Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

A relação Wearable da cérebro-máquina podia ajudar deficientes motores a controlar uma cadeira de rodas ou um veículo

Combinar classes novas de eléctrodos do nanomembrane com a eletrônica flexível e um algoritmo de aprendizagem profundo podia ajudar deficientes motores sem fio a controlar uma cadeira de rodas elétrica, a interagir com um computador ou a operar um veículo robótico pequeno sem donning um tampão volumoso do cabelo-eléctrodo ou afirmar com fios.

Fornecendo uma relação inteiramente portátil, sem fio da cérebro-máquina (BMI), o sistema wearable podia oferecer uma melhoria sobre a electroencefalografia convencional (EEG) para sinais de medição dos potenciais visualmente evocados no cérebro humano. A capacidade do sistema para medir sinais do EEG para BMI foi avaliada com seis assuntos humanos, mas não estudada com indivíduos deficientes.

O projecto, conduzido por pesquisadores do Instituto de Tecnologia de Geórgia, universidade de Kent e universidade estadual de Wichita, foi relatado o 11 de setembro na inteligência de máquina da natureza do jornal.

Este trabalho relata estratégias fundamentais para projectar um sistema ergonómico, portátil do EEG para uma escala larga de dispositivos assistivas, uns sistemas home espertos e umas relações do neuro-jogo. A inovação preliminar está na revelação de um pacote inteiramente integrado de sistemas de vigilância e de circuitos de alta resolução do EEG dentro de um sistema pele-constituído miniaturizado.”

Woon-Hong Yeo, professor adjunto, escola da aspérula de George W. da tecnologia de Geórgia da engenharia mecânica e Wallace H. Relha Departamento da engenharia biomedicável

BMI é uma parte essencial de tecnologia da reabilitação que permite que aqueles com esclerose de lateral amyotrophic (ALS), curso crônico ou outras inabilidades severas do motor controlem sistemas protéticos. Recolher os sinais do cérebro conhecidos como potenciais virtualmente evocados de estado estacionário (SSVEP) exige agora o uso de um tampão eléctrodo-enchido do cabelo que use os eléctrodos, adesivos e fios molhados para conectar com o material informático que interpreta os sinais.

Yeo e seus colaboradores estão aproveitando-se de uma classe nova de sensores flexíveis, sem fio e de eletrônica que podem facilmente ser aplicados à pele. O sistema inclui três componentes preliminares: eléctrodos altamente flexíveis, cabelo-montados que fazem o contacto directo com o escalpe através do cabelo; um eléctrodo ultrathin do nanomembrane; e contorno macio, flexível com uma unidade da telemetria de Bluetooth. Os dados gravados do EEG do cérebro são processados nos circuitos flexíveis, a seguir entregados sem fio a um computador da tabuleta através de Bluetooth de até 15 medidores ausente.

Além das exigências de detecção, detectar e analisar sinais de SSVEP foram desafiantes devido à baixa amplitude do sinal, que está na escala dos dez dos microvolts, similar ao ruído elétrico no corpo. Os pesquisadores igualmente devem tratar a variação em cérebros humanos. Contudo exactamente medir os sinais é essencial a determinar o que o usuário quer o sistema fazer.

Para endereçar aqueles desafios, a equipa de investigação girou para profundamente a aprendizagem dos algoritmos da rede neural que são executado nos circuitos flexíveis.

“Métodos de aprendizagem profundos, de uso geral classificar imagens de coisas diárias tais como gatos e cães, é usada para analisar os sinais do EEG,” disse ANG de Chee Siang (Jim), conferente superior nos multimédios/sistemas de Digitas na universidade de Kent. “Como imagens de um cão que possa ter muitas variações, sinais do EEG tenha o mesmo desafio da variabilidade alta. Os métodos de aprendizagem profundos provaram trabalhar bem com imagens, e nós mostramos que trabalham muito bem com sinais do EEG também.”

Além, os pesquisadores usaram profundamente a aprendizagem de modelos identificar que eléctrodos são os mais úteis para recolher a informação para classificar sinais do EEG. “Nós encontramos que o modelo pode identificar os lugar relevantes no cérebro para BMI, que é em conformidade com peritos humanos,” o ANG adicionado. “Isto reduz o número de sensores que nós precisamos, cortando o custo e melhorando a mobilidade.”

O sistema usa três eléctrodos elastomeric do escalpe sustentados a cabeça com uma faixa da tela, a eletrônica sem fio ultrathin conformou-se ao pescoço, e à pele-como o eléctrodo impresso colocado na pele abaixo de uma orelha. Os eléctrodos macios secos aderem à pele e não usam o adesivo ou o gel. Ao longo de facilmente do uso, o sistema poderia reduzir o ruído e a interferência e para fornecer umas taxas mais altas da transmissão de dados comparou aos sistemas existentes.

O sistema foi avaliado com seis assuntos humanos. O algoritmo de aprendizagem profundo com classificação dos dados do tempo real podia controlar uma cadeira de rodas elétrica e um veículo robótico pequeno. Os sinais poderiam igualmente ser usados para controlar um sistema de indicador sem usar um teclado, manche ou o outro controlador, Yeo disse.

“Os sistemas típicos do EEG devem cobrir a maioria do escalpe para obter sinais, mas os usuários potenciais podem ser sensíveis sobre vesti-los,” Yeo adicionou. “Isto miniaturizado, dispositivo macio wearable inteiramente é integrado e projectado ser confortável para o uso a longo prazo.”

Os passos seguintes incluirão o melhoramento dos eléctrodos e a factura do sistema mais útil para indivíduos motor-danificados.

“O estudo futuro centrar-se-ia sobre a investigação dos eléctrodos autoadesivos inteiramente elastomeric, sem fio que podem ser montados no escalpe peludo sem nenhum apoio da chapelaria, junto com uma miniaturização mais adicional da eletrônica para incorporar mais eléctrodos para o uso com outros estudos,” Yeo disse. “O sistema do EEG pode igualmente ser reconfigurado para monitorar potenciais ou a imaginação motor-evocada do motor para os assuntos motor-danificados, que serão estudados mais como um trabalho futuro em aplicações terapêuticas.”

O prazo, o sistema pode ter o potencial para outras aplicações onde uma monitoração mais simples do EEG seria útil, como nos estudos do sono feitos por Audrey Duarte, um professor adjunto na escola da tecnologia de Geórgia da psicologia.

“Este sistema de vigilância do EEG tem o potencial permitir finalmente que os cientistas monitorem a actividade neural humana em uma maneira relativamente discreta como os assuntos vão aproximadamente suas vidas,” ela disse. “Por exemplo, o Dr. Yeo e eu estamos usando actualmente um sistema similar à actividade neural do monitor quando os povos dormirem no conforto de suas próprias HOME, um pouco do que o laboratório com equipamento volumoso, rígido, incômodo, como é feito habitualmente. A actividade neural sono-relacionada de medição com um sistema imperceptível pode permitir que nós identifiquem biomarkers novos, não invasores de patologia neural Alzheimer's-relacionada com carácter de previsão da demência.”

Source:
Journal reference:

Mahmood, M. et al. (2019) Fully portable and wireless universal brain–machine interfaces enabled by flexible scalp electronics and deep learning algorithm. Nature Machine Intelligence. doi.org/10.1038/s42256-019-0091-7.