Interface Brein-Machine Kan Individueen Met Verlamming Helpen

Een internationaal team van onderzoekers heeft een draagbare brein-machine (BMI) apparatuur ontwikkeld die de kwaliteit van leven voor mensen met motorische dysfunctie of verlamming kan verbeteren. Het kan zelfs mensen met het locked-in syndroom helpen, waarbij een persoon niet kan bewegen of communiceren, ondanks dat hij bij bewustzijn is.

Het team werd geleid door het lab van Woon-Hong Yeo aan het Georgia Institute of Technology en omvatte onderzoekers van de University of Kent in het VK en Yonsei University in de Republiek Korea. Het team combineerde draadloze zachte schedelelektronica en virtual reality in één BMI-systeem. Het systeem stelt gebruikers in staat om een rolstoel of robotarm te besturen door alleen maar acties te imagineren.

Het nieuwe BMI werd vorige maand gedetailleerd in het tijdschrift Advanced Science .

Een Comfortabeler Apparaat

Yeo is een associate professor in de George W. Woodruff School of Mechanical Engineering.

“Het grote voordeel van dit systeem voor de gebruiker, in vergelijking met wat er momenteel bestaat, is dat het zacht en comfortabel is om te dragen en geen draden heeft,” zei Yeo.

BMI-systemen kunnen hersensignalen analyseren en neurale activiteit omzetten in opdrachten, waardoor het voor individuen mogelijk is om acties te imagineren voor de BMI om uit te voeren. ElectroEncephaloGraphy, of EEG, is de meest voorkomende niet-invasieve methode voor het verkrijgen van signalen, maar het vereist vaak een schedelkap met veel draden.

Om deze apparaten te gebruiken, zijn gels en pasta’s nodig om huidcontact te behouden, en de hele installatie is tijdrovend en oncomfortabel voor de gebruiker. Bovendien hebben de apparaten vaak een slechte signaalverwerving vanwege materiaaldegradatie en bewegingsartefacten, die worden veroorzaakt door dingen als het knarsen van tanden. Dit soort ruis verschijnt in de hersengegevens en de onderzoekers moeten deze filteren.

Machine Learning en Virtual Reality

Het draagbare EEG-systeem dat door het team is ontworpen, verbetert de signaalverwerving dankzij de integratie van interceptable microneedle-elektroden met zachte draadloze circuits. Om de hersensignalen te meten, is het cruciaal dat het systeem bepaalt welke acties een gebruiker wil uitvoeren. Hiervoor vertrouwde het team op een machine learning-algoritme en een virtual reality-component.

Tests die door het team zijn uitgevoerd, betroffen vier menselijke proefpersonen, en de volgende stap is om het te testen op gehandicapte individuen.

Yeo is ook directeur van het Center for Human-Centric Interfaces and Engineering van Georgia Tech onder het Institute for Electronics and Nanotechnology, evenals lid van het Petit Institute for Bioengineering and Bioscience.

“Dit is slechts een eerste demonstratie, maar we zijn enthousiast over wat we hebben gezien,” zei Yeo.

In 2019 introduceerde hetzelfde team een zachte, draagbare EEG-brein-machine interface, en het onderzoek omvatte Musa Mahmood, die de hoofdauteur was van zowel dat onderzoek als het nieuwe onderzoek.

“Deze nieuwe brein-machine interface gebruikt een geheel andere paradigma, waarbij gebruik wordt gemaakt van geïmagineerde motorische acties, zoals grijpen met één hand, waardoor de proefpersoon wordt bevrijd van het moeten kijken naar te veel stimuli,” zei Mahmood.

Het onderzoek uit 2021 betrof gebruikers die accurate controle over virtual reality-oefeningen met hun gedachten, of motorische beelden, demonstreerden.

“De virtuele prompts hebben zich zeer nuttig bewezen,” zei Yeo. “Ze versnellen en verbeteren de gebruikersbetrokkenheid en nauwkeurigheid. En we konden continue, hoge kwaliteit motorische beeldactiviteit opnemen.”

Mahmood zegt dat het team zich nu zal richten op het optimaliseren van de plaatsing van elektroden en een geavanceerdere integratie van stimulus-gebaseerde EEG.