Interfejs mózg-maszyna może pomóc osobom z paraliżem

Międzynarodowy zespół badaczy opracował noszalny urządzenie interfejsu mózg-maszyna (BMI), które może poprawić jakość życia osób z dysfunkcją ruchową lub paraliżem. Może również pomóc osobom z zespołem zamknięcia, który jest stanem, w którym osoba nie może się poruszać ani komunikować, pomimo tego, że jest świadoma.

Zespół był kierowany przez laboratorium Woon-Hong Yeo na Georgia Institute of Technology i składał się z badaczy z University of Kent w Wielkiej Brytanii i Yonsei University w Korei Południowej. Zespół połączył bezprzewodową miękką elektronikę na czaszce i rzeczywistość wirtualną w jednym systemie BMI. System umożliwia użytkownikom kontrolowanie wózka inwalidzkiego lub ramienia robota tylko poprzez wyobrażanie sobie działań.

Nowy BMI został opisany w czasopiśmie Advanced Science w zeszłym miesiącu.

Urządzenie bardziej komfortowe

Yeo jest associate profesorem w George W. Woodruff School of Mechanical Engineering.

“Główną zaletą tego systemu dla użytkownika, w porównaniu z tym, co istnieje obecnie, jest to, że jest on miękki i wygodny w noszeniu, i nie ma w nim żadnych przewodów”, powiedział Yeo.

Systemy BMI mogą analizować sygnały mózgu i transmitować aktywność neuronalną w polecenia, co umożliwia osobom wyobrażanie sobie działań, które system BMI może wykonać. Elektroencefalografia, lub EEG, jest najczęstszą nieinwazyjną metodą pozyskiwania sygnałów, ale często wymaga czapki na czaszce z wieloma przewodami.

Aby używać tych urządzeń, konieczne jest użycie żeli i past do utrzymania kontaktu skórnego, a cała ta konfiguracja jest czasochłonna i niewygodna dla użytkownika. Ponadto, urządzenia często mają słabą jakość sygnału ze względu na degradację materiału i artefakty ruchowe, które są spowodowane przez rzeczy takie jak zgrzytanie zębami. Ten rodzaj szumu pojawi się w danych mózgu, a badacze muszą go wyfiltrować.

Uczenie maszynowe i rzeczywistość wirtualna

Przenośny system EEG opracowany przez zespół poprawia jakość sygnału dzięki integracji mikroigiełkowych elektrod z miękkimi bezprzewodowymi obwodami. Aby zmierzyć sygnały mózgu, konieczne jest, aby system określił, jakie działania użytkownik chce wykonać. Aby to osiągnąć, zespół polegał na algorytmie uczenia maszynowego i składniku rzeczywistości wirtualnej.

Testy przeprowadzone przez zespół obejmowały czterech ludzi, a następnym krokiem jest przetestowanie go na osobach niepełnosprawnych.

Yeo jest również dyrektorem Centrum Interfejsów Ludzkich i Inżynierii w Instytucie Elektroniki i Nanotechnologii, a także członkiem Instytutu Bioinżynierii i Bio nauk Petit.

“To jest tylko pierwsza demonstracja, ale jesteśmy zachwyceni tym, co widzimy”, powiedział Yeo.

W 2019 roku ten sam zespół wprowadził miękki, noszalny interfejs mózg-maszyna EEG, a praca ta obejmowała Musa Mahmood, który był głównym autorem tej i nowej pracy.

“Ten nowy interfejs mózg-maszyna używa całkowicie innego paradygmatu, obejmującego wyobrażone działania ruchowe, takie jak chwytanie obiema rękami, co uwalnia użytkownika od konieczności patrzenia na zbyt wiele bodźców”, powiedział Mahmood.

Badanie z 2021 roku obejmowało użytkowników, którzy wykazywali dokładną kontrolę nad ćwiczeniami wirtualnej rzeczywistości swoimi myślami, czyli wyobrażeniami ruchowymi.

“Wirtualne bodźce okazały się bardzo pomocne”, powiedział Yeo. “Przyspieszają i poprawiają zaangażowanie użytkownika i dokładność. I byliśmy w stanie zarejestrować ciągłą, wysokiej jakości aktywność wyobrażeń ruchowych”.

Mahmood mówi, że zespół będzie teraz koncentrował się na optymalizacji rozmieszczenia elektrod i bardziej zaawansowanej integracji stymulowanego EEG.