Brain interface открывает безграничные возможности для людей с ограниченными возможностями.

Опубликовано 29 February 2020
 Исследователи разработали новую головную гарнитуру с интерфейсом мозг-машина, которая использует возможности машинного обучения, чтобы позволить людям с ограниченными возможностями маневрировать в инвалидной коляске одной мыслью.


Источник: Технологический институт Джорджии


Объединение новых классов наномембранных электродов с гибкой электроникой и алгоритмом глубокого обучения может помочь инвалидам без проводов управлять электрическим креслом-коляской, взаимодействовать с компьютером или управлять небольшим роботизированным транспортным средством, не надевая громоздкую крышку с электродом для волос и не сражаясь с проводами.


Предоставляя полностью портативный беспроводной интерфейс мозг-машина (ИМТ), носимая система может предложить улучшение по сравнению с обычной электроэнцефалографией (ЭЭГ) для измерения сигналов от визуально вызванных потенциалов в мозге человека. Способность системы измерять сигналы ЭЭГ для ИМТ была оценена на шести людях, но не была изучена на людях с ограниченными возможностями.


Проект, проведенный исследователями из Технологического института Джорджии, Университета Кента и Государственного университета Уичито, был опубликован 11 сентября в журнале Nature Machine Intelligence.


«В этой работе представлены фундаментальные стратегии по разработке эргономичной, портативной системы ЭЭГ для широкого спектра вспомогательных устройств, систем« умного дома »и интерфейсов нейроигр», - сказал Вун-Хонг Йео, доцент в Джорджии В. Вудрафф из Технологической школы Джорджии. машиностроения и Уоллес Х. Коултер с кафедры биомедицинской инженерии. «Основным нововведением является разработка полностью интегрированного пакета систем и контуров ЭЭГ высокого разрешения в миниатюрной кожно-конформной системе».


ИМТ является неотъемлемой частью технологии реабилитации, которая позволяет больным с боковым амиотрофическим склерозом (БАС), хроническим инсультом или другими тяжелыми двигательными нарушениями контролировать протезные системы. Сбор мозговых сигналов, известных как установившиеся виртуально вызванные потенциалы (SSVEP), теперь требует использования покрытой электродами шапки для волос, которая использует влажные электроды, клеи и провода для соединения с компьютерным оборудованием, которое интерпретирует сигналы.


Йео и его сотрудники пользуются преимуществами нового класса гибких беспроводных датчиков и электроники, которые легко наносятся на кожу. Система включает в себя три основных компонента: очень гибкие, закрепленные на волосах электроды, которые напрямую соприкасаются с кожей головы через волосы; ультратонкий наномембранный электрод; и мягкая, гибкая схема с телеметрическим устройством Bluetooth. Записанные данные ЭЭГ из мозга обрабатываются в гибких схемах, а затем по беспроводной связи доставляются на планшетный компьютер через Bluetooth на расстоянии до 15 метров.


Помимо требований к зондированию, обнаружение и анализ сигналов SSVEP были сложными из-за низкой амплитуды сигнала, которая находится в диапазоне десятков микровольт, аналогично электрическим помехам в теле. Исследователи также должны иметь дело с изменением человеческого мозга. Тем не менее, точное измерение сигналов имеет важное значение для определения того, что пользователь хочет, чтобы система делала.


Чтобы решить эти проблемы, исследовательская группа обратилась к алгоритмам нейронной сети глубокого изучения, работающим на гибких схемах.


«Методы глубокого обучения, обычно используемые для классификации изображений повседневных вещей, таких как кошки и собаки, используются для анализа сигналов ЭЭГ, - сказал Чи Сян (Джим) Анг, старший преподаватель кафедры мультимедиа / цифровых систем в университете Кента. «Подобно изображениям собак, у которых может быть много вариаций, сигналы ЭЭГ имеют ту же проблему высокой изменчивости. Методы глубокого обучения хорошо работают с изображениями, и мы показываем, что они очень хорошо работают и с сигналами ЭЭГ ».


Кроме того, исследователи использовали модели глубокого обучения, чтобы определить, какие электроды наиболее полезны для сбора информации для классификации сигналов ЭЭГ. «Мы обнаружили, что модель способна идентифицировать соответствующие места в мозге для ИМТ, что согласуется с человеческими экспертами», добавил Анг. «Это уменьшает количество датчиков, которые нам нужны, сокращая стоимость и улучшая портативность».


В системе используются три эластомерных электрода для кожи головы, удерживаемых на голове тканевой лентой, ультратонкая беспроводная электроника, соответствующая шее, и подобный коже печатный электрод, размещенный на коже под ухом. Сухие мягкие электроды прилипают к коже и не используют клей или гель. Наряду с простотой использования, система может снизить уровень шума и помех и обеспечить более высокие скорости передачи данных по сравнению с существующими системами.


Система была оценена с шестью людьми. Алгоритм глубокого обучения с классификацией данных в реальном времени может управлять электрической инвалидной коляской и небольшим роботизированным транспортным средством. По словам Йео, эти сигналы могут также использоваться для управления системой отображения без использования клавиатуры, джойстика или другого контроллера.


«Типичные системы ЭЭГ должны покрывать большую часть кожи головы, чтобы получать сигналы, но потенциальные пользователи могут быть чувствительны к их ношению», - добавил Йео. «Это миниатюрное носимое мягкое устройство полностью интегрировано и разработано так, чтобы оно было удобным для длительного использования».


Следующие шаги будут включать улучшение электродов и повышение эффективности системы для людей с нарушениями моторики.

Brain interface открывает безграничные возможности для людей с ограниченными возможностями.


Испытуемый, у которого гибкая беспроводная электроника соответствовала задней части шеи, с электродами для сухих волос под тканевым оголовьем и мембранным электродом на сосцевидном отростке, соединенным с помощью тонкопленочных кабелей. Изображение с Woon-Hong Yeo.


«Будущее исследование будет сосредоточено на изучении полностью эластомерных беспроводных самоклеящихся электродов, которые могут быть установлены на волосистой части головы без какой-либо поддержки головного убора, наряду с дальнейшей миниатюризацией электроники для включения большего количества электродов для использования в других исследованиях», - сказал Йео. , «Система ЭЭГ также может быть переконфигурирована для мониторинга вызванных двигателем потенциалов или моторного воображения у пациентов с нарушениями моторики, которые будут дополнительно изучены в качестве будущей работы над терапевтическими применениями».


В долгосрочной перспективе система может иметь потенциал для других приложений, где может быть полезен более простой мониторинг ЭЭГ, например, в исследованиях сна, проведенных Одри Дуарте, доцентом в Школе психологии Джорджии.


«Эта система мониторинга ЭЭГ способна, наконец, позволить ученым контролировать нейронную активность человека относительно ненавязчивым образом, когда субъекты ведут свою жизнь», - сказала она. «Например, доктор Йео и я в настоящее время используем аналогичную систему для мониторинга нервной активности, когда люди спят в комфорте собственного дома, а не в лаборатории с громоздким, жестким, неудобным оборудованием, как это обычно делается. Измерение нервной активности, связанной со сном, с помощью незаметной системы может позволить нам выявить новые неинвазивные биомаркеры неврологической патологии, связанной с болезнью Альцгеймера, которая может предсказать деменцию ».


В дополнение к уже упомянутым, в исследовательскую группу вошли Муса Махмуд, Юн-Сунг Ким, Сасват Мишра и Роберт Герберт из Georgia Tech; Деогратиас Мзуриквао из Кентского университета; и Ёнкук Ли из Уичитского государственного университета.


Финансирование: Это исследование было поддержано грантом Программы фундаментальных исследований (проект PNK5061) Корейского института материаловедения, финансируемой Программой развития технологий наноматериалов через Национальный исследовательский фонд Кореи (NRF), финансируемый Министерством науки. , ИКТ и будущее планирование (№ 2016M3A7B4900044), а также поддержка со стороны Института электроники и нанотехнологий, члена Национальной координированной инфраструктуры нанотехнологий, которая поддерживается Национальным научным фондом (грант ECCS-1542174).




Источник:

Технологический институт Джорджии

Источник изображения:

Woon-Hong Yeo.

Оригинальное исследование: закрытый доступ

«Полностью портативные и беспроводные универсальные интерфейсы мозг-машина с гибкой электроникой скальпа и алгоритмом глубокого обучения». Муса Махмуд и др.

Nature Machine Intelligence doi: 10.1038 / s42256-019-0091-7.