述持续时间来从多个条件输入命令中基于所述持续时间选择所述输入命令。

93.根据权利要求91所述的系统，其中所述第一变化是所述神经相关信号的强度降低至低于基线信号水平。

94.根据权利要求93所述的系统，其中所述第二变化是所述神经相关信号的强度增加至超过所述基线信号水平。

95.根据权利要求94所述的系统，其中所述神经相关信号是所述受试者的神经振荡，并且其中所述神经振荡是频率在约12Hz至30Hz之间的β带振荡。

96.根据权利要求91所述的系统，其中所述第一变化是所述神经相关信号的强度增加至超过基线信号水平。

97.根据权利要求96所述的系统，其中所述第二变化是所述神经相关信号的强度降低至低于所述基线信号水平。

98.根据权利要求97所述的系统，其中所述神经相关信号是所述受试者的神经振荡，并且其中所述神经振荡是频率在约30Hz至140Hz之间的γ带振荡。

99.根据权利要求91所述的系统，其中当所述受试者产生并保持一种想法时，产生所述第一变化。

100.根据权利要求99所述的系统，其中当所述受试者在精神上释放所述想法时，产生所述第二变化。

101.根据权利要求91所述的系统，其中当所述受试者在精神上释放第一想法时，产生所述第一变化。

102.根据权利要求101所述的系统，其中当所述受试者产生并保持第二想法时，产生所述第二变化。

Images