AR, XR και διεπαφές εγκεφάλου

Επαφή Εγκεφάλου-Μηχανής Μπορεί Να Βοηθήσει Ατόμων Με Παράλυση

mm
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google

Μια διεθνής ομάδα ερευνητών έχει αναπτύξει μια φορητή συσκευή επαφής εγκεφάλου-μηχανής (BMI) που μπορεί να βελτιώσει την ποιότητα ζωής των ατόμων με μοτορική δυσλειτουργία ή παράλυση. Μπορεί ακόμη και να βοηθήσει εκείνους με συνδρομή κλεισμένης νωτιάς, όταν ένα άτομο δεν μπορεί να κινηθεί ή να επικοινωνήσει παρά το ότι είναι συνειδητό.

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 κρανίο και εικονική πραγματικότητα σε ένα ενιαίο σύστημα BMI. Το σύστημα επιτρέπει στους χρήστες να ελέγχουν μια καρέκλα ή einen ρομποτικό βραχίονα απλώς φανταζόμενοι ενέργειες.

Το νέο BMI περιγράφηκε στο περιοδικό Advanced Science τον προηγούμενο μήνα.

Μια Περισσότερο Συμφέρουσα Συσκευή

Ο Yeo είναι αναπληρωτής καθηγητής στη Σχολή Μηχανολόγων Μηχανικών George W. Woodruff.

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

Τα συστήματα BMI μπορούν να αναλύσουν σήματα εγκεφάλου και να μετατρέψουν τη νευρική δραστηριότητα σε εντολές, που είναι αυτό που επιτρέπει στα άτομα να φανταστούν ενέργειες για το BMI να τις εκτελέσει. Η Ηλεκτροεγκεφαλογραφία, ή EEG, είναι η πιο συχνά χρησιμοποιούμενη μη επεμβατική μέθοδος για την απόκτηση των σημάτων, αλλά συχνά απαιτεί ένα καπέλο κρανίου με πολλά καλώδια. 

Για να χρησιμοποιήσουν αυτές τις συσκευές, η χρήση γέλων και pastes απαιτείται για τη διατήρηση της επαφής με το δέρμα, και όλα αυτά τα στοιχεία είναι χρονοβόρα και άβορα για τον χρήστη. Επιπλέον, οι συσκευές συχνά έχουν κακή απόκτηση σήματος λόγω της υποβάθμισης του υλικού και των αρτηριακών αρτηριών, που προκαλούνται από πράγματα όπως το τρίψιμο των δοντιών. Αυτό το είδος θορύβου θα εμφανιστεί στα δεδομένα του εγκεφάλου, και οι ερευνητές πρέπει να το φιλτράρουν.

Μηχανική Μάθηση και Εικονική Πραγματικότητα

Το φορητό σύστημα EEG που σχεδίασε η ομάδα βελτιώνει την απόκτηση σήματος χάρη στην ενσωμάτωση των διασταυρούμενων μικροβελόνων ηλεκτροδίων με μαλακά ασύρματα κυκλώματα. Για να μετρήσουν τα σήματα του εγκεφάλου, είναι απαραίτητο 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 συνιστώμενο εικονική πραγματικότητα. 

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

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 Βιομηχανική και τη Βιοεπιστήμη. 

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

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

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

Η μελέτη του 2021 αφορούσε χρήστες που επέδειξαν ακριβή έλεγχο ασκήσεων εικονικής πραγματικότητας με τις σκέψεις τους, ή κινητική εικόνα. 

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

Ο Mahmood λέει ότι η ομάδα θα επικεντρωθεί τώρα στην βελτίωση της τοποθέτησης των ηλεκτροδίων και την πιο προηγμένη ενσωμάτωση του ερεθιστικού 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.