Hjernen-Maskin Grensesnitt Kan Hjelpe Personer Med Lammelse

Et internasjonalt team av forskere har utviklet et bærbart hjernen-maskin (BMI) apparat som kan forbedre livskvaliteten for personer med motorisk dysfunksjon eller lammelse. Det kan også hjelpe personer med låst-inn syndrom, som er når en person er ubevegelig eller ikke kan kommunisere selv om de er bevisst.

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

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

Et Mer Komfortabelt Apparat

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 bruke, og det har ikke noen ledninger,” sa Yeo.

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

For å bruke disse enhetene, er det nødvendig å bruke geler og paste for å opprettholde hudkontakt, og all denne oppsettet er tidskrevende og ubehagelig for brukeren. I tillegg har enhetene ofte dårlig signalinnsamling på grunn av materialedegradering og bevegelsesartefakter, som er forårsaket av 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 signalinnsamling 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 inkluderte 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 en 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 innebærer forestilte motoriske handlinger, som grep med begge hender, som frigjør subjektet fra å se på for mange stimuli,” sa Mahmood.

Studien i 2021 inkluderte brukere som demonstrerte nøyaktig kontroll over virtuelle virkelighetsøvelser med sine tanker, eller motorisk bilde.

“De virtuelle promptene har vist seg å være veldig nyttige,” sa Yeo. “De øker og forbedrer brukerengasjement og nøyaktighet. Og vi kunne registrere kontinuerlig, høykvalitets motorisk bildeaktivitet.”

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