Hjernen-Maskin-Grænseflade Kan Hjælpe Personer Med Lammelse

Et internationalt forskerhold har udviklet en bærbar hjernen-maskin (BMI) enhed, der kan forbedre livskvaliteten for personer med motorisk dysfunktion eller lammelse. Den kan endda hjælpe personer med låst-in syndrom, hvor en person er uden for stand til at bevæge sig eller kommunikere, selvom de er bevidste.

Holdet blev ledet af Woon-Hong Yeos laboratorium på Georgia Institute of Technology og inkluderede forskere fra University of Kent i Storbritannien og Yonsei University i Republikken Korea. Holdet kombinerede trådløse bløde skalpelektronik og virtuel virkelighed i ét BMI-system. Systemet giver brugerne mulighed for at styre en kørestol eller en robotarm blot ved at forestille sig handlinger.

Den nye BMI blev detaljeret i tidsskriftet Advanced Science sidste måned.

En Mere Komfortabel Enhed

Yeo er en associeret professor på George W. Woodruff School of Mechanical Engineering.

“Den største fordel for denne enhed for brugeren, sammenlignet med hvad der eksisterer i dag, er, at den er blød og komfortabel at bære, og den har ikke nogen ledninger,” sagde Yeo.

BMI-systemer kan analysere hjernesignaler og transmittere neurale signaler til kommandoer, hvilket giver mulighed for, at personer kan forestille sig handlinger for BMI at udføre. ElectroEncephaloGraphy, eller EEG, er den mest almindelige ikke-invasive metode til at opnå signalerne, men den kræver ofte en hjelm med mange ledninger.

For at bruge disse enheder er det nødvendigt at bruge geler og pasteuriserede produkter for at opretholde hudkontakt, og alt dette er tidskrævende og ubehageligt for brugeren. Oven i det har enhederne ofte dårlig signalopfanging på grund af materialets nedbrydning og bevægelsesartefakter, der skyldes ting som tandgnidning. Denne type støj vil optræde i hjernedata, og forskerne må filtrere den ud.

Maskinlæring og Virtuel Virkelighed

Det portable EEG-system, der er designet af holdet, forbedrer signalopfangingen takket være integrationen af interceptable mikronåle-elektroder med bløde trådløse kredsløb. For at måle hjernesignalerne er det afgørende for systemet at bestemme, hvilke handlinger en bruger ønsker at udføre. For at opnå dette har holdet brugt en maskinlæringsalgoritme og en virtuel virkelighedskomponent.

Testene, der er udført af holdet, omfattede fire menneskelige forsøgspersoner, og det næste skridt er at teste det på handicappede personer.

Yeo er også direktør for Georgia Techs Center for Human-Centric Interfaces and Engineering under Institute for Electronics and Nanotechnology, samt medlem af Petit Institute for Bioengineering and Bioscience.

“Dette er blot en første demonstration, men vi er begejstrede for, hvad vi har set,” sagde Yeo.

Tilbage i 2019 introducerede det samme hold en blød, bærbar EEG-hjernen-maskin-grænseflade, og arbejdet inkluderede Musa Mahmood, der var den førende forfatter på både denne forskning og den nye.

“Denne nye hjernen-maskin-grænseflade bruger en helt anden paradigm, der indebærer forestillede motorhandlinger, såsom greb med enten hånd, hvilket frigør subjektet fra at se på for mange stimuli,” sagde Mahmood.

Studiet i 2021 omfattede brugere, der demonstrerede præcis kontrol over virtuelle virkelighedsøvelser med deres tanker, eller motorbillede.

“De virtuelle prompter har vist sig at være meget nyttige,” sagde Yeo. “De øger og forbedrer brugerens engagement og nøjagtighed. Og vi kunne optage kontinuerlig, højkvalitets motorbilledeaktivitet.”

Mahmood siger, at holdet nu vil fokusere på at optimere elektrodeplacering og mere avanceret integration af stimulus-baseret EEG.