Hjernen-Maskin Grensesnitt Kan Assistere Personer Med Lammelse

Et internasjonalt team av forskere har utviklet et bærbart hjernen-maskin (BMI) enhet som kan forbedre livskvaliteten for mennesker med motorisk dysfunksjon eller lammelse. Det kan også assistere de som lider av locked-in syndrom, som er når en person ikke kan bevege seg eller kommunisere til tross for å være bevisst.

Teamet ble ledet av laben til Woon-Hong Yeo ved Georgia Institute of Technology og inkluderte forskere fra University of Kent i Storbritannia og Yonsei University i Sør-Korea. Teamet kombinerte trådløse myke skallelektronikk og virtuell virkelighet i ett enkelt BMI-system. Systemet gjør det mulig for brukerne å kontrollere en rullestol eller robotarm bare ved å forestille seg handlinger.

Det nye BMI ble detaljert i tidsskriftet Advanced Science forrige måned.

En Mer Komfortabel Enhet

Yeo er en assosiert professor ved George W. Woodruff School of Mechanical Engineering.

“Den største fordelen med dette systemet for brukeren, sammenlignet med hva som finnes i dag, er at det er mykt og komfortabelt å bære, og det har ingen ledninger,” sa Yeo.

BMI-systemer kan analysere hjernesignaler og overføre neural aktivitet til kommandoer, som er hva som gjør det mulig for personene å forestille seg handlinger for BMI å utføre. ElektroEncephaloGraphy, eller EEG, er den mest vanlige ikke-invasive metoden for å tilegne seg signalene, men den krever ofte en skallekappe med mange ledninger. 

For å bruke disse enhetene, er det nødvendig å bruke geler og pasteur for å opprettholde hudkontakt, og all denne oppsettet er tidskrevende og ubekvemt for brukeren. I tillegg har enhetene ofte dårlig signaloppfanging på grunn av materialet nedbryting og bevegelsesartefakter, som skyldes ting som å gnisse tenner. Denne typen støy vil dukke opp i hjerne-data, og forskerne må filtere det ut.

Maskinlæring og Virtuell Virkelighet

Det bærbare EEG-systemet designet av teamet forbedrer signaloppfanging takket være integreringen av interceptable mikronåle-elektroder med myke trådløse kretser. For å måle hjernesignalene, er det avgjørende for systemet å bestemme hva handlinger en bruker ønsker å utføre. For å oppnå dette, la teamet til en maskinlæringsalgoritme og virtuell virkelighetskomponent. 

Tester utført av teamet involverte fire menneskelige forsøkspersoner, og neste skritt er å teste det på funksjonshemmede personer. 

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

“Dette er bare en første demonstrasjon, men vi er begeistret over hva vi har sett,” sa Yeo.

Tilbake i 2019 introduserte det samme teamet et mykt, bærbart EEG-hjernen-maskin grensesnitt, og arbeidet inkluderte Musa Mahmood, som var hovedforfatteren av både denne forskningen og den nye.

“Dette nye hjernen-maskin grensesnittet bruker en helt annen paradigme, som involverer forestilte motoriske handlinger, som frigjør subjektet fra å måtte se på for mange stimuli,” sa Mahmood.

Studien fra 2021 involverte brukere som demonstrerte nøyaktig kontroll over virtuell virkelighet-øvelser med sine tanker, eller motorisk forestilling. 

“De virtuelle promptene har vist seg å være svært nyttige,” sa Yeo. “De øker og forbedrer brukerengasjement og nøyaktighet. Og vi var i stand til å registrere kontinuerlig, høykvalitets motorisk forestillingaktivitet.”

Mahmood sier at teamet nå vil fokusere på å optimalisere elektrode-plassering og mer avansert integrering av stimulus-basert EEG.