Hjerne-computer interface kunne forbedre høreapparater

(Phys.org)—Forskere arbejder på de tidlige stadier af en hjerne-computer grænseflade (BCI), der kan fortælle, hvem du lytter til i et rum fyldt med støj og andre mennesker, der taler. I fremtiden, teknologien kunne indarbejdes i høreapparater som små stråledannende, der peger i interesseretningen, så de tuner ind på bestemte samtaler, lyder, eller stemmer, som en person er opmærksom på, mens du fjerner uønsket baggrundsstøj.

Forskerne, Carlos da Silva Souto og medforfattere ved University of Oldenburg's Department of Medical Physics and Cluster of Excellence Hearing4all, har udgivet et papir om en proof-of-concept auditiv BCI i et nyligt nummer af Biomedicinsk Fysik og Engineering Express .

Indtil nu, det meste af BCI-forskningen har primært fokuseret på visuelle stimuli, som i øjeblikket udkonkurrerer systemer, der bruger auditive stimuli, muligvis på grund af den større kortikale overflade af det visuelle system sammenlignet med den auditive cortex. Imidlertid, for personer, der er synshandicappede eller fuldstændigt lammet, auditivt-baseret BCI kunne tilbyde et potentielt alternativ.

I den nye undersøgelse, 12 frivillige lyttede til to optagede stemmer (en mand, en kvinde) taler gentagne stavelser, og blev bedt om at være opmærksom på kun én af stemmerne. I de tidlige sessioner, elektroencefalogram (EEG) data om hjernens elektriske aktivitet blev brugt til at træne deltagerne. Ved senere sessioner, systemet blev testet på, hvor nøjagtigt det klassificerede EEG-dataene for at bestemme, hvilken stemme den frivillige var opmærksom på.

I første omgang, systemet klassificerede dataene med omkring 60 % nøjagtighed – over chanceniveauet, men ikke god nok til praktisk brug. Ved at øge analysetiden fra 20 sekunder til 2 minutter, forskerne kunne forbedre nøjagtigheden til næsten 80%. Selvom dette analysevindue er for langt til virkelige situationer, og nøjagtigheden kan forbedres yderligere, resultaterne er blandt de første, der viser, at det er muligt at klassificere EEG-data fremkaldt fra talte stavelser.

I fremtiden, forskerne planlægger at optimere klassificeringsmetoderne for yderligere at forbedre systemets ydeevne.

© 2017 Phys.org