AR, XR i interfejsy mózgowe

Inżynierowie wynaleźli zaawansowany interfejs mózg-komputer z mikroigłami

Alex McFarland
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyElastyczna mikroigłowa BCI dopasowuje się do krzywizn mózgu, zapewniając równomierne…
Zobacz więcej
  • Elastyczna mikroigłowa BCI dopasowuje się do krzywizn mózgu, zapewniając równomierne rejestrowanie sygnałów.
  • Nowa matryca pokrywa dziesięciokrotnie większy obszar mózgu niż obecna technologia matrycy Utah.
  • Przezroczyste elastyczne podłoże może umożliwić nowatorskie badania neuronaukowe na modelach zwierzęcych.

Badacze z dziedziny inżynierii na Uniwersytecie Kalifornijskim w San Diego wynaleźli zaawansowany interfejs mózg-komputer (BCI) składający się z elastycznego i formowalnego podłoża, a także przenikających mikroigieł. Elastyczne podłoże umożliwia BCI lepsze dopasowanie do złożonej, zakrzywionej powierzchni mózgu. Pozwala również na bardziej równomierne rozłożenie mikroigieł, które przenikają korę.

Mikroigły i elastyczne podłoże

Mikroigły te są 10 razy cieńsze niż ludzkie włosy i wychodzą z elastycznego podłoża. Następnie przenikają powierzchnię tkanki mózgowej bez przebijania powierzchniowych żyłek. Mikroigły są w stanie rejestrować sygnały z komórek nerwowych w korze.

Nowy system został przetestowany na szczurach, a badania zostały opublikowane w czasopiśmie Advanced Functional Materials.

Zespół był prowadzony przez profesora inżynierii elektrycznej Shadi Dayeh na uniwersytecie. Składał się również z badaczy z Uniwersytetu w Bostonie pod kierownictwem profesora inżynierii biomedycznej Anny Devor.

System wykazał wyniki porównywalne z istniejącym złotym standardem dla BCI z przenikającymi igłami. Nazywany „Utah Array”, ten standard okazał się pomocny dla osób z urazami rdzenia kręgowego i ofiar udaru mózgu. Mogą one używać swoich myśli do kontrolowania mechanicznych kończyn i innych urządzeń.

Elastyczność i dopasowanie BCI pomaga osiągnąć bliższy kontakt między mózgiem a elektrodami, umożliwiając lepsze i bardziej jednolite rejestrowanie sygnałów aktywności mózgu. Sposób, w jaki BCI jest skonstruowany, pozwala na większe powierzchnie czujników, co pomaga monitorować większy obszar powierzchni mózgu jednocześnie.

W eksperymentach, matryca mikroigieł wnikających w tkankę składająca się z 1024 mikroigieł mogła pomyślnie rejestrować sygnały wywołane precyzyjnymi bodźcami z mózgu szczurów. Oznacza to, że pokrywa dziesięciokrotnie większy obszar mózgu w porównaniu z obecnymi technologiami.

Interfejsy BCI z miękkim podłożem są również cieńsze i lżejsze niż tradycyjne interfejsy ze szklanym podłożem. Nowy typ podłoży może zmniejszyć podrażnienie tkanki mózgowej, która ma kontakt z matrycą czujników.

Elastyczne podłoża są również przezroczyste, co, zdaniem badaczy, może być wykorzystane do prowadzenia podstawowych badań neurobiologicznych z udziałem modeli zwierzęcych, które w innym przypadku byłyby niemożliwe.

Robotyczne dłonie z dotykową informacją zwrotną

Badacze twierdzą, że matryce mikroigieł wnikających w tkankę z dużym pokryciem przestrzennym będą wymagane do udoskonalenia BCI w przyszłości i umożliwienia ich użycia w „systemach ze sprzężeniem zwrotnym w pętli zamkniętej”. Mogłoby to pomóc osobom z poważnie ograniczoną ruchomością i umożliwić dotykową informację zwrotną dla kogoś używającego robotycznej dłoni.

Czujniki dotykowe na roboticznej ręce mogą wykryć teksturę, twardość i wagę obiektu. Mogą rejestrować informacje, które mogą być przetłumaczone na wzorce stymulacji elektrycznej, które przesyłają się przez przewody na zewnątrz ciała do BCI. Mózg otrzymałby informacje bezpośrednio z tych sygnałów elektrycznych o obiekcie, a osoba mogłaby następnie dostosować swoje chwytanie na podstawie wykrytej informacji.

Laboratorium Dayeh już wynalazło różne czujniki dotykowe, które mogłyby znaleźć te zastosowania.

Alex prowadzi operacje informacyjne zasilane AI w Unite.AI, łącząc dziennikarstwo, badania i automatyzację, aby wspierać terminowe i skalowalne relacjonowanie sztucznej inteligencji. Jego praca pomaga zapewnić, że nowe osiągnięcia w dziedzinie AI są prezentowane efektywnie, przy zachowaniu standardów redakcyjnych publikacji.