Connect with us

Διεπαφή Εγκεφάλου-Μηχανής Μπορεί Να Βοηθήσει Ατόμων Με Παράλυση

Διεπαφή εγκεφάλου–μηχανής

Διεπαφή Εγκεφάλου-Μηχανής Μπορεί Να Βοηθήσει Ατόμων Με Παράλυση

mm

Μια διεθνής ομάδα ερευνητών έχει αναπτύξει μια φορητή συσκευή διεπαφής εγκεφάλου-μηχανής (BMI) που μπορεί να βελτιώσει την ποιότητα ζωής των ανθρώπων με κινητική δυσλειτουργία ή παράλυση. Μπορεί ακόμη και να βοηθήσει εκείνους με συνδρομή κλειδωμένου συνδρόμου, που είναι όταν ένα άτομο δεν μπορεί να κινηθεί ή να επικοινωνήσει παρά την συνειδητότητά του.

Η ομάδα ήταν υπό την ηγεσία του εργαστηρίου του Woon-Hong Yeo στο Georgia Institute of Technology και περιελάμβανε ερευνητές από το Πανεπιστήμιο του Kent στο Ηνωμένο Βασίλειο και το Πανεπιστήμιο Yonsei στη Δημοκρατία της Κορέας. Η ομάδα συνδύασε ασύρματες μαλακές ηλεκτρονικές συσκευές στο σκαλπ και εικονική πραγματικότητα σε ένα ενιαίο σύστημα BMI. Το σύστημα επιτρέπει στους χρήστες να ελέγχουν μια καρέκλα ή einen ρομποτικό βραχίονα απλώς φανταζόμενοι ενέργειες.

Η νέα BMI περιγράφηκε στο περιοδικό Advanced Science τον προηγούμενο μήνα.

Μια Περισσότερο Συμμετρική Συσκευή

Ο Yeo είναι αναπληρωτής καθηγητής στη Σχολή Μηχανολογικής Μηχανικής George W. Woodruff.

“Το κύριο πλεονέκτημα αυτού του συστήματος για τον χρήστη, σε σύγκριση με αυτά που υπάρχουν σήμερα, είναι ότι είναι μαλακό και άνετο να φοράτε, και δεν έχει κανένα καλώδιο”, είπε ο Yeo.

Τα συστήματα BMI μπορούν να αναλύσουν σήματα εγκεφάλου και να μεταδώσουν νευρική δραστηριότητα σε εντολές, που είναι αυτό που επιτρέπει στους ανθρώπους να φανταστούν ενέργειες για την BMI να τις εκτελέσει. Η Ηλεκτροεγκεφαλογραφία, ή EEG, είναι η πιο κοινή μη επεμβατική μέθοδος για την απόκτηση των σημάτων, αλλά συχνά απαιτεί ένα σκαλπ με πολλά καλώδια. 

Για να χρησιμοποιήσουν αυτές τις συσκευές, η χρήση γέλων και pastes απαιτείται για τη διατήρηση της επαφής του δέρματος, και όλη αυτή η διαδικασία είναι χρονοβόρα και άβολη για τον χρήστη. Επιπλέον, οι συσκευές συχνά έχουν κακή απόκτηση σήματος λόγω της υποβάθμισης του υλικού και των κινητικών артеφάκτων, τα οποία προκαλούνται από πράγματα όπως το τρίψιμο των δοντιών. Αυτού του είδους ο θόρυβος θα εμφανιστεί στα δεδομένα του εγκεφάλου, και οι ερευνητές πρέπει να το φιλτράρουν.

Μηχανική Μάθηση και Εικονική Πραγματικότητα

Το φορητό σύστημα EEG που σχεδιάστηκε από την ομάδα βελτιώνει την απόκτηση σήματος χάρη στην ενσωμάτωση των δια截 microneedle ηλεκτροδίων με μαλακά ασύρματα κυκλώματα. Για να μετρήσουν τα σήματα του εγκεφάλου, είναι κρίσιμο για το σύστημα να καθορίσει ποιες ενέργειες θέλει να εκτελέσει ο χρήστης. Για να το πετύχουν, η ομάδα βασίστηκε σε einen αλγόριθμο μηχανικής μάθησης και einen συνιστώσα εικονικής πραγματικότητας. 

Οι δοκιμές που διεξήχθησαν από την ομάδα αφορούσαν τέσσερις ανθρώπινους υποκειμένους, και ο επόμενος βήμα είναι να το δοκιμάσουν σε άτομα με αναπηρία. 

Ο Yeo είναι επίσης Διευθυντής του Κέντρου Ανθρωποκεντρικών Διεπαφών και Μηχανικής του Georgia Tech υπό το Ινστιτούτο Ηλεκτρονικής και Νανοτεχνολογίας, καθώς και μέλος του Ινστιτούτου Petit για τη Βιομηχανία και τη Βιοεπιστήμη. 

“Αυτό είναι μόνο μια πρώτη επίδειξη, αλλά είμαστε ενθουσιασμένοι με αυτό που έχουμε δει”, είπε ο Yeo.

Πίσω στο 2019, η ίδια ομάδα εισήγαγε μια μαλακή, φορητή συσκευή EEG διεπαφής εγκεφάλου-μηχανής, και η εργασία περιελάμβανε τον Musa Mahmood, ο οποίος ήταν ο κύριος συγγραφέας και της νέας έρευνας.

“Αυτή η νέα διεπαφή εγκεφάλου-μηχανής χρησιμοποιεί ένα εντελώς διαφορετικό παράδειγμα, που περιλαμβάνει φαντασμένες κινητικές ενέργειες, όπως η σύλληψη με το ένα χέρι, που απελευθερώνει το άτομο από το να κοιτάζει πολλά ερεθίσματα”, είπε ο Mahmood.

Η μελέτη του 2021 περιελάμβανε χρήστες που επέδειξαν ακριβή έλεγχο εικονικών ασκήσεων με τις σκέψεις τους, ή κινητική εικόνα. 

“Τα εικονικά ερεθίσματα έχουν αποδειχθεί πολύ χρήσιμα”, είπε ο Yeo. “Ταχύνουν και βελτιώνουν την συμμετοχή και την ακρίβεια του χρήστη. Και μπόρεσα να καταγράψω συνεχείς, υψηλής ποιότητας κινητικές εικόνες.”

Ο Mahmood λέει ότι η ομάδα θα επικεντρωθεί τώρα στην βελτίωση της τοποθέτησης των ηλεκτροδίων και της πιο προηγμένης ενσωμάτωσης του ερεθίσματος-βασισμένου EEG.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.