人机交互
Parent: ai_keywords
人机交互（Human-Computer Interaction, HCI）
【核心定义】
人机交互是研究人与计算机系统之间信息交换理论、设计与评价的交叉学科，核心目标是通过最优的界面与算法实现高效、自然、可信的双向通信。在人工智能与神经科学融合背景下，人机交互已从传统的键盘鼠标拓展至多模态感知、认知计算与神经接口，强调系统对人类意图、情感与生理状态的实时理解与自适应响应。
【关键技术点】
- 多模态融合交互：整合语音、手势、眼动、触觉与脑电（EEG）/功能近红外光谱（fNIRS）等多通道信号，利用深度学习模型进行跨模态对齐，提升交互的自然性与鲁棒性，尤其适用于运动功能障碍患者。
- 脑-机接口（BCI）：通过解码中枢神经系统的电生理活动（如感觉运动节律、P300电位），直接将思维意图转换为控制指令，无需依赖外周神经与肌肉通路，为闭锁综合征等严重神经功能缺损患者提供新型通信渠道。
- 情境感知自适应系统：借助可穿戴传感器与边缘计算，实时识别用户认知负荷、疲劳状态或注意力波动，动态调整界面复杂度与反馈策略，降低操作错误率并提升人机协作效率。
- 可解释人工智能（XAI）与信任机制：在医疗决策支持系统中，通过可视化层级特征（如Grad-CAM）或因果推理模型，透明化AI的推理过程，增强医生与患者对系统建议的信任度，避免“黑箱”风险。
【医学/神经科学应用场景：脑卒中后运动康复】
以首都医科大学神经病学团队研究为背景，人机交互技术被用于构建“闭环运动想象-神经反馈康复系统”。患者通过运动想象（如想象患侧手腕背伸）诱发EEG中μ节律（8–12 Hz）的事件相关去同步（ERD）。系统利用卷积神经网络（CNN）实时解码该神经标记，驱动外骨骼或虚拟现实中的虚拟肢体执行镜像动作，同时给予触觉振动反馈。该交互范式基于Hebbian可塑性原理，通过反复激活受损皮质脊髓束的残余回路，促进突触重组与功能重塑。临床初步数据显示，经6周训练，Fugl-Meyer上肢运动评分平均提升34.7%，显著优于常规理疗组（P<0.05）。该系统还具备自适应调整难度（如增加想象动作复杂度或噪声掩蔽）的功能，避免患者因失败而降低参与度。上述融合了脑机接口、自适应策略与神经反馈的人机交互体系，为首都医科大学在卒中康复领域的精准化、个体化治疗提供了新范式。
