摘要
随着脑-机接口(Brain-ComputerInterface,BCI)技术的不断发展，相关的应用及研究日益广泛。在应用方面，脑-机接口应用从最初以残疾人为主体，逐渐转变为向大众提供服务，使其使用对象从单体变为群体。在研究领域，越来越多的脑-机接口项目需要大量人员的参与和大规模的计算，使得脑-机接口系统愈发庞大。 面对新兴的脑-机接口应用需求，现有脑-机接口框架出现了明显的不足。在数据管理方面，现有框架缺乏对数据规范化存储和管理的能力。在计算架构方面，现有框架缺乏灵活性，无法满足不同场景下的计算需求，且难以支持大规模的计算。在实用性方面，基于现有框架开发的脑-机接口系统大多数难以直接应用于实际场景。为解决上述问题，本研究设计并开发了一种面向群体大规模应用的多层次脑-机接口平台SideBrainV2.0。 为解决数据规范化存储和管理的问题，设计了数据持久化系统:NeuroStore。结合了BIDS和COBIDASMEEG规范，提出了具有5种话题的数据模型，并定义了一种实体-联系模型，使得系统能够有效应对多种类型的数据存储需求。NeuroStore基于流数据消息队列和云原生技术设计，具有灵活的分布式框架，从而能更好地适应高并发的场景。NeuroStore作为核心支撑平台，为“2022世界机器人大赛-BCI脑控机器人大赛”提供高效的数据存储与管理服务。 为实现大规模应用中的计算框架，设计了基于分布式的多层次脑机接口平台，并进行了大规模部署，基于虚拟化技术、心跳机制、发布订阅模式解决了硬件资源管理和软件节点调度的问题。平台提供了多个基础组件，包括云平台管理组件、子系统控制器、日志管理组件和通信模块。同时，为平台开发者提供了开发框架。 本研究提出了基于SideBrainV2.0构建脑-机接口系统的实施方案，并提供了基于SideBrainV2.0设计和开发的两个应用实例:“基于RSVP范式和协同脑-机接口的图片识别系统”和“数据存储和成绩展示系统”。通过实验验证了SideBrainV2.0的实用性，并为类似领域的研究和实践提供参考。综上所述，所设计的平台能够对脑-机接口应用中的多模态数据进行高效地存储和查询，并支持大规模应用的快速开发和部署，具有极高的实用价值。
NETL