Brain Computer Interface: полное описание технологии BCI

Опубликовано 13 March 2020
Brain Computer Interfaces (BCI) получают сигналы мозга, анализируют их и преобразуют в команды, передают их на устройства вывода, которые выполняют требуемые действия. BCI не используют нормальные пути нервно-мышечного выхода. Основная цель BCI состоит в том, чтобы заменить или восстановить полезную функцию для людей с нарушениями нервно-мышечного расстройства, такими как боковой амиотрофический склероз, церебральный паралич, инсульт или повреждение спинного мозга.


От первоначальных демонстраций правописания на основе электроэнцефалографии и управления однонейронными устройствами исследователи стали использовать электроэнцефалографические, внутрикортикальные, электрокортикографические и другие сигналы мозга для все более сложного управления курсорами, роботизированными руками, протезами, инвалидными колясками и другими устройствами.

Интерфейсы мозг-компьютер также могут оказаться полезными для реабилитации после инсульта и других расстройств. В будущем они могут повысить производительность хирургов или других медицинских работников. Технология нейрокомпьютерного интерфейса находится в центре внимания быстрорастущего предприятия, занимающегося исследованиями и разработками, которое очень привлекает ученых, инженеров, врачей и общественность в целом. Его будущие достижения будут зависеть от достижений в трех ключевых областях.

Brain Computer Interfaces нуждаются в оборудовании для сбора сигналов, которое было бы удобным, портативным, безопасным и способным функционировать во всех средах. Системы интерфейса мозг-компьютер должны быть проверены в долгосрочных исследованиях реального использования людьми с серьезными нарушениями, и должны быть внедрены эффективные и жизнеспособные модели для их широкого распространения. Наконец, повседневная и мгновенная надежность показателей BCI должна быть улучшена, чтобы она приблизилась к надежности естественных мышечных функций.


До недавнего времени мечта о том, чтобы управлять своей средой посредством мыслей, была в сфере научной фантастики. Тем не менее, развитие технологий принесло новую реальность: сегодня люди могут использовать электрические сигналы от активности мозга, чтобы взаимодействовать, влиять или изменять свою среду. Появляющаяся область технологии Brain Computer Interface (BCI) дает возможность людям с нарушениями речи и / или с проблемами использования своих конечности, снова общаться или управлять вспомогательными устройствами для ходьбы и манипулирования объектами. Исследование нейрокомпьютерного интерфейса — область высокой общественной осведомленности. Видеоматериалы на YouTube, а также новостные сообщения в непрофессиональных СМИ свидетельствуют о глубоком любопытстве и интересе к этой области, которая, как мы надеемся, скоро однажды значительно улучшит жизнь многих инвалидов, затронутых рядом различных заболеваний.


Цель этого обзора — дать представление о Brain Computer Interface. Мы определяем нейрокомпьютерный интерфейс, а затем рассматриваем некоторые из основополагающих открытий в этой быстро развивающейся области, сигналы мозга, используемые BCI, основные компоненты системы BCI, современные системы BCI и ключевые проблемы, которые сейчас привлекают исследователей. Сложности связаны с переводом любой новой технологии в практическое и полезное клиническое применение, и ИМК не являются исключением. Мы обсуждаем возможности использования и использования систем BCI и рассматриваем некоторые ограничения и проблемы, стоящие перед полем. Мы также рассматриваем авансы, которые могут стать возможными в ближайшие несколько лет. 



Что такое Brain Computer Interface (BCI)?


BCI - это компьютерная система, которая получает сигналы мозга, анализирует их и преобразует их в команды, которые передаются на выходное устройство для выполнения желаемого действия. Таким образом, интерфейс мозг-компьютер (ИМК) не используют нормальные мозговые пути периферических нервов и мышц.


Это определение строго ограничивает термин Brain Computer Interfaceсистемами, которые измеряют и используют сигналы, производимые центральной нервной системой (ЦНС). Так, например, система связи, активируемая голосом или мышцами, не является BCI. Кроме того, один только электроэнцефалограммный (ЭЭГ) аппарат не является BCI, поскольку он только записывает сигналы мозга, но не генерирует выходной сигнал, который воздействует на среду пользователя. Это ошибочное мнение, что нейрокомпьютерные интерфейсы являются устройствами для чтения мыслей. Brain Computer Interfaces не читают мысли в смысле извлечения информации от ничего не подозревающих или не желающих пользователей, но позволяют пользователям воздействовать на мир с помощью сигналов мозга, а не мышц. Пользователь и BCI работают вместе. Пользователь, часто после периода обучения, генерирует сигналы мозга, которые кодируют намерение, и BCI, также после обучения, декодирует сигналы и транслирует их в команды на устройство вывода, которое выполняет намерение пользователя.




Основные этапы развития Brain Computer Interface 


Можно ли использовать наблюдаемые электрические сигналы мозга в качестве носителей информации при общении человек-компьютер или для управления такими устройствами, как протезы? Это был вопрос, поставленный Видалем в 1973 году. Его проект «Brain Computer Interface» был ранней попыткой оценить возможность использования нейронных сигналов в диалоге человек-компьютер, который позволил компьютерам стать протезным расширением мозга.

Хотя работа с обезьянами в конце 1960-х годов показала, что сигналы от единичных корковых нейронов могут использоваться для управления измерительной иглой, систематические исследования с людьми действительно начались в 1970-х годах. Первоначальный прогресс в исследованиях BCI у человека был медленным и ограничивался компьютерными возможностями и нашими собственными знаниями физиологии мозга.

К 1980 году Elbert и соавторы продемонстрировали, что лица, которым проводятся сеансы биологической обратной связи с медленными корковыми потенциалами в деятельности ЭЭГ, могут изменять эти потенциалы, чтобы контролировать вертикальные движения изображения ракеты, проходящего через телевизионный экран.

В 1988 году Farwell и Donchin показали, как потенциал, связанный с событиями P300, можно использовать для того, чтобы обычные добровольцы могли произносить слова на экране компьютера. С 1950-х годов известно, что мю и бета-ритмы (то есть сенсомоторные ритмы), регистрируемые в сенсомоторной коре, связаны с движением или изображением движения. Исходя из этой информации, Wolpaw и соавторы обучили добровольцев контролировать амплитуды сенсомоторного ритма и использовать их для точного перемещения курсора на экране компьютера в 1 или 2 измерениях.

К 2006 году в первичную моторную кору молодого человека с полной тетраплегией после травмы шейки матки C3-C4 был имплантирован массив микроэлектродов. Используя сигналы, полученные от этой электродной матрицы, система BCI позволяла пациенту открывать симулируемую электронную почту, управлять телевизором, открывать и закрывать протезную руку и выполнять рудиментарные действия с помощью роботизированной руки.

В 2011 году Krusienski и Shih12 продемонстрировали что сигналы, записанные непосредственно с поверхности коры (электрокортикография [ECoG]), могут быть преобразованы BCI, чтобы позволить человеку точно произносить слова на экране компьютера. Исследования Brain Computer Interface  растут чрезвычайно быстрыми темпами, о чем свидетельствует количество рецензируемых публикаций в этой области за последние 10 лет. За последние 15 лет исследования BCI, которые ранее были ограничены несколькими лабораториями, стали чрезвычайно активной и быстро развивающейся научной областью. Большинство статей появилось за последние 5 лет. 




Физиологические сигналы, используемые BCI.


В принципе, любой тип сигнала мозга может быть использован для управления системой BCI.

Наиболее часто изучаемыми сигналами являются электрические сигналы, генерируемые главным образом изменениями полярности нейрональных постсинаптических мембран, которые происходят из-за активации управляемых напряжением или ионно-управляемых каналов.


ЭЭГ кожи головы, впервые описанная Гансом Бергером в 1929 году, в значительной степени является мерой этих сигналов. В большинстве ранних работ BCI использовались сигналы ЭЭГ, записанные скальпом, которые обладают простотой, безопасностью и дешевизной. Основным недостатком записи скальпа является то, что электрические сигналы значительно ослабляются в процессе прохождения через твердую мозговую оболочку, череп и скальп. Таким образом, важная информация может быть потеряна. Проблема не просто теоретическая: эпилептологам давно известно, что некоторые эпилептические припадки, которые четко идентифицируются во время внутричерепных записей, не видны на ЭЭГ скальпа. Учитывая это возможное ограничение, недавняя работа BCI также исследовала способы внутричерепной записи.


Brain Computer Interface:  полное описание технологии BCI


Небольшие внутрикортикальные микрочипы, подобные имплантированному в ранее упомянутом случае тетраплегии, могут быть встроены в кору головного мозга. Эти внутрикорковые системы микрочипов могут регистрировать потенциалы действия отдельных нейронов и потенциалы локального поля (в основном микро-ЭЭГ), создаваемые относительно ограниченной популяцией соседних нейронов и синапсов.


Недостатками таких имплантатов являются степень инвазивности, необходимость краниотомии и нейрохирургической имплантации, ограниченная область записи и все еще нерешенный вопрос о долговременной функциональной стабильности записывающих электродов. В дополнение к ЭЭГ скальпа и внутрикортикальным ИМТ, ИКС на основе ЭКоГ используют другой подход для регистрации сигналов головного мозга. Эти BCI используют сигналы, полученные с помощью решетчатых или ленточных электродов на поверхности коры или макроэлементов глубины стереотаксиса, которые регистрируют интрапаренхимально или из желудочков.


Эти электродные массивы имеют преимущество записи внутричерепно и могут регистрировать с больших участков мозга, чем внутрикортикальные микрочипы. Однако эти электроды также нуждаются в нейрохирургической имплантации, и вопрос о долговременной стабильности записи электродного сигнала до сих пор остается без ответа. Каждый из этих методов имеет свои сильные и слабые стороны. Какие из них лучше всего подходят для каких целей и какие группы пользователей еще предстоит выяснить. По мере того, как ИМК начинают использоваться в клинической практике, выбор метода регистрации, вероятно, будет в значительной степени зависеть от потребностей отдельного пользователя ИБК, а также от технической поддержки и доступных ресурсов.


Методы регистрации сигналов мозга для управления системами интерфейса мозг-компьютер.


Электрические и магнитные сигналы

Внутрикортикальная электродная матрица

Электрокортикография

Электроэнцефалография

Магнитоэнцефалография

Метаболические сигналы

Функциональная магнитно-резонансная томография

Функциональное ближнее инфракрасное изображение



Развитие функциональных методов нейровизуализации с высоким пространственно-временным разрешением в настоящее время предоставляет потенциальные новые методы регистрации сигналов мозга для контроля ИМК.

Магнитоэнцефалография (МЭГ) измеряет в основном магнитные поля, создаваемые электрическими токами, движущимися вдоль аксонов пирамидальных клеток. Мю ритм, обнаруженный с помощью MEG, использовался сенсомоторной системой BCI для управления компьютерным курсором. Считалось, что модуляция заднего альфа-ритма, записанная с помощью MEG, обеспечивает удовлетворительный контроль над двумерной задачей BCI. Функциональная магнитно-резонансная томография. (МРТ) и функциональная ближняя инфракрасная визуализация (fNIR) измеряют оксигенацию крови в области головного мозга и коррелируют с нейронной активностью.


Lee et al продемонстрировали, что контроль над роботизированной рукой только посредством мыслительных процессов человека возможен с использованием режима реального времени. BCI на основе МРТ. Эти методы BCI находятся на ранних этапах исследований и разработок. MEG и fMRI в настоящее время чрезвычайно дороги и громоздки, а fMRI и fNIR имеют относительно медленное время отклика. Таким образом, потенциальная ценность этих более новых функциональных методов визуализации для целей BCI остается неопределенной (хотя fMRI может оказаться полезным при поиске подходящих мест для имплантации микроэлектродных решеток).




Компоненты системы Brain Computer Interface (BCI)


Целью BCI является обнаружение и количественная оценка характеристик сигналов мозга, которые указывают на намерения пользователя, и преобразование этих функций в режиме реального времени в команды устройства, которые выполняют намерения пользователя.


Для достижения этого система BCI состоит из 4 последовательных компонентов:

(1) получение сигнала,

(2) извлечение признаков,

(3) трансляция признаков

(4) вывод устройства.


Эти 4 компонента управляются рабочим протоколом, который определяет начало и время срабатывания, детали обработки сигналов, характер команд устройства и контроль производительности. Эффективный протокол работы позволяет системе BCI быть гибкой и обслуживать конкретные потребности каждого пользователя.




Brain Computer Interface:  полное описание технологии BCI

Компоненты системы BCI. Электрические сигналы от мозговой активности обнаруживаются с помощью регистрирующих электродов, расположенных на коже головы, на поверхности коры или внутри мозга. Сигналы мозга усиливаются и оцифровываются. Соответствующие характеристики сигнала извлекаются и затем преобразуются в команды, которые управляют устройством вывода, таким как программа правописания, моторизованная инвалидная коляска или протез. Обратная связь от устройства позволяет пользователю изменять сигналы мозга, чтобы поддерживать эффективную работу устройства. BCI = мозг-компьютерный интерфейс; ЭКог = электрокортикография; ЭЭГ = электроэнцефалография. От IEEE Rev Biomed Eng21, с разрешения.




Получение Сигнала BCI


Получение сигнала - это измерение сигналов головного мозга с использованием определенной сенсорной модальности (например, скальп или внутричерепные электроды для электрофизиологической активности, МРТ для метаболической активности). Сигналы усиливаются до уровней, подходящих для электронной обработки (и они также могут подвергаться фильтрации для удаления электрических помех или других нежелательных характеристик сигнала, таких как помехи в линии электропередачи с частотой 60 Гц). Затем сигналы оцифровываются и передаются на компьютер.


Функция извлечения


Извлечение признаков - это процесс анализа цифровых сигналов, чтобы отличить соответствующие характеристики сигнала (т. е. особенности сигнала, связанные с намерениями человека) от постороннего содержимого и представить их в компактной форме, подходящей для перевода в выходные команды. Эти функции должны иметь сильную корреляцию с намерениями пользователя. Поскольку значительная часть релевантной (т. е. наиболее сильно коррелированной) мозговой деятельности является либо переходной, либо колебательной, наиболее часто извлекаемыми характеристиками сигнала в современных системах BCI являются амплитуды и задержки отклика ЭЭГ или ЭКог, запускаемые по времени, мощность в определенных полосах частот ЭЭГ или ЭКог. или частота срабатывания отдельных корковых нейронов. Артефакты окружающей среды и физиологические артефакты, такие как электромиографические сигналы, исключаются или удаляются для обеспечения точного измерения характеристик сигнала мозга.


Функция перевода


Полученные в результате функции сигнала затем передаются в алгоритм преобразования признаков, который преобразует функции в соответствующие команды для устройства вывода (то есть команды, которые выполняют намерение пользователя). Например, уменьшение мощности в данной полосе частот может быть переведено в смещение вверх компьютерного курсора, или потенциал P300 может быть переведен в выбор буквы, которая его вызывает. Алгоритм трансляции должен быть динамическим, чтобы приспосабливаться и приспосабливаться к самопроизвольным или заученным изменениям в характеристиках сигнала и обеспечивать, чтобы возможный диапазон значений характеристик пользователя охватывал весь диапазон управления устройством.


Устройство вывода


Команды из алгоритма трансляции функций управляют внешним устройством, обеспечивая такие функции, как выбор буквы, управление курсором, управление роботизированной рукой и т. д. Работа устройства обеспечивает обратную связь с пользователем, тем самым замыкая контур управления.



Современные Электрофизиологические Системы BCI


ИМК, использующие ЭЭГ, записанные на голове.


Неинвазивные ИМК на основе ЭЭГ являются наиболее широко исследованным подходом в связи с минимальным вовлеченным риском и относительным удобством проведения исследований и найма участников. Приложения на сегодняшний день, как правило, ограничены непрерывным управлением движением с низкой степенью свободы и дискретным выбором. Сенсомоторные ритмы использовались для управления курсорами в измерениях, орфографическом устройстве, обычных вспомогательных устройствах, протезе рук, функциональной электростимуляции (FES) руки пациента, роботизированных и протезных устройств, и инвалидная коляска.  Двумерное управление курсором также было достигнуто с помощью модуляции внимания.


Из-за относительной простоты реализации и производительности одной из наиболее исследованных парадигм BCI является визуальный спеллер P300, который был успешно продемонстрирован как у здоровых, так и у инвалидов при наборе текста, просмотра интернета, управления коляской вдоль предопределенного пути,  и другие приложения. Как и вызванный ответ P300, стационарные визуально вызванные потенциалы являются врожденными и не требуют обучения, но они способны обеспечить более быстрое время отклика.


С другой стороны, нейрокомпьютерные интерфейсы на основе P300 гораздо менее зависимы, чем стационарные визуальные вызванные потенциалы, основанные на BCI, на управлении движением глаз. Для бинарного отбора использовались стационарные визуально вызванные потенциалы, как дискретный, так и непрерывный контроль курсора в 2-х измерениях, контроль протеза, FES, правописание,  контроль окружающей среды. Для пациентов с нарушениями зрения, различные слуховые и тактильные парадигмы были исследованы. Несколько исследований в настоящее время сосредоточены на критической необходимости вывести системы BCI из лаборатории в дома пациентов, что поднимает многие сложные проблемы пациента, лица, осуществляющего уход, и проблемы внедрения. 


Кроме того, некоторые исследователи изучают возможность использования ИМК в нейрореабилитации. Гипотеза заключается в том, что ИМК могут расширять существующие методы реабилитации, усиливая и тем самым увеличивая более эффективное использование пораженных участков мозга и связей. Исследования на пациентах, перенесших инсульт, показали, что При повторном обучении двигателю функции ЭЭГ изменяются параллельно с улучшением двигательной функции, и что сенсомоторная реабилитация с использованием тренировок BCI и моторных изображений может улучшить моторную функцию после травмы ЦНС. Также представляется, что объединение BCI с FES или вспомогательной робототехникой может помочь моторное переучивание у пациентов, перенесших инсульт. Терапия на основе интерфейса мозг-компьютер может обеспечить полезное дополнение к стандартным методам нейрореабилитации и может снизить стоимость, уменьшая необходимость постоянного присутствия реабилитационного терапевта.


BCI, которые используют деятельность ECoG.


Активность ECoG регистрируется с поверхности коры, и, таким образом, она требует имплантации субдуральной или эпидуральной электродной решетки. ECoG записывает сигналы с большей амплитудой, чем EEG, и обеспечивает превосходное пространственное разрешение и спектральную ширину полосы. В дополнение к низкочастотной (<40 Гц) активности, которая доминирует в ЭЭГ, ECoG включает высокочастотную (то есть,> 40 Гц гамма-полосу) активность до 200 Гц и, возможно, более высокую. Гамма-активность важна, потому что она проявляет очень точную функциональную локализацию; тесно связан со специфическими аспектами двигательной, языковой и когнитивной функции; и связан с частотой срабатывания отдельных нейронов и с зависимыми от уровня кислорода в крови сигналами, обнаруженными с помощью МРТ.


Отдельные движения пальцев, рук, и запястей были успешно расшифрованы ECoG. BCI на основе ECoG контролировали 1- или 2-мерные движения курсора с помощью моторных или сенсорных изображений или рабочей памяти (дорсолатеральная префронтальная кора) . BCI на основе ECoG позволяет пользователям управлять протезной рукой или выбирать символы с помощью мотора -имагерность или связанный с событием потенциал P300. В последнее время сигналы ECoG, измеренные над речевой корой во время явной или воображаемой фонемы и артикуляции слов, использовались для оперативного управления курсором, а также были точно декодированы в автономном режиме для потенциального применения для прямой речевой синтез.


Было показано, что эпидуральная ЭКоГ может обеспечить контроль BCI, что эффективность BCI на основе ECoG с фиксированными параметрами стабильна в течение не менее 5 дней, и что контроль BCI на основе моторных изображений с использованием местоположений над моторной корой может вызывать изменения ЭКоГ, превышающие эти произведено фактическими движениями. Исследование на обезьянах показало, что записи ECoG и производительность модели, используемой для декодирования движения, оставались стабильными в течение нескольких месяцев. Эти результаты показывают, что ECoG, вероятно, окажется практичным для долгосрочного использования BCI.


BCI, которые используют активность, записанную в мозге.


Хохберг и др. Продолжают клинические испытания с использованием микрочипа с 96 электродами, имплантированного в правую прецентральную извилину пациентов с тетраплегией. Эти испытания продемонстрировали контроль над роботизированной рукой, свет и телевидение с использованием воображаемых движений рук. Недавно они продемонстрировали, что точное управление курсором все еще можно получить через 1000 дней после имплантации. В настоящее время исследуются возможности использования этой системы для контроля протезов и мозговых импульсов ФЭС парализованных мышц.


Brain Computer Interface:  полное описание технологии BCI

Интракорковый массив микроэлектродов и его размещение у пациента с тетраплегией.

A, массив из 100 микроэлектродов на вершине копейки США.

Б. Микроэлектродная матрица на сканирующей электронной микрофотографии.

С, предоперационное осевое Т1-взвешенное магнитно-резонансное изображение пациента. Красный квадрат в прецентральной извилине показывает приблизительное расположение массива.

D, Пациент, сидящий в инвалидной коляске и работающий с техником над задачей интерфейса мозг-компьютер. Серая стрелка указывает на чрескожный постамент, который содержит усилитель и другое оборудование для сбора сигналов.

Переведено из Macmillan Publishers Ltd .: Nature11, 2006


Кеннеди и другие продолжают клинические испытания системы, в которой используются внутрикортикальные микроэлектроды, заключенные в стеклянные колбочки, в которых нейриты врастают в колбочки для обеспечения стабильной и надежной долгосрочной записи. В 1998 году эта технология была внедрена пациенту с синдромом блокировки после инсульта мозга. В ходе 4-летнего испытания пациент научился управлять курсором компьютера. В настоящее время исследования направлены на восстановление речи путем имплантации устройства в речевую моторную область и декодирования фонем из воображаемой речи.


В недавних исследованиях 2 пациента со стереотаксическими глубинными электродами, имплантированными в гиппокамп перед операцией по эпилепсии, смогли использовать сигналы от этих электродов для точного контроля спелеера BCI на основе P300.12,16


Текущие исследования в ряде лабораторий направлены на достижение естественного контроля устройств, таких как протез, с помощью электродных микрочипов, имплантированных в моторную кору или другие области коры нечеловеческих приматов.109-114 В настоящее время в нескольких центрах планируются переводы этих исследований. в человеческих испытаниях.




Текущее состояние исследований и разработок BCI


В настоящее время поразительные достижения в исследованиях и разработках BCI остаются почти полностью ограниченными лабораторией, и основная часть работы на сегодняшний день включает в себя данные, полученные от трудоспособных людей или животных. Исследования в конечной целевой группе людей с тяжелыми формами инвалидности были в основном ограничены несколькими ограниченными исследованиями, за которыми внимательно следит исследовательский персонал. Перевод впечатляющего лабораторного прогресса в клиническое использование, в системы BCI, которые фактически улучшают повседневную жизнь людей с ограниченными возможностями, только начался.


Эта важная задача, возможно, даже более сложная, чем лабораторные исследования, которые производят систему BCI. Он должен показать, что конкретная система BCI может быть реализована в форме, подходящей для долгосрочного независимого домашнего использования, определить соответствующее количество пользователей и установить, что они могут использовать BCI, продемонстрировать, что их домашняя среда может поддерживать их использование BCI и что они используют его и устанавливают, что BCI улучшает их жизнь. Для этой работы требуются специализированные, хорошо поддерживаемые, междисциплинарные исследовательские группы, которые имеют опыт в полном спектре соответствующих дисциплин, включая инженерные, компьютерные науки, базовые и клинические нейронауки, вспомогательные технологии и клиническую реабилитацию.


На рынке имеется несколько гарнитур с датчиками скальпа, которые можно использовать вместе с персональным компьютером для создания системы управления сторонними программными приложениями. Эти и подобные гарнитуры были включены в несколько коммерческих игр, некоторые из которых утверждают, что усиливают фокусировку и концентрацию с помощью нейробиоуправления на основе ЭЭГ. Основная проблема этих устройств заключается в том, что природа записываемых ими сигналов не ясна. Представляется вероятным, что почти все эти устройства регистрируют в основном не мозговые сигналы, такие как электромиографические сигналы от черепных или лицевых мышц или электроокулографические сигналы от движений глаз и миганий. Таким образом, они вряд ли являются реальными системами BCI. Один коммерческий BCI, который имеется в продаже, - это IntendiX (Guger Technologies, Грац, Австрия) .Это основанная на EEG система BCI, которая реализует классический протокол орфографии P3005 для ввода сообщений, производить синтезированную речь или управлять внешними устройствами.




Будущее BCI: проблемы и перспективы


Исследования и разработки Brain Computer Interface вызывают огромное волнение у ученых, инженеров, врачей и широкой общественности. Это волнение отражает широкие возможности BCI. В конечном итоге они могут использоваться для замены или восстановления полезной функции людей с тяжелыми нарушениями нервно-мышечной системы; они также могут улучшить реабилитацию для людей с инсультом, травмой головы и другими расстройствами.


В то же время это захватывающее будущее может произойти только в том случае, если исследователи и разработчики BCI будут заниматься и решать проблемы в трех критических областях: оборудование для сбора сигналов, проверка и распространение BCI и надежность.


Оборудование для сбора сигналов


Все системы BCI зависят от датчиков и соответствующего оборудования, которые получают сигналы мозга. Усовершенствования в этом оборудовании имеют решающее значение для будущего ИМК. В идеале, основанные на ЭЭГ (неинвазивные) ИМК должны иметь электроды, которые не требуют абразивного воздействия на кожу или проводящий гель (то есть так называемые сухие электроды); быть маленьким и полностью переносимым; иметь удобные, удобные и косметически приемлемые крепления; быть простым в настройке; функционировать в течение многих часов без обслуживания; хорошо работать в любых условиях; работать с помощью телеметрии вместо необходимости проводки; и легко взаимодействовать с широким спектром приложений. В принципе, многие из этих потребностей могут быть удовлетворены с помощью современной технологии, и варианты сухих электродов начинают становиться доступными (например, от g.tec Medical Engineering, Schiedlberg, Austria). Достижение хорошей производительности во всех средах может оказаться самым сложным требованием.


Интерфейсы мозг-компьютер, использующие имплантированные электроды, сталкиваются с рядом сложных проблем. Эти системы нуждаются в оборудовании, которое является безопасным и полностью имплантируемым; остается целым, функциональным и надежным в течение десятилетий; записывает стабильные сигналы в течение многих лет; передает записанные сигналы с помощью телеметрии; может заряжаться на месте (или имеет аккумуляторы, которые служат годами или десятилетиями); имеет внешние элементы, которые являются прочными, удобными, удобными и ненавязчивыми; и легко взаимодействует с высокопроизводительными приложениями. Хотя в последние годы были достигнуты большие успехи, и в отдельных случаях микроэлектродные имплантаты продолжали функционировать в течение многих лет, неясно, какие решения будут наиболее успешными. BCI, основанные на потенциале ECoG или локального поля, могут обеспечивать более стабильно стабильную работу, чем BCI, которые зависят от нейрональных потенциалов действия. Тем не менее, вполне возможно, что для инвазивных ИМЦ потребуется полное, но пока не определенное новшество в сенсорной технологии, чтобы реализовать свое полное обещание. Большая часть необходимых исследований будет по-прежнему опираться главным образом на исследования на животных до начала испытаний на людях.


Валидация и распространение


По мере того, как работа продвигается, и BCI начинают входить в реальное клиническое использование, возникают 2 важных вопроса: насколько хорошим может получиться данный ИМК (например, насколько он способен и надежен) и какие ИМК лучше всего подходят для каких целей.

Чтобы ответить на первый вопрос, каждый многообещающий BCI должен быть оптимизирован, и должны быть определены ограничения на возможности пользователей с ним. Решение второго вопроса потребует консенсуса между исследовательскими группами в отношении того, какие приложения следует использовать для сравнения ИМК и как следует оценивать эффективность.

Наиболее очевидным примером является вопрос о том, значительно ли лучше показатели BCI, которые используют внутрикортикальные сигналы, по сравнению с показателями BCI, которые используют сигналы ECoG или даже сигналы ЭЭГ. Для многих потенциальных пользователей инвазивные BCI должны обеспечивать гораздо лучшую производительность, чтобы быть предпочтительными по сравнению с неинвазивными BCI. Еще не уверен, что они могут сделать это.

На сегодняшний день данные не дают четкого ответа на этот ключевой вопрос. С одной стороны, может оказаться, что неинвазивные BCI на основе ЭЭГ или fNIR используются в основном для базовой коммуникации, в то время как BCI на основе ECoG или нейронов используется для комплексного управления движением. С другой стороны, неинвазивные BCI могут оказаться почти или в равной степени способными к таким сложным применениям, в то время как инвазивные BCI, которые являются полностью имплантируемыми (и, следовательно, очень удобными для использования), могут быть предпочтительными для некоторых людей даже для базовых коммуникационных целей. На данный момент возможны многие различные результаты, и исследования и обсуждения, необходимые для выбора среди них, только начались.


Разработка ИМК для людей с ограниченными возможностями требует четкой проверки их реальной ценности с точки зрения эффективности, практичности (включая экономическую эффективность) и воздействия на качество жизни. Это зависит от междисциплинарных групп, способных и желающих проводить длительные исследования реального использования в сложных и часто сложных условиях. Такие исследования, которые только начинаются (например, Sellers et al. 41), являются важным шагом, если BCI хотят реализовать свое обещание. Проверка ИМК для реабилитации после инсультов или других расстройств также будет требовательной и потребует тщательного сравнения с результатами только обычных методов.


Нынешние BCI с их ограниченными возможностями потенциально полезны в основном для людей с очень серьезными нарушениями. Поскольку эта группа пользователей относительно невелика, эти ИМК, по сути, являются бесхозной технологией: у коммерческих интересов пока нет достаточного стимула для их производства или содействия их широкому распространению. Инвазивные ИМК влекут за собой значительные затраты на первоначальную имплантацию, а также расходы на текущую техническую поддержку. Хотя первоначальные затраты на неинвазивные системы BCI относительно невелики (например, 5000–10 000 долл. США), они также требуют определенной меры постоянной технической поддержки. Будущая коммерческая практичность всех ИБК будет зависеть от сокращения объема и сложности требуемой долгосрочной поддержки, увеличения числа пользователей и обеспечения возмещения от страховых компаний и государственных учреждений.


Очевидное свидетельство того, что ИМК могут улучшить моторную реабилитацию, может значительно увеличить потенциальную популяцию пользователей. В любом случае, если и когда дальнейшая работа улучшит функциональность ИМК и сделает их коммерчески привлекательными, их распространение потребует жизнеспособных бизнес-моделей, которые дают как финансовый стимул для коммерческой компании, так и адекватную компенсацию клиническому и техническому персоналу, который развернет и поддержит BCIS. Оптимальным сценарием может быть сценарий, при котором ИМК для людей с тяжелыми формами инвалидности развиваются синергетически с ИМК для населения в целом.


Надежность


Хотя будущее технологии BCI, безусловно, зависит от улучшений в получении сигналов и от четких проверочных исследований и моделей жизнеспособного распространения, эти проблемы бледнеют рядом с проблемами, связанными с проблемой надежности. В любом случае, независимо от способа записи, типа сигнала или алгоритма обработки сигнала, надежность BCI для всех, кроме самых простых приложений, остается низкой. Интерфейсы мозг-компьютер, подходящие для реального использования, должны быть такими же надежными, как и естественные действия на основе мышц. Без существенных улучшений реальная полезность ИМК в лучшем случае останется ограниченной только самыми основными коммуникационными функциями для людей с наиболее серьезными нарушениями.


Решение этой проблемы зависит от признания и привлечения 3 фундаментальных проблем: центральная роль адаптивных взаимодействий в работе BCI; желательность разработки ИМК, имитирующих распределенное функционирование нормальной ЦНС; и важность включения дополнительных сигналов мозга и обеспечения дополнительной сенсорной обратной связи.


Интерфейсы мозг-компьютер позволяют ЦНС приобретать новые навыки, в которых сигналы мозга заменяют спинномозговые двигательные нейроны, которые производят естественные мышечные навыки. Мускульные навыки зависят от их приобретения и долгосрочного поддержания постоянной пластической активности, зависящей от активности, по всей ЦНС, от коры до спинного мозга. Эта пластичность, которая обычно требует практики в течение нескольких месяцев или лет, позволяет детям ходить и говорить; дети учатся чтению, письму и арифметике; и взрослые, чтобы приобрести спортивные и интеллектуальные навыки.


Приобретение и поддержание основанных на BCI навыков, таких как надежное многомерное управление движением, требует сопоставимой пластичности (например, как описано различными исследователями). Работа интерфейса мозг-компьютер основана на эффективном взаимодействии двух адаптивных контроллеров, ЦНС и BCI. BCI должен адаптироваться так, чтобы его выходы соответствовали намерениям пользователя. В то же время BCI должен поощрять и облегчать пластичность ЦНС, что повышает точность и надежность, с которой сигналы мозга кодируют намерения пользователя. В итоге BCI и CNS должны работать вместе, чтобы приобретать и поддерживать надежное партнерство при любых обстоятельствах. Работа, необходимая для достижения этого партнерства, только началась. Он затрагивает фундаментальные нейробиологические вопросы и может дать важное представление о функции ЦНС в целом.


Принципы, определяющие, как ЦНС приобретает, улучшает и поддерживает свои естественные функции мышц, могут быть лучшим руководством для разработки ИМК. Центральная нервная система контролирует двигательные действия, как правило, распределены по нескольким областям. Корковые зоны могут определять цель и общий ход действия; однако детали (особенно высокоскоростные сенсомоторные взаимодействия) часто обрабатываются на подкорковых уровнях.


Производительность интерфейса мозг-компьютер также может выиграть от распределенного контроля. Для BCI распределение должно быть между выходными командами BCI (т. е. Намерением пользователя) и прикладным устройством, которое получает команды и преобразует их в действие. Оптимальное распределение предположительно будет варьироваться от BCI к BCI и от приложения к приложению. Реализация надежной производительности BCI может быть облегчена путем включения в само приложение столько контроля, сколько согласуется с действием, которое должно быть произведено, так же как распределение контроля в ЦНС обычно адаптируется к каждому нервно-мышечному действию.


Естественные мышечные показатели ЦНС отражают совокупный вклад любые участки мозга от коры до спинного мозга. Это говорит о том, что производительность BCI может быть улучшена и поддерживаться с помощью сигналов из нескольких областей мозга и с помощью функций сигналов мозга, которые отражают отношения между областями (например, когерентность). Позволяя ЦНС функционировать больше, чем при выработке мышечных навыков, этот подход может повысить надежность BCI.


Использование сигналов из нескольких корковых и / или подкорковых областей также может устранить еще одно препятствие на пути к полностью практическим ИМК. В текущих BCI BCI, а не пользователь, обычно определяет, когда производится продукция. В идеале, BCI должны быть с самостоятельной кардиостимуляцией, чтобы BCI всегда был доступен, а мозг пользователя самостоятельно контролировал, когда производится выход BCI. Интерфейсы мозг-компьютер, которые используют сигналы из нескольких областей, с большей вероятностью будут чувствительны к текущему контексту и, следовательно, могут лучше распознавать, когда их выходные данные являются или не являются подходящими.


Наконец, текущие ИМК обеспечивают в основном визуальную обратную связь, которая является относительно медленной и часто неточной. Напротив, естественные мышечные навыки основаны на многочисленных видах сенсорной информации (например, проприоцептивной, кожной, зрительной, слуховой). Интерфейсы мозг-компьютер, которые управляют приложениями, включающими высокоскоростные сложные движения (например, движение конечностей), скорее всего выиграют от сенсорной обратной связи, которая быстрее и точнее, чем зрение. Усилия по обеспечению такой обратной связи через стимуляторы в коре или в другом месте уже начались. Оптимальные методы, вероятно, будут варьироваться в зависимости от BCI, области применения и инвалидности пользователя (например, периферические вводы часто могут быть неэффективными у людей с повреждениями спинного мозга).




Вывод


Многие исследователи во всем мире разрабатывают системы BCI, которые несколько лет назад находились в области научной фантастики. Эти системы используют различные сигналы мозга, методы записи и алгоритмы обработки сигналов. Они могут управлять множеством различных устройств, от курсоров на экранах компьютеров до инвалидных колясок и роботизированных рук. Несколько людей с серьезными нарушениями уже используют BCI для базового общения и контроля в своей повседневной жизни. Благодаря более качественному оборудованию для сбора сигналов, четкой клинической валидации, жизнеспособным моделям распространения и, возможно, наиболее важному повышению надежности, ИМК могут стать основной новой технологией связи и контроля для людей с ограниченными возможностями - и, возможно, для населения в целом.



Brain Computer Interface: 


■ Интерфейс мозг-компьютер (BCI) - это компьютерная система, которая получает сигналы мозга, анализирует их и преобразует их в команды, которые передаются на устройство вывода для выполнения желаемого действия.

■ В принципе, любой тип сигнала мозга можно использовать для управления системой BCI. Чаще всего изучаемые сигналы представляют собой электрические сигналы от активности мозга, измеряемые электродами на коже головы, на поверхности коры или в коре.

■ Система BCI состоит из 4 последовательных компонентов: (1) получение сигнала, (2) извлечение признаков, (3) трансляция признаков и (4) выход устройства. Эти 4 компонента управляются рабочим протоколом, который определяет начало и время срабатывания, детали обработки сигналов, характер команд устройства и контроль производительности.

■ В настоящее время поразительные достижения исследований и разработок BCI почти полностью ограничены исследовательской лабораторией. Исследования, направленные на то, чтобы продемонстрировать практичность и эффективность BCI для долгосрочного использования людьми с ограниченными возможностями в домашних условиях, только начинаются.

■ Нейрокомпьютерные интерфейсы могут в конечном итоге регулярно использоваться для замены или восстановления полезной функции для людей с тяжелыми нарушениями нервно-мышечной системы и для увеличения естественной двигательной активности пилотов, хирургов и других высококвалифицированных специалистов. Интерфейсы мозг-компьютер также могут улучшить реабилитацию для людей с инсультом, травмой головы и другими нарушениями.

■ Будущее ИМК зависит от прогресса в 3 критических областях: разработка удобного, удобного и стабильного оборудования для сбора сигналов; Проверка и распространение BCI; и доказанная надежность и ценность BCI для многих различных групп пользователей.