Advertencia: Esta página es una traducción de esta página originalmente en inglés. Tenga en cuenta ya que las traducciones son generadas por máquinas, no que todos traducción será perfecto. Este sitio Web y sus páginas están destinadas a leerse en inglés. Cualquier traducción de este sitio Web y su páginas Web puede ser imprecisa e inexacta en su totalidad o en parte. Esta traducción se proporciona como una conveniencia.

El interfaz usable de la cerebro-máquina podía ayudar a personas discapacitadas a controlar una silla de ruedas o un vehículo

Combinar nuevas clases de los electrodos del nanomembrane con electrónica flexible y un algoritmo de aprendizaje profundo podía ayudar a personas discapacitadas inalámbrico a controlar una silla de ruedas eléctrica, a obrar recíprocamente con una computador o a operar un pequeño vehículo robótico sin poner un casquillo abultado del pelo-electrodo o la afirmación con los alambres.

Ofreciendo un interfaz completo portátil, inalámbrico de la cerebro-máquina (BMI), el sistema usable podía ofrecer una mejoría sobre la electroencefalografía convencional (EEG) para las señales de medición de potenciales visualmente evocados en el cerebro humano. La capacidad del sistema de medir las señales de EEG para BMI se ha evaluado con seis temas humanos, pero no se ha estudiado con los individuos lisiados.

El proyecto, conducto por los investigadores del Instituto de Tecnología de Georgia, universidad de Kent y universidad de estado de Wichita, fue denunciado el 11 de septiembre en la inteligencia de máquina de la naturaleza del gorrón.

Este trabajo denuncia estrategias fundamentales para diseñar un sistema ergonómico, portátil de EEG para una amplia gama de dispositivos assistive, sistemas caseros elegantes e interfaces del neuro-juego. La innovación primaria está en el revelado de un empaquetar completo integrado de los sistemas de vigilancia de alta resolución y de los circuitos de EEG dentro de un sistema piel-conformal miniaturizado.”

Woon-Hong Yeo, profesor adjunto, escuela de la aspérula de George W. de la tecnología de Georgia de la ingeniería industrial y Wallace H. Coulter Department de la ingeniería biomédica

BMI es una parte esencial de la tecnología de la rehabilitación que permite que ésos con esclerosis lateral amiotrófica (ALS), el recorrido crónico u otras incapacidades severas del motor controlen sistemas prostéticos. La acopio de las señales del cerebro conocidas como potenciales virtualmente evocados de estado estacionario (SSVEP) ahora requiere uso de un casquillo electrodo-tachonado del pelo que utilice los electrodos, los adhesivos y los alambres mojados para conectar con el material informático que interpreta las señales.

Yeo y sus colaboradores se están aprovechando de una nueva clase de los sensores flexibles, inalámbricos y de la electrónica que se pueden aplicar fácilmente a la piel. El sistema incluye tres componentes primarios: electrodos altamente flexibles, pelo-montados que hacen el contacto directo con el cuero cabelludo a través del pelo; un electrodo ultrafino del nanomembrane; y contorno suave, flexible con una unidad de la telemetría de Bluetooth. Los datos registrados de EEG del cerebro se tramitan en el conjunto de circuitos flexible, después inalámbrico se entregan a una computador de la tablilla vía Bluetooth de hasta 15 contadores de ausente.

Más allá de los requisitos que detectaban, descubrir y analizar señales de SSVEP han sido desafiadores debido a la amplitud inferior de la señal, que está en el rango de diez de microvoltios, similar al ruido eléctrico en la carrocería. Los investigadores también deben ocuparse de la variación en cerebros humanos. Con todo exacto la medición de las señales es esencial para la determinación de lo que quisiera el utilizador que el sistema hiciera.

Para dirigir esos retos, el equipo de investigación giró a los algoritmos de aprendizaje profundos de la red neuronal que se ejecutaban en el conjunto de circuitos flexible.

De “métodos aprendizaje profundos, de uso general clasificar los retratos de cosas diarias tales como gatos y perros, se utiliza para analizar las señales de EEG,” dijo ANG de Chee Siang (Jim), conferenciante mayor en multimedias/los sistemas de Digitaces en la universidad de Kent. “Como los retratos de un perro que pueda tener muchas variaciones, señales de EEG tenga el mismo reto de la alta variabilidad. Los métodos de aprendizaje profundos han demostrado trabajar bien con los retratos, y mostramos que trabajan muy bien con las señales de EEG también.”

Además, los investigadores utilizaron profundamente el aprendizaje de modelos para determinar qué electrodos son los más útiles para recopilar la información para clasificar señales de EEG. “Encontramos que el modelo puede determinar las situaciones relevantes en el cerebro para BMI, que está de común acuerdo con expertos humanos,” el ANG agregado. “Esto reduce el número de sensores que necesitamos, cortando costo y perfeccionando portabilidad.”

El sistema utiliza tres electrodos elastoméricos del cuero cabelludo esperados sobre la culata de cilindro con una banda del tejido, la electrónica inalámbrica ultrafina se ajustó al cuello, y a un electrodo impreso semejante a la piel colocado en la piel abajo de un oído. Los electrodos suaves secos se adhieren a la piel y no utilizan el adhesivo o el gel. A lo largo de fácilmente del uso, el sistema podría reducir ruido y la interferencia y ofrecer regímenes de transmisión más altos de datos comparó a los sistemas existentes.

El sistema fue evaluado con seis temas humanos. El algoritmo de aprendizaje profundo con la clasificación en tiempo real de los datos podía controlar una silla de ruedas eléctrica y un pequeño vehículo robótico. Las señales se podrían también utilizar para controlar un sistema de visualización sin usar un teclado, la palanca de mando o el otro controlador aéreo, Yeo dijo.

Los “sistemas típicos de EEG deben revestir a la mayoría del cuero cabelludo para conseguir señales, pero los utilizadores potenciales pueden ser sensibles sobre desgastarlas,” Yeo agregó. “Éste miniaturizado, dispositivo suave usable es completo integrado y diseñado ser cómodo para el uso a largo plazo.”

Los pasos siguientes incluirán perfeccionar los electrodos y la fabricación del sistema más útil para los individuos motor-empeorados.

El “estudio futuro se centraría en la investigación de los electrodos autos-adhesivo completo elastoméricos, inalámbricos que se pueden montar en el cuero cabelludo melenudo sin ningún apoyo del sombrero, junto con la miniaturización adicional de la electrónica para incorporar más electrodos para el uso con otros estudios,” Yeo dijo. “El sistema de EEG se puede también configurar de nuevo para vigilar potenciales o la imaginación motor-evocados del motor para los temas motor-empeorados, que serán estudiados más a fondo como trabajo futuro sobre usos terapéuticos.”

El largo plazo, el sistema puede tener potencial para otros usos donde estaría útil una supervisión más simple de EEG, por ejemplo en los estudios del sueño hechos por Audrey Duarte, un profesor adjunto en la escuela de la tecnología de Georgia de la psicología.

“Este sistema de vigilancia de EEG tiene el potencial finalmente de permitir que los científicos vigilen actividad de los nervios humana de una manera relativamente discreta como van los temas alrededor sus vidas,” ella dijo. “Por ejemplo, el Dr. Yeo y yo estamos utilizando actualmente un sistema similar a la actividad de los nervios del monitor mientras que la gente duerme en la comodidad de sus propios hogares, bastante que el laboratorio con el equipo abultado, rígido, incómodo, como se hace acostumbradamente. La actividad de los nervios sueño-relacionada de medición con un sistema imperceptible puede permitir que determinemos biomarkers nuevos, no invasores de la patología de los nervios Alzheimer-relacionada profética de demencia.”

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.