当一家餐馆或公司在设计推出一种新食品时，消费者的意见对他们来说至关重要。对食品的感官愉悦决定了消费者对食物的选择，而所谓色、香、味俱全的食品往往得到广大消费者的青睐。味觉被归为食物风味的感觉之一，而由于味觉感知中的代谢物和激素控制过程十分丰富，所以它在影响人们对食物整体偏好中也起到最关键的作用，而感官对食品的行为/满意度会以神经信号的形式反应在我们的大脑中。传统的获得消费者满意度反馈的手段往往是以 问卷调查 和感官面板分析的形式，但实际上，消费者的自我报告和感官表现经过了人体更高级的神经处理过程再输出后，并不能完全真实反映消费者第一时间的味觉感知，而商家和经营者们肯定更倾向于获得消费者对食品味觉的潜意识反应。那该如何获得这种潜意识反应呢？当人们在品尝食物时，对味觉的感知会在体内引起一系列生理变化，这些变化可以作为生物信号被识别，如脑电信号、面部表情、心率等，通过对识别的结果进行分类分析就可以获得消费者的潜在反应。因此，生物计量学方法可以作为一种工具来了解消费者对新食品口味的接受程度。

当我们的舌头感受到味觉刺激时，通过丘脑将味觉信号传递到脑岛区味觉皮层;同时，大脑的奖赏系统从额叶皮层接收到想吃东西的信号。这些通信过程是由大脑中的神经元促进的，它们以特定电脉冲的形式与其他神经元进行通信，这个过程产生的信号能够以脑血管血流、血氧和EEG的形式被检测到。如今神经科学对人类行为的解释的逐渐完善和神经活动检测技术的发展使得收集大脑活动区域的精确时空信息成为可能。我们熟知的脑电图(EEG)、脑磁图(MEG)、静息态成像(fMRI)、功能超声(fUS)和正电子发射断层成像(PET)等技术都可以检测到大脑中的神经活动。而特定食物刺激(酸、甜、苦、咸、鲜)的大脑责任区是稳定不变的，因此使用脑机接口(BCI)系统可以从神经信号中解码出味觉信息。当有一个装置能够利用大脑对各种味觉刺激的反应信号时，BCI系统就可以用于根据我们的味觉反应检索数据。而神经活动信号测量有两种类型;一种基于电生物测量，如脑电图(EEG)、脑磁图(MEG);另一种基于神经活动生理过程的成像技术，如MRI、fMRI、CT扫描、fUS、热成像和PET。对于味觉产生过程，信号的获取往往要求比较高的时空分辨率和较灵活的检测装置，因此用于检测该过程神经活动的技术主要有EEG、fMRI和MEG等。

1 味觉是如何产生的？

脑电波的分类及其特点

脑电信号分布频段从低到高分别为δ、θ、α、β和γ五个波段，不同的波段对应大脑不同状态的神经活动，舌感受器对不同味觉刺激的特异性反应也是神经活动之一。我们的味觉细胞分布在口腔的不同部位，对各种味觉刺激作出反应，包括舌头、咽、软腭、喉部和会厌。这些味觉细胞以味蕾的形式存在，每个味蕾中大约有60-100个感受器细胞。这些味蕾由味觉乳头结构携带，它们以不同的形式不均匀地分布在舌表面。当我们品尝食物时，味觉细胞将微绒毛通过味蕾的孔状结构暴露于刺激下，并将信号通过传入神经输入到含味觉受体的细胞，最后在大脑对应皮层产生味觉。

人类味觉感受器的结构：（A）乳突和味蕾. (B)感知不同味觉的细胞

含味蕾的神经上皮细胞根据形态、信号转导特性和蛋白表达可分为四类。I型细胞仅用于检测咸味，II型细胞作为探测器传递甜味、苦味和鲜味，III型细胞仅传递酸味，而IV型细胞是祖细胞。

在五种基本的味道中，甜和鲜味让人感觉食物含有营养，而盐味中的钠则能引起欲望和食欲，酸味和苦味让人感觉食物含有酸性和毒性，从而引起一种轻视、厌恶的味觉反应。每种味道都由特定味觉细胞检测，并且对应不同的大脑区域，而一些近似相关的味道会共用它们的受体而产生另一种味觉，比如酸辣、糖醋、甜咸这种烹饪方式往往深受一部分人的喜爱。

2 涉及的BCI技术

基于EEG的BCI技术

在采集过程中，被试一般直坐在椅子上，记录味觉任务过程中的EEG信号。电极放置采用国际标准10-20电极系统，由味觉刺激诱发的脑电电位称为事件相关电位(ERP)，头皮区域需要用尽可能多的电极进行记录，以获取不同脑区的EEG活动，缩短记录系统的电路，可以有效避免电器噪声。原始EEG包含了兴奋性突触后电流(EPSP)、抑制性突触后电流(IPSP)和伪影噪声(需要去除)。电极通道越多则分析产生的误差越少，一般至少需要16个通道才能获得有分类信息的EEG。目前大多数用64电极系统甚至更多电极通道来提高信号记录效率并降低系统噪声。一般需要足够数量的参与者和重复测试试验次数，以保证结果的可重复性和信噪比(SNR)。EEG中提取味觉信息的提取可以采用时域、频域或时频域的方法。

10/20电极系统的电极位置

在10/20电极系统中，电极按照标签F、C、T、P和O分别放置在额叶，中央，颞叶，后叶和枕叶区域，参考电极一般放置在耳后乳突骨或耳垂。利用计算机辅助软件应用程序，以提高记录ERP的时间精确性，同时应减少所有可能的噪声源以获得高质量数据。

对EEG信号的处理分为三个主要步骤：预处理步骤主要通过信号平均以提高SNR，然后采用信号校正或抑制的方法对其进行线性滤波(低通、高通或带通)处理。预处理后，按事件在时域将信号分割为单独试验，并进行基线校正，以去除分割信号中偏移部分的平均幅度。时间窗内ERP各分量以峰值幅度及其延迟或平均振幅法测量。通过统计学方法，分析单独刺激对获得的ERP数据的振幅和潜伏期影响显著性，以验证猜想。

为了区分出不同味觉刺激的EEG特征，研究人员利用机器学习的方法对EGG信号进行分类，时频分析反映，EEG中的δ活动包含了可以编码和区分不同味道的味觉信息。不同味觉刺激引起的EEG特征主要表现在时频响应的差异，根据这个差异计算机可以识别出不同的味觉刺激。而EEG记录过程产生的伪影会大大影响分类效率，Chandran 和 Perumalsamy提出了用无线电极系统和支持向量机(SSVP)的手段去除伪像，并达到了95%的准确率。在识别过程中，大多数EEG研究所获得的ERP强度都呈现出从咸到甜的递减规律(咸>酸>苦>甜)。因此，这些强度差异可以用于对特定味觉辨别的研究。

基于fMRI的BCI技术

fMRI反映神经活动变化是基于神经血管耦合性(BOLD)的原理，即由于特定味觉刺激，局部脑区的活动会引起周围血氧水平上升，这个变化可以通过fMRI图像反映出来。fMRI成像是全脑成像，空间分辨率高，但时间分辨率不如EEG，所以对fMRI的分析一般是以获得不同味觉刺激下分别被激活的脑区以及各脑区之间活动的网络效应为目的。和EEG不同的是，受试者需要以仰卧位躺在扫描床上，头部放置在包含泡沫垫的头部线圈内，由于fMRI成像过程受试无法大幅度咀嚼，所以刺激物一般为液体。fMRI创建了包括时间和三维空间在内的四维数据，数据的初步分析从两个预处理步骤开始，第一个是重新排列过程，通过数据修正来纠正食物品尝过程中口腔器官运动带来的干扰。第二步是归一化，将重组后得到的脑图像装入模板(由蒙特利尔神经学研究所提供)，校正个体不同头部大小和形状的影响。在预处理之后，使用参考刺激来识别第一级分析中活跃的大脑区域，将生成β图，在第二级分析中，感觉信息一般使用单变量或多体素模式分析(MVPA)将预处理后的信号数据与beta图进行比较获得。

通过对fMRI数据的分析，研究人员发现了额叶区和顶盖区的识别能力。另外人们还发现味觉刺激引起的大脑反映有刺激位置的差别，发现在左侧口腔中注射盐溶液会引起左侧大脑集群激活，而右侧注射则不会影响丘脑的反应。另外味觉刺激的强度会引起不同的神经活动特点，通过甜味和苦味刺激，人们发现双侧大脑被激活区域的大小和甜度与苦度呈负相关趋势，这种刺激差异引起的脑区活动特异性变化为味觉反应的研究提供了一定的参考。

基于MEG的BCI技术

MEG技术测量神经活动的基础是神经元活动产生电流在内部的交互导致磁感应现象，MEG系统和EEG系统类似，由64通道全头SQUID线圈、脑电图电极、帽线组成，测试环境要避免噪声和磁场干扰。MEG记录过程受试需要保持不懂，所以除了要提前做好沟通之外，还需进行一轮试测，以便受试了解自己的舒适姿势。MEG信号处理主要有以下步骤：预处理将接收到的信号进行分割，去除或减弱其伪影，然后再进一步处理。建模阶段将大脑图像装入一个模板(由蒙特利尔神经学研究所提供)进行形状和大小校正。然后对校正后的图像进行重建，得到所有被试均匀的MEG图像。根据实验范式，将对事件相关响应、学习状态响应和静息状态响应进行数据提取。MEG图像包含空间、时间和频率等多维数据成分。在测量味觉刺激的大脑响应时，一般考虑单个或组合域，并在此基础上提取所需的数据。对味觉刺激MEG信号的分析大多为时频分析，研究发现甜味刺激容易引发低频信号而咸味刺激容易引发高频信号，还有人发现四种味觉刺激对α节律的诱导效应存在性别差异。

三种神经信号监测方法的采集过程和典型的信号输出形式

EEG、fMRI和MEG信号处理步骤

3 BCI技术在味觉识别中的应用

当这些BCI技术应用于实际味觉识别时，有研究结果表明，当顾客在不知道自己喝的咖啡是什么牌子时，喝到自己喜爱的咖啡时顾客EEG显示出了积极的反应，于是推测EEG信号从α到θ范围的变化预测了消费者的口味和品牌选择偏好。另外研究人员还发现食物偏好中的情感成分也会影响味觉体验，味觉体验最好的食品诱发的EEG信号体现最高水平的幸福感。

显然EEG可以作为味觉偏好研究的感官工具。同时，EEG还可用于验证替代成分对产品影响的研究。有研究发现，蔗糖和阿斯巴甜、甜菊等甜味剂在味觉刺激诱发ERP中激活的脑区和潜伏期等数据都没有显著性差异，因此，阿斯巴甜和甜叶菊可以作为蔗糖的理想替代品，除以上研究外，EEG还可用于观察视觉刺激诱发味觉感知的效果，例如拉花艺术对改善咖啡味觉感知的影响，以及新产品(以谷物为基础的糖果)与现有产品的味觉相似性检测等。

fMRI技术被应用于了解脂肪和糖水平对大脑活动的影响，有研究表明，高糖奶昔比相同热值的高脂奶昔更能激活奖赏区，且低脂样品对糖含量增加引起的脑激活作用更显著。因此，fMRI技术可用于确定新食品开发的原料。除此之外，fMRI还可用于分析年龄相关的味觉感知，有研究发现，在刺激物不同浓度下，右侧杏仁核对味觉感知的影响较小是老年人味觉感知能力下降的原因，还发现年轻人对酸味的味觉反应要比苦味高得多。除了fMRI，MEG也被广泛应用于评价年龄以及性别差异导致的味觉感知能力差异，研究结果表明，年龄的增长会增加触觉反应，减少味觉反应。影响味觉感知和脑活动的因素不仅仅来自食物的味觉刺激，不同的感觉器官和产品特性在决定产品的味觉感知方面也起着重要的作用。年龄的增长往往伴随着视力、听力和认知功能的损伤，这也构成了味觉感知受损的原因。不单是年龄，研究发现女性对味觉的感知优于男性，男性在味觉识别上的错误也更多，MEG分析发现男性和女性对甜味和苦味的味觉反应存在明显差异，所以女性比男性表现出更多的味觉反应，此外，年龄引起的味觉障碍在男性中也更常见。

关于味觉刺激诱发大脑相关事件的实验中，人们的味觉体验除了会受到上述几种因素影响之外，温度、原始配料的比例、酸碱度、黏度等因素也对食物的口感起着重要的作用，另外，味觉的情感体验是一个相对主观的过程，个体的认知状态也是个一个重要因素。

BCI传感技术的应用过程。(1)感官(味觉)输入;(2)舌向脑的信号转导(CN VII、IX、X分别代表颅神经VII、IX、X);(3)通过非侵入性传感器(EEG、fMRI和MEG)采集来自大脑的不同信号(活动电极位置、奖赏区激活、分散和重合的脑活动信号、峰值信号强度与时间);(4)信号处理;(5)通过对采集到的信号进行解读，进行味觉质量识别;(6) 影响味觉皮层的因素;(7)BCI相对于传统技术的优势;(8) BCI在感官研究中的应用

4 机遇和挑战

尽管味觉体验受很多个人因素的影响，但是，这些参数的影响可以通过BCI获得的脑信号的变化来识别。当行业为特定的受众(比如老奶奶人)设计/开发食品时，通过BCI技术可以从特定的客户群体中收集最直观的感官体验数据，相比传统的数据收集手段，这种方式更高效且在消费群体中接受度更高，且对直观信号(神经活动)的测量可以在更大程度上降低感官分析的偏差。BCI技术还能将感官分析扩展到婴儿领域，可以促进婴儿食品的精准开发，另外在健康食品的研发，食品口感改善方面都提供了一种高效的手段，甚至对食品影响大脑情感体验提供了参考，这或许可以扩展味觉刺激治疗在临床的应用。

参考

Rajan, Anbarasan & Gómez Carmona, Diego & Radhakrishnan, Mahendran. (2022). Human Taste-Perception: Brain Computer Interface (BCI) and Its Application as an Engineering Tool for Taste-Driven Sensory Studies. Food Engineering Reviews. 10.1007/s12393-022-09308-0.