脑机接口技术的专利分析

国家知识产权局专利局专利审查协作四川中心 吴琼乐

脑机接口是一种涉及多学科多领域的新颖人机交互技术，本文基于Incopat专利库，对脑机接口技术的专利进行申请趋势、技术生命周期、申请人排名、IPC申请趋势、申请人国别等进行分析及总结，可以为脑机接口领域的技术发展动态提供一定的情报参考。

脑机接口(BCI)技术是一种全新颠覆性的人机交互技术[1-3]。BCI由美国加州大学Jacques Vidal教授于1973年提出。1999年，第1届国际BCI大会正式给出BCI定义：通过分析人或动物的脑电信号而建立起来的交互系统[4，6]。近年来，医学和电子信息的蓬勃发展，推动着BCI技术的深入研究，逐渐应用于医学、电子信息和军事等众多领域，从而引发新一轮产业的热潮。

专利信息在某种程度上可以反映出某种技术领域的发展现状、技术成熟度以及未来发展趋势[7]。基于脑机接口技术的专利信息，本文研究该领域的发展趋势和技术动向。

1 数据来源与分析工具

BCI交互是直接利用脑电(electroencepha logram，EEG)信号向计算机输入字符，使用者在大脑中执行想输入的字符，同时采集EEG信号，接着对EEG信号进行处理获得输出指令并显示输入字符，通过神经反馈将显示字符展示给使用者，判断是否为想输出的字符，进而不断调整和改进[8]。该技术已经促使包括数学、物理、计算机、医学等多领域的交叉融合[9-10]。

本文以Incopat专利数据库为来源。通过调研关键词在检索测试的结果，提炼出相应中英文关键词。使用检索式“TIABC=((((脑机OR脑-机)(S)(接口OR交互))OR((brain OR neural OR mind) (S) (computer OR machine)(S) interface) OR (neural (S)control(S) Interface) OR (direct(S) neural (S) Interface)))，初步检索到相关专利数据6671条，接着剔除不符合研究范畴的文献，使用DocDB同族合并，最终确定4424个专利家族。

2 专利数据分析

2.1 全球申请趋势分析

通过分析不同年份的专利申请量，获得专利申请趋势，可以掌握某种技术在不同时期的专利申请变化情况。除特殊情况，专利数据从申请日到公布日，最长存在18个月的滞后期，2021—2022年数据仅供参考。

根据图1可知，2006年前，脑机接口技术处于萌芽状态，每年的专利申请量不到40件；2007-2012年，脑机接口技术申请量逐年增加，从41件增加到168件，处于缓慢增长期；2013年至今，脑机接口技术申请总量明显增多，从217件增加到500件以上，处于快速增长期。

图1 脑机接口专利申请趋势Fig.1 Brain computer interface patent application trend

2.2 技术生命周期分析

通过生命周期分析，可以判断某种技术所处发展阶段，由此推测出某种技术的未来发展方向和趋势。

根据图2可知，该技术发展经历以下几个阶段：

图2 脑机接口专利生命周期图Fig.2 Brain computer interface patent life cycle diagram

（1）2006年之前萌芽期。脑机接口技术发展不确定，只有少数几个企业参与技术研究与市场开发，虽然在2003—2004年出现申请人数量从38个增到81个，但2006年迅速降回2003年的30个，说明该技术发展遇到技术难点，陷入瓶颈。

（2）2007-至今发展期。1）2007-2012年的慢速发展期，申请人数量与申请数量呈波动式增长，表明再次遇到发展瓶颈，科研人员集中研究解决该技术的难点盲点；2）2013-至今的快速发展期。虽然在2013年出现申请人数量下降情况，然而申请数量却一直处于增长，尤其是在2018年申请数量从336件大幅增到566件，这说明脑机技术已经提出新技术或方法并带来重大技术突破，带来该技术新一轮的增长阶段。

2.3 申请人排名分析

通过统计申请人的专利数量排名次序，可以分析出创新水平高以及研究成果多的专利申请人。

如图3所示，从申请人类型看，在全球排名的前10位的申请人中包括9家高校，只有1家企业三星电子，表明脑机接口领域，目前还处于研究阶段。从申请人国别看，8家申请人来自中国，剩余2家来自韩国，这表明目前中国和韩国处于专利申请领先地位。从申请数量看，即使排名第一的天津大学申请量也只有115件，而第4-10名申请量相差不大。这也就是说，脑机接口领域尚处于快速发展阶段，正是抢占脑机接口市场蓝海区域的最佳时机。

图3 脑机接口专利申请人排名Fig.3 Ranking of brain computer interface patent applicants

2.4 IPC申请趋势分析

IPC分类号根据专利申请涉及的技术方案所属的领域来确定分类[11]，对IPC申请趋势情况统计分析，可以甄别出该技术的重点及热点领域[12]。如图4所示的申请趋势图，其中圆圈越大表示专利数量越多。

图4 脑机接口专利各IPC领域专利申请趋势Fig.4 Patent application trend of brain computer interfacepatents in IPC fields

根据图4纵向趋势可知，脑机接口技术的专利主要分布在G06F、A61B、G06N。最主要研究方向是读取脑电信号，将其解码成电子设备的控制信号，这与数据处理尤其是脑电信号紧密相关[13］；接着在医学，如神经系统疾病的诊断、鉴定、治疗和康复中具有潜在应用价值[14，15]；最后还应用在智能通信领域，如用“意念”控制智能家电和无人驾驶，娱乐领域如与VR技术结合的脑机游戏[8，16，17]。

根据图4横向趋势可知。2012年前，几个领域的差距并不明显，2013年后G06F和A61B领域的申请量明显增长，数量远大于其他几个领域。2018年起G06N领域申请量爆发式增加，超过A61B领域，同时G06K也开始有一定规模申请量，这与找到全新的应用领域有关系。

2.5 专利申请人国别分析

某种技术的申请人国别的申请量越多，则意味着该国申请人在该技术的创新能力越高，也能在一定程度上反映出该国对该技术领域的重视程度和技术实力[18]。

如图5所示，申请人排名依次包括中国、美国、韩国等。目前中国以54.5%占比处于第一，我国在脑机接口领域研发实力较强，但以高校为主，并未形成产业链。美国以18.91%占比紧随其后，不仅是因2004年起美国开始投资研究BCI[19]，而且也因为美国企业进军脑机领域如2019年Neuralink公司发布脑机接口植入机器人[20，21]。注意到排名前10包括多个欧洲国家例如德国、英国等，说明欧洲的研发人员创新能力较强。

图5 脑机接口技术专利各IPC领域专利申请人国别Fig.5 Countries of patent applicants in IPC fields for brain computer interface technology patents

3 结论

综上所述，对脑机接口技术的全球专利数据进行采集、汇总和分析，得出以下结论：

（1）从申请数量和申请人数量而言，脑机接口技术在历经萌芽期和缓慢发展期后，迎来快速发展期，近20年经历了多次瓶颈期，带来了多次新技术的突破。

（2）从申请人和申请国别而言，中国和美国一直处于领先地位，然而研究创新主体却在各国高校。未来需要考虑与相关公司企业加强合作交流，推动脑机接口领域的成果实现商业化。

（3）从申请技术领域而言，目前主要是医学领域，侧重在运动功能障碍康复[8，14，15]。可以预测，随着研究的不断深入，必将推动脑机接口更多应用在医学领域和逐步应用在非医学领域，进一步提高人类的生活质量。

引用

[1]伏云发,郭衍龙,张夏冰,等.脑-机接口——革命性的人机交互[D].北京:国防工业出版社,2020.

[2]GRAIMANN B,ALLISON B,PFURTSCHELLER G.Braincomputer Interfaces: revolutionizing human-computer interaction[D].Berlin:Springer Publishing Company,2013.

[3]ALLISON B Z,DUNNE S,LEEB R,et al.Towards Practical Braincomputer Interfaces:Bridging the Gap from Research to Realworld Applications[D].Berlin:Springer Publishing Company,2012.

[4]VIDAL J J.Toward Direct Brain-computer Communication[J].Annu Rev Biophys Bioeng,1973(2):157-180.

[5]VAUGHAN T M,WOLPAW J R.The Third International Meeting on Brain-Computer Interface Technology:Making a Difference[J].IEEE Trans Neural Syst Rehabil Eng,2006,14(2):126-127.

[6]高楠,傅俊英,赵蕴华,等.脑机接口专利情报研究[J].现代生物医学进展,2016,16(1):144-150.

[7]刘伟,周巍,齐凤青,等.基于专利的脑机接口技术创新力和竞争力研究[J].中华医学图书情报杂志,2021,30(10):15-22.

[8]罗建功,丁鹏,龚安民,等.脑机接口技术的应用、产业转化和商业价值[J].生物医学工程学,2022,39(2):405-415.

[9]YAO D Z,LIU T J,LEI X,et al.Electroencephalogram Based Brain-Computer Interface:Key Techniques and Application Prospect[J].Electronic Science and Technology of China,2009(38):550-554.

[10]朱玉连,梁思捷.脑机接口技术治疗脑卒中后运动功能障碍研究进展[J].康复学报,2020,30(2):162-166.

[11]KANG X X.Based on the Application Trend of Patent Intelligence Data Mining Research[D].Suzhou:Soochow University,2010:21.

[12]LI Y J.Generic Technology Patent Measurement and Characteristics Analysis[D].Beijing:Institute of Scientific and Technical Information of China,2012:32.

[13]刘久煜,张月琴,朴雪.脑机接口技术发展状况分析:基于文献调研[J].卫生职业教育,2019,37(19):133-135.

[14]龚瑜,蔺俊斌,郝赤子,等.脑机接口在脊髓损伤康复中的应用[J].中国康复医学杂志,2020,35(6):744-748.

[15]WOLPAW J R,MILLÁN J,RAMSEY N F.Brain-computer interfaces:definitions and principles[J].Handb Clin Neurol,2020(168):15-23.

[16]MEHTA A.Applying brain computer interface technology for playing games[J].International Journal of Engineering and Management Research,2021,11(3):213-220.

[17]王继龙.多类运动想象脑电信号识别方法研究及其在AR场景中的应用[D].长春:东北电力大学,2021.

[18]胡子琦,胡彩燕,马镯.医疗人工智能技术的专利情报研究[J].中国发明与专利,2022,19(07):29-35+43.

[19]尧德中.脑-机接口:如何从实验室到现实场景[J].生物医学工程学杂志,2021,38(3):405-408.

[20]高越.美国脑机接口技术研究及应用进展[J].信息通信技术与政策,2020(12):75-80.

[21]MUSK E.NEURALINK.An Integrated Brain-machine Interface Platform with Thousands of Channels[J].Journal of Medical Internet Research,2019,21(10):1-18.