Použití umělé inteligence k rekonstrukci lidských mozkových vln v reálném čase

Nedávno tým výzkumníků vytvořil neuronovou síť, která je schopná rekonstruovat lidské mozkové vlny v reálném čase. Jak uvádí Futurism, výzkumný tým, složený z výzkumníků z Moskevského institutu fyziky a technologie (MIPT) a korporace Neurobotics, byl schopen vizualizovat mozkové vlny osoby tím, že přeložil vlny pomocí počítačové vidění neuronové sítě a vykreslil je jako obrázky.

Výsledky studie byly zveřejněny v bioRxiv, a spolu se studií byl zveřejněn i video, který ukazuje, jak síť rekonstruovala obrázky. Tým výzkumníků z MIPT doufá, že studie pomůže vytvořit systémy pro rehabilitaci po mozkové mrtvici, které budou ovládány mozkovými vlnami. Pro tạoření rehabilitačních zařízení pro oběti mozkové mrtvici musí neurobiologové studovat procesy, které mozek používá k zakódování informací. Důležitou součástí understanding těchto procesů je studium toho, jak lidé vnímají videoinformace. Podle ZME Science, současné metody extrakce obrázků z mozkových vln obvykle analyzují signály pocházející z neuronů pomocí implantátů nebo extrahují obrázky pomocí funkční magnetické rezonance.

Výzkumný tým z Neurbiotics a MIPT využil elektroencefalografii, nebo EEG, který zaznamenává mozkové vlny shromážděné z elektrod umístěných na skalpu. V takových případech lidé často nosí zařízení, která sledují jejich neuronální signály, zatímco sledují video nebo se dívají na obrázky. Analýza mozkové aktivity poskytla vstupní funkce, které mohly být použity v systému strojového učení. Systém strojového učení byl schopen rekonstruovat obrázky, které osoba viděla, a vykreslit je na obrazovce v reálném čase.

Experiment byl rozdělen do několika částí. V první fázi experimentu výzkumníci požádali subjekty, aby sledovaly 10sekundové klipy z YouTube videí po dobu asi 20 minut. Videoklipy byly rozděleny do pěti různých kategorií: motorsporty, lidské tváře, abstraktní tvary, vodopády a pohyblivé mechanismy. Tyto různé kategorie mohou obsahovat různé objekty. Například kategorie motorsporty obsahovala klipy ze sněžných skútrů a motocyklů.

Výzkumný tým analyzoval EEG data, která byla shromážděna, zatímco účastníci sledovali videa. EEG zobrazovaly specifické vzorce pro každý z různých videoklipů, a to znamenalo, že tým mohl potenciálně interpretovat, jaký obsah účastníci viděli na videích v reálném čase.

Druhá fáze experimentu měla tři kategorie vybrané náhodně. Byly vytvořeny dvě neuronové sítě, které pracovaly s těmito dvěma kategoriemi. První síť generovala náhodné obrázky, které patřily do jedné z tří kategorií, vytvářela je z náhodného šumu, který byl rafinován do obrazu. Zatímco druhá síť generovala šum na základě EEG skenů. Data v obou sítích byla porovnávána a náhodně generované obrázky byly aktualizovány na základě EEG šumu, dokud generované obrázky nebyly podobné obrázkům, které testovací subjekty viděly.

Po navržení systému výzkumníci otestovali schopnost programu vizualizovat mozkové vlny tím, že ukázali testovacím subjektům videa, která belum viděli z stejné kategorie. EEG generované během druhého kola sledování byla dána sítím a sítě byly schopné generovat obrázky, které mohly být snadno zařazeny do správné kategorie 90% času.

Výzkumníci poznamenali, že výsledky jejich experimentu byly překvapivé, protože po dlouhou dobu se předpokládalo, že v EEG není dostatek informací k rekonstrukci obrázků, které lidé viděli. Nicméně, výsledky výzkumného týmu prokázaly, že to lze udělat.

Vladimir Konyshev, vedoucí laboratoře Neurorobotics na MIPT, vysvětlil, že ačkoli výzkumný tým se目前 zaměřuje na vytváření asistivních technologií pro osoby se zdravotním postižením, technologie, na které pracují, by mohla být použita k vytvoření neuronových ovládacích zařízení pro obecnou populaci v budoucnu. Konyshev vysvětlil TechXplore:

“Pracujeme na projektu Asistive Technologies Neuronet Národní technologické iniciativy, který se zaměřuje na rozhraní mozek-počítač, které umožňuje pacientům po mozkové mrtvici ovládat exoskeletální ruku pro neurorehabilitační účely, nebo pacientům s paralýzou řídit elektrický vozík, například. Cílem je zvýšit přesnost neuronového ovládání pro zdravé osoby také.”