Bærbar hjerne-maskine-grænseflade kunne styre en kørestol, køretøj eller computer

Kombination af nye klasser af nanomembranelektroder med fleksibel elektronik og en deep learning -algoritme kan hjælpe handicappede med at styre en elektrisk kørestol trådløst, interagere med en computer eller betjene et lille robotvogn uden at tage en omfangsrig hårelektrodehætte på eller stride med ledninger.

Ved at levere en fuldt bærbar, trådløs hjerne-maskine-grænseflade (BMI), det bærbare system kan tilbyde en forbedring i forhold til konventionel elektroencefalografi (EEG) til måling af signaler fra visuelt fremkaldte potentialer i den menneskelige hjerne. Systemets evne til at måle EEG -signaler til BMI er blevet evalueret med seks mennesker, men er ikke blevet undersøgt med handicappede.

Projektet, udført af forskere fra Georgia Institute of Technology, University of Kent og Wichita State University, blev rapporteret den 11. september i journalen Nature Machine Intelligence .

"Dette arbejde rapporterer grundlæggende strategier for at designe en ergonomisk, bærbart EEG -system til en bred vifte af hjælpemidler, smarte hjemmesystemer og neuro-gaming-grænseflader, "sagde Woon-Hong Yeo, en adjunkt i Georgia Techs George W. Woodruff School of Mechanical Engineering og Wallace H. Coulter Institut for Biomedicinsk Teknik. "Den primære innovation er udviklingen af ​​en fuldt integreret pakke med højopløselige EEG-overvågningssystemer og kredsløb inden for et miniaturiseret hudkonformt system."

BMI er en væsentlig del af rehabiliteringsteknologi, der tillader dem med amyotrofisk lateral sklerose (ALS), kronisk slagtilfælde eller andre alvorlige motoriske handicap til at kontrollere protesesystemer. Indsamling af hjernesignaler kendt som steady-state praktisk talt fremkaldte potentialer (SSVEP) kræver nu brug af en elektrodebesat hårhætte, der bruger våde elektroder, klæbemidler og ledninger til at forbinde med computerudstyr, der fortolker signalerne.

Yeo og hans samarbejdspartnere drager fordel af en ny klasse fleksibel, trådløse sensorer og elektronik, der let kan påføres huden. Systemet indeholder tre primære komponenter:meget fleksibel, hårmonterede elektroder, der får direkte kontakt med hovedbunden gennem hår; en ultratynd nanomembranelektrode; og blødt, fleksibel kredsløb med en Bluetooth -telemetrienhed. De registrerede EEG -data fra hjernen behandles i det fleksible kredsløb, derefter trådløst leveret til en tabletcomputer via Bluetooth fra op til 15 meter væk.

Ud over sansningskravene, at detektere og analysere SSVEP -signaler har været udfordrende på grund af den lave signalamplitude, som ligger i intervallet mellem titalls mikro-volt, ligner elektrisk støj i kroppen. Forskere skal også håndtere variation i menneskelige hjerner. Men nøjagtig måling af signalerne er afgørende for at bestemme, hvad brugeren ønsker, at systemet skal gøre.

For at løse disse udfordringer, forskergruppen vendte sig til deep learning neurale netværksalgoritmer, der kører på det fleksible kredsløb.

"Metoder til dyb læring, almindeligt anvendt til at klassificere billeder af hverdagsting såsom katte og hunde, bruges til at analysere EEG -signaler, "sagde Chee Siang (Jim) Ang, universitetslektor i multimedie/digitale systemer ved University of Kent. "Som billeder af en hund, der kan have mange variationer, EEG -signaler har den samme udfordring med høj variation. Deep learning -metoder har vist sig at fungere godt med billeder, og vi viser, at de også fungerer meget godt med EEG -signaler. "

Ud over, forskerne brugte deep learning -modeller til at identificere, hvilke elektroder der er mest nyttige til at indsamle information til klassificering af EEG -signaler. "Vi fandt ud af, at modellen er i stand til at identificere de relevante steder i hjernen for BMI, som er enig med menneskelige eksperter, "Ang tilføjet." Dette reducerer antallet af sensorer, vi har brug for, reducere omkostninger og forbedre transportabilitet. "

Systemet bruger tre elastomere hovedbundselektroder, der holdes på hovedet med et stofbånd, ultratynd trådløs elektronik tilpasset halsen, og en hudlignende trykt elektrode placeret på huden under et øre. De tørre bløde elektroder klæber til huden og bruger ikke klæbemiddel eller gel. Sammen med brugervenligheden, systemet kunne reducere støj og interferens og give højere dataoverførselshastigheder sammenlignet med eksisterende systemer.

Systemet blev evalueret med seks mennesker. Deep learning-algoritmen med dataklassificering i realtid kunne styre en elektrisk kørestol og et lille robotkøretøj. Signalerne kunne også bruges til at styre et displaysystem uden at bruge et tastatur, joystick eller anden controller, Sagde Yeo.

"Typiske EEG -systemer skal dække størstedelen af ​​hovedbunden for at få signaler, men potentielle brugere kan være følsomme over for at bære dem, "Yeo tilføjet." Denne miniaturiseret, bærbar blød enhed er fuldt integreret og designet til at være behagelig til langvarig brug. "

Næste trin vil omfatte forbedring af elektroderne og gøre systemet mere nyttigt for motorhæmmede personer.

"Fremtidig undersøgelse vil fokusere på undersøgelse af fuldt elastomerisk, trådløse selvklæbende elektroder, der kan monteres på den behårede hovedbund uden støtte fra hovedbeklædning, sammen med yderligere miniaturisering af elektronikken for at inkorporere flere elektroder til brug med andre undersøgelser, "Sagde Yeo." EEG-systemet kan også omkonfigureres til at overvåge motorfremkaldte potentialer eller motorisk fantasi for motionshæmmede personer, som vil blive yderligere undersøgt som et fremtidigt arbejde med terapeutiske anvendelser. "

Langsigtet, systemet kan have potentiale til andre applikationer, hvor enklere EEG -overvågning ville være nyttig, såsom i søvnundersøgelser foretaget af Audrey Duarte, en lektor ved Georgia Tech's School of Psychology.

"Dette EEG -overvågningssystem har potentiale til endelig at tillade forskere at overvåge menneskelig neural aktivitet på en relativt diskret måde, mens emner går i deres liv, "sagde hun." F.eks. Dr. Yeo og jeg bruger i øjeblikket et lignende system til at overvåge neural aktivitet, mens folk sover i deres eget hjem, frem for laboratoriet med omfangsrig, stiv, ubehageligt udstyr, som det sædvanligvis gøres. Måling af søvnrelateret neural aktivitet med et umærkeligt system kan muligvis identificere nye, ikke-invasive biomarkører for Alzheimers-relateret neural patologi, der forudsiger demens. "

Ud over de allerede nævnte, forskergruppen omfattede Musa Mahmood, Yun-Soung Kim, Saswat Mishra, og Robert Herbert fra Georgia Tech; Deogratias Mzurikwao fra University of Kent; og Yongkuk Lee fra Wichita State University.