Beyin-Makine Arayüzü Felçli Bireyleri Destekleyebilir

Uluslararası bir araştırma ekibi, motor disfonksiyonu veya felçli kişiler için yaşam kalitesini iyileştirebilecek bir giyilebilir beyin-makine (BMI) cihazı geliştirdi. Hareket edemeyen veya iletişim kuramayan ancak bilinçli olan kişiler için de locked-in sendromu gibi durumları destekleyebilir.

Georgia Institute of Technology’deki Woon-Hong Yeo laboratuvarının liderliğindeki ekip, İngiltere’deki University of Kent ve Güney Kore’deki Yonsei University’den araştırmacıları içeriyordu. Ekip, kablosuz yumuşak skalp elektronikleri ve sanal gerçekliği tek bir BMI sistemi içinde birleştirdi. Sistem, kullanıcıların sadece eylemleri hayal ederek bir tekerlekli sandalye veya robotik kolu kontrol etmelerini sağlar.

Yeni BMI, geçen ay Advanced Science dergisinde ayrıntılı olarak açıklandı.

Daha Rahat Bir Cihaz

Yeo, George W. Woodruff Makine Mühendisliği Okulu’nda yardımcı profesör.

“Bu sistemin mevcut sistemlere göre kullanıcıya sağladığı önemli avantaj, yumuşak ve rahat olması ve hiçbir kablosunun olmaması” dedi Yeo.

BMI sistemleri beyin sinyallerini analiz edebilir ve nöral aktiviteyi komutlara dönüştürebilir, bu da bireylerin eylemleri hayal etmelerini ve BMI’nin bunları gerçekleştirmesini sağlar. ElektroEnsefaloGrafi (EEG), en yaygın invazif olmayan sinyal edinme yöntemidir, ancak genellikle birçok kablosuyla birlikte bir kafatası kapağı gerektirir.

Bu cihazları kullanmak için cilt temasını korumak için jeller ve pastalar gerekir ve tüm bu kurulum zaman alıcı ve kullanıcı için rahatsız edicidir. Buna ek olarak, cihazlar genellikle malzeme bozulması ve hareket artifactsi nedeniyle zayıf sinyal edinimine sahiptir, bu da things gibi diş gıcırdatma tarafından gây edilir. Bu tür gürültü, beyin verisinde görünür ve araştırmacıların bunu filtrelemesi gerekir.

Machine Learning ve Sanal Gerçeklik

Ekip tarafından tasarlanan taşınabilir EEG sistemi, kesintisiz mikroiğne elektrotlarla yumuşak kablosuz devrelerin entegrasyonu sayesinde sinyal edinimini iyileştirir. Beyin sinyallerini ölçmek için, sistemin kullanıcıların hangi eylemleri gerçekleştirmek istediğini belirlemesi çok önemlidir. Bunu başarmak için ekip, bir makine öğrenimi algoritması ve sanal gerçeklik bileşenine güvenmiştir.

Ekip tarafından yürütülen testler, dört insan denek ile gerçekleştirildi ve bir sonraki adım, bunu engelli bireyler üzerinde test etmek olacak.

Yeo, aynı zamanda Georgia Tech’in Center for Human-Centric Interfaces and Engineering’in direktörü ve Institute for Electronics and Nanotechnology’de Petit Institute for Bioengineering and Bioscience’in bir üyesi.

“Bu sadece bir ilk gösterim, ancak gördüklerimizle çok memnun kalıyoruz” dedi Yeo.

2019’da aynı ekip, bir yumuşak, giyilebilir EEG beyin-makine arayüzü tanıttı ve bu çalışmada Musa Mahmood da yer aldı ve bu yeni araştırmada da lead yazar olarak görev yaptı.

“Bu yeni beyin-makine arayüzü, tamamen farklı bir paradigmaya sahiptir, her iki elin de kavrama gibi hayal edilen motor eylemlerini içerir, bu da konuyu çok fazla stimülasyonla uğraşmaktan kurtarır” dedi Mahmood.

2021 çalışması, kullanıcıların düşünceleri veya motor imgeleri ile sanal gerçeklik egzersizlerini doğru bir şekilde kontrol etmelerini gösterdi.

“Sanal promt’lar çok faydalı olduğunu kanıtladı” dedi Yeo. “Kullanıcı katılımını ve doğruluğunu hızlandırır ve geliştirir. Ve sürekli, yüksek kaliteli motor imgeleri aktivitesini kaydedebildik.”

Mahmood, ekibin şimdi elektrot yerleştirme optimizasyonuna ve daha gelişmiş stimulus-tabanlı EEG entegrasyonuna odaklanacağını söylüyor.