Interfață creier-computer - Brain–computer interface

Pentru controlul direct al creierului al dispozitivelor protetice, vezi Neuroprostetică .

Neuropsihologie
Subiecte
Funcțiile creierului
oameni
Teste

O interfață creier-computer ( BCI ), denumită uneori interfață de control neuronal ( NCI ), interfață minte-mașină ( MMI ), interfață neuronală directă ( DNI ) sau interfață creier-mașină ( IMC ), este o cale de comunicare directă între o creier îmbunătățit sau cu fir și un dispozitiv extern. BCI sunt adesea direcționate către cercetarea, cartarea , asistarea, mărirea sau repararea funcțiilor cognitive sau senzoriale-motorii umane.

Cercetările privind BCI au început în anii 1970 de către Jacques Vidal de la Universitatea din California, Los Angeles (UCLA) în cadrul unui grant de la National Science Foundation , urmat de un contract de la DARPA . Lucrarea lui Vidal din 1973 marchează prima apariție a expresiei interfață creier-computer în literatura științifică.

Datorită plasticității corticale a creierului, semnalele de la protezele implantate pot, după adaptare, să fie tratate de creier ca senzori naturali sau canale efectoare. După ani de experimentare pe animale, primele dispozitive neuroprotetice implantate la om au apărut la mijlocul anilor '90.

Recent, studiile privind interacțiunea om-computer prin aplicarea învățării automate la caracteristicile statistice temporale extrase din lobul frontal ( undă cerebrală EEG ) au avut niveluri ridicate de succes în clasificarea stărilor mentale (relaxate, neutre, concentratoare), stărilor emoționale mentale ( Aritmie negativă, neutră, pozitivă) și talamocorticală .

Istorie

Istoria interfețelor creier-computer (BCI) începe cu descoperirea de către Hans Berger a activității electrice a creierului uman și dezvoltarea electroencefalografiei (EEG). În 1924, Berger a fost primul care a înregistrat activitatea creierului uman prin intermediul EEG. Berger a reușit să identifice activitatea oscilatorie , cum ar fi unda Berger sau unda alfa (8-13 Hz), prin analiza urmelor EEG.

Primul dispozitiv de înregistrare al lui Berger a fost foarte rudimentar. A introdus fire de argint sub scalpii pacienților săi. Acestea au fost ulterior înlocuite cu folii de argint atașate la capul pacientului cu bandaje de cauciuc. Berger a conectat acești senzori la un electrometru capilar Lippmann , cu rezultate dezamăgitoare. Cu toate acestea, dispozitivele de măsurare mai sofisticate, cum ar fi galvanometrul de înregistrare cu două bobine Siemens , care afișau tensiuni electrice de până la zece miimi de volt, au dus la succes.

Berger a analizat relația alternanțelor în diagramele sale de undă EEG cu boli ale creierului . EEG-urile au permis posibilități complet noi pentru cercetarea activităților creierului uman.

Deși termenul nu fusese încă inventat, unul dintre primele exemple de interfață funcțională creier-mașină a fost piesa Music for Solo Performer (1965) a compozitorului american Alvin Lucier . Piesa folosește EEG și hardware de procesare a semnalului analogic (filtre, amplificatoare și o placă de amestecare) pentru a stimula instrumentele de percuție acustică. Pentru a interpreta piesa, trebuie să producem unde alfa și astfel să „jucăm” diferitele instrumente de percuție prin difuzoare care sunt plasate în apropierea sau direct pe instrumente.

Profesorul UCLA Jacques Vidal a inventat termenul „BCI” și a produs primele publicații peer-review pe această temă. Vidal este recunoscut pe scară largă ca inventator al BCI în comunitatea BCI, după cum se reflectă în numeroase articole revizuite de colegi care revizuiesc și discută domeniul (de exemplu,). O revizuire a subliniat că lucrarea lui Vidal din 1973 a afirmat „provocarea BCI” a controlului obiectelor externe utilizând semnale EEG și, în special, utilizarea potențialului de variație negativă contingentă (CNV) ca provocare pentru controlul BCI. Experimentul descris de Vidal în 1977 a fost prima aplicare a BCI după provocarea sa BCI din 1973. A fost un control EEG neinvaziv (de fapt Visual Evoked Potentials (VEP)) al unui obiect grafic asemănător unui cursor pe ecranul unui computer. Demonstrația a fost mișcarea într-un labirint.

După contribuțiile sale timpurii, Vidal nu a fost activ în cercetarea BCI și nici în evenimente BCI, cum ar fi conferințe, timp de mulți ani. Cu toate acestea, în 2011, a susținut o prelegere la Graz , Austria , susținută de proiectul Future BNCI, prezentând primul BCI, care a câștigat o ovulație permanentă. Lui Vidal i s-a alăturat soția sa, Laryce Vidal, care a lucrat anterior cu el la UCLA la primul său proiect BCI.

În 1988, a fost dat un raport despre controlul EEG neinvaziv al unui obiect fizic, un robot. Experimentul descris a fost controlul EEG al mai multor porniri-opriri-reporniri ale mișcării robotului, de-a lungul unei traiectorii arbitrare definite de o linie trasată pe podea. Comportamentul de urmărire a liniilor a fost comportamentul implicit al robotului, utilizând inteligență autonomă și sursă autonomă de energie. Acest raport din 1988 scris de Stevo Bozinovski, Mihail Sestakov și Liljana Bozinovska a fost primul despre controlul robotului folosind EEG.

În 1990, a fost prezentat un raport privind o buclă închisă, BCI adaptivă bidirecțională care controlează buzzer-ul computerului printr-un potențial cerebral anticipativ, potențialul de variație negativă contingentă (CNV). Experimentul a descris cum o stare de așteptare a creierului, manifestată de CNV, controlează într-o buclă de feedback buzzerul S2 în paradigma S1-S2-CNV. Unda cognitivă obținută care reprezintă învățarea așteptării în creier se numește Electroexpectogramă (EXG). Potențialul cerebral CNV a făcut parte din provocarea BCI prezentată de Vidal în lucrarea sa din 1973.

Studiile din anii 2010 au sugerat capacitatea potențială a stimulării neuronale de a restabili funcțional conectiv și comportamentele asociate prin modularea mecanismelor moleculare de eficacitate sinaptică. Acest lucru a deschis ușa pentru conceptul că tehnologiile BCI pot fi capabile să restabilească funcția, pe lângă activarea funcționalității.

Din 2013, DARPA a finanțat tehnologia BCI prin inițiativa BRAIN, care a sprijinit lucrările din cadrul Centrului Medical al Universității din Pittsburgh, Paradromics, Brown și Synchron, printre altele.

BCI versus neuroproteză

Articol principal: Neuroprotetică

Neuroprostetica este o zonă a neuroștiinței care se ocupă de protezele neuronale, adică utilizarea dispozitivelor artificiale pentru a înlocui funcția sistemului nervos afectat și a problemelor legate de creier sau a organelor senzoriale sau a organelor în sine (vezică, diafragmă etc.). Începând cu decembrie 2010, implanturile cohleare au fost implantate ca dispozitiv neuroprotetic la aproximativ 220.000 de persoane din întreaga lume. Există, de asemenea, mai multe dispozitive neuroprotetice care vizează restabilirea vederii, inclusiv implanturile retiniene . Cu toate acestea, primul dispozitiv neuroprotetic a fost stimulatorul cardiac.

Termenii sunt uneori folosiți interschimbabil. Neuroprotetica și BCI caută să atingă aceleași obiective, cum ar fi restabilirea vederii, auzului, mișcării, capacității de comunicare și chiar funcției cognitive . Ambele folosesc metode experimentale și tehnici chirurgicale similare.

Cercetare BCI pe animale

Mai multe laboratoare au reușit să înregistreze semnale de la cortexurile cerebrale ale maimuțelor și șobolanilor pentru a opera BCI pentru a produce mișcare. Maimuțele au navigat pe ecranul cursorilor computerului și au comandat brațe robotizate pentru a efectua sarcini simple, pur și simplu gândindu-se la sarcină și văzând feedback-ul vizual, dar fără nicio ieșire a motorului. În mai 2008, fotografiile care arătau o maimuță la Centrul Medical al Universității din Pittsburgh care operează un braț robotizat prin gândire au fost publicate într-o serie de reviste și reviste de știință bine-cunoscute. Și oile au fost utilizate pentru a evalua tehnologia BCI, inclusiv Stentrode-ul Synchron.

În 2020, Neuralink-ul lui Elon Musk a fost implantat cu succes într-un porc, anunțat într-un webcast vizionat pe scară largă. În 2021, Elon Musk a anunțat că a permis cu succes o maimuță să joace jocuri video folosind dispozitivul Neuralink.

Munca timpurie

Maimuță care operează un braț robotizat cu interfață creier-computer (laborator Schwartz, Universitatea din Pittsburgh)

În 1969, studiile de condiționare operante ale lui Fetz și ale colegilor săi, la Centrul Regional de Cercetare a Primatelor și la Departamentul de Fiziologie și Biofizică, Facultatea de Medicină a Universității din Washington din Seattle , au arătat pentru prima dată că maimuțele ar putea învăța să controleze devierea unui contor de biofeedback. brațul cu activitate neuronală. Lucrări similare din anii 1970 au stabilit că maimuțele ar putea învăța rapid să controleze în mod voluntar ratele de tragere ale neuronilor individuali și multipli din cortexul motor primar dacă ar fi recompensați pentru generarea unor modele adecvate de activitate neuronală.

Studiile care au dezvoltat algoritmi pentru reconstituirea mișcărilor din neuronii cortexului motor , care controlează mișcarea, datează din anii 1970. În anii 1980, Apostolos Georgopoulos de la Universitatea Johns Hopkins a găsit o relație matematică între răspunsurile electrice ale neuronilor cu cortex motor unic la maimuțele macaco rhesus și direcția în care și-au mișcat brațele (pe baza unei funcții cosinus ). El a constatat, de asemenea, că grupuri de neuroni dispersați, în diferite zone ale creierului maimuței, controlează în mod colectiv comenzile motorii, dar a fost capabil să înregistreze declanșarea neuronilor într-o singură zonă la un moment dat, din cauza limitărilor tehnice impuse de echipamentul său.

A existat o dezvoltare rapidă în BCI de la mijlocul anilor 1990. Mai multe grupuri au reușit să capteze semnale complexe ale cortexului motor cerebral prin înregistrarea de la ansambluri neuronale (grupuri de neuroni) și folosirea acestora pentru a controla dispozitivele externe.

Succesuri proeminente în cercetare

Kennedy și Yang Dan

Phillip Kennedy (care a fondat ulterior Neural Signals în 1987) și colegii săi au construit prima interfață intracorticală creier-computer prin implantarea de electrozi conici neurotrofici în maimuțe.

Înregistrările lui Yang Dan și colegii despre viziunea pisicii folosind un BCI implantat în nucleul geniculat lateral (rândul de sus: imaginea originală; rândul de jos: înregistrarea)

În 1999, cercetătorii conduși de Yang Dan de la Universitatea din California, Berkeley au decodat focurile neuronale pentru a reproduce imagini văzute de pisici. Echipa a folosit o serie de electrozi încorporați în talamus (care integrează intrarea senzorială a creierului) a pisicilor cu ochi ascuțiți. Cercetătorii au vizat 177 de celule cerebrale din zona nucleului geniculat lateral al talamusului , care decodează semnale din retină . Pisicilor li s-au arătat opt ​​filme scurte și au fost înregistrate tragerile cu neuroni. Folosind filtre matematice, cercetătorii au decodat semnalele pentru a genera filme cu ceea ce au văzut pisicile și au reușit să reconstruiască scene recunoscute și obiecte în mișcare. Rezultate similare la om au fost obținute de cercetători din Japonia (a se vedea mai jos ).

Nicolelis

Miguel Nicolelis , profesor la Universitatea Duke , din Durham, Carolina de Nord , a fost un susținător proeminent al utilizării mai multor electrozi răspândiți pe o zonă mai mare a creierului pentru a obține semnale neuronale pentru a conduce un BCI.

După efectuarea studiilor inițiale la șobolani în anii 1990, Nicolelis și colegii săi au dezvoltat BCI care decodificau activitatea creierului la maimuțele bufniță și foloseau dispozitivele pentru a reproduce mișcările maimuțelor în brațe robotizate. Maimuțele au abilități avansate de a atinge și apuca și abilități bune de manipulare a mâinilor, făcându-le subiecți ideali pentru acest tip de muncă.

Până în 2000, grupul a reușit să construiască un BCI care să reproducă mișcările maimuțelor de bufniță în timp ce maimuța acționa un joystick sau a ajuns la mâncare. BCI a funcționat în timp real și ar putea, de asemenea, să controleze de la distanță un robot separat prin protocolul Internet . Dar maimuțele nu au putut vedea brațul mișcându-se și nu au primit niciun feedback, așa-numitul BCI cu buclă deschisă .

Diagrama BCI dezvoltată de Miguel Nicolelis și colegii săi pentru utilizarea pe maimuțe rhesus

Experimentele ulterioare realizate de Nicolelis folosind maimuțe rhesus au reușit să închidă bucla de feedback și au reprodus mișcările de atingere și apucare a maimuțelor într-un braț robot. Cu creierul profund despicat și brăzdat, maimuțele rhesus sunt considerate a fi modele mai bune pentru neurofiziologia umană decât maimuțele bufniță. Maimuțele au fost antrenate să ajungă și să prindă obiecte pe ecranul computerului prin manipularea unui joystick în timp ce mișcările corespunzătoare de către un braț robot erau ascunse. Mai târziu maimuțelor li s-a arătat robotul direct și au învățat să-l controleze prin vizionarea mișcărilor acestuia. BCI a folosit predicții de viteză pentru a controla mișcările de atingere și a prezis simultan forța de prindere a mâinilor . În 2011, O'Doherty și colegii săi au prezentat un BCI cu feedback senzorial cu maimuțe rhesus. Maimuța controlează creierul poziția unui braț avatar în timp ce primea feedback senzorial prin stimulare directă intracorticală (ICMS) în zona de reprezentare a brațului cortexului senzorial .

Donoghue, Schwartz și Andersen

Alte laboratoare care au dezvoltat BCI și algoritmi care decodează semnalele neuronilor includ Institutul Carney pentru Știința Creierului de la Universitatea Brown și laboratoarele Andrew Schwartz de la Universitatea din Pittsburgh și Richard Andersen de la Caltech . Acești cercetători au reușit să producă BCI funcționale, chiar folosind semnale înregistrate de la mult mai puțini neuroni decât Nicolelis (15-30 neuroni versus 50-200 neuroni).

Laboratorul lui John Donoghue de la Institutul Carney a raportat antrenarea maimuțelor rhesus pentru a utiliza un BCI pentru a urmări țintele vizuale pe un ecran de computer (BCI cu buclă închisă) cu sau fără asistența unui joystick. Grupul lui Schwartz a creat un BCI pentru urmărirea tridimensională în realitatea virtuală și, de asemenea, a reprodus controlul BCI într-un braț robotizat. Același grup a creat, de asemenea, titluri când au demonstrat că o maimuță se poate hrăni cu bucăți de fructe și marshmallows folosind un braț robot controlat de propriile semnale ale creierului animalului.

Grupul lui Andersen a folosit înregistrări ale activității de pre-mișcare din cortexul parietal posterior în BCI, inclusiv semnale create atunci când animalele experimentale anticipau să primească o recompensă.

Alte cercetări

Pe lângă prezicerea parametrilor cinematici și cinetici ai mișcărilor membrelor, se dezvoltă BCI care prezic activitatea electromiografică sau electrică a mușchilor primatelor. Astfel de BCI ar putea fi utilizate pentru a restabili mobilitatea membrelor paralizate prin stimularea electrică a mușchilor.

Miguel Nicolelis și colegii săi au demonstrat că activitatea ansamblurilor neuronale mari poate prezice poziția brațului. Această lucrare a făcut posibilă crearea de BCI care citesc intențiile de mișcare a brațelor și le traduc în mișcări ale dispozitivelor de acționare artificiale. Carmena și colegii au programat codificarea neuronală într-un BCI care a permis unei maimuțe să controleze mișcările de atingere și apucare de un braț robot. Lebedev și colegii săi au susținut că rețelele cerebrale se reorganizează pentru a crea o nouă reprezentare a apendicelui robotizat în plus față de reprezentarea propriilor membre ale animalului.

În 2019, cercetătorii de la UCSF au publicat un studiu în care au demonstrat un BCI care avea potențialul de a ajuta pacienții cu tulburări de vorbire cauzate de tulburări neurologice. BCI-ul lor a folosit electrocorticografie de înaltă densitate pentru a exploata activitatea neuronală din creierul pacientului și a folosit metode de învățare profundă pentru a sintetiza vorbirea. În 2021, cercetătorii din același grup au publicat un studiu care arată potențialul unui BCI de a decoda cuvinte și propoziții la un pacient anartric care nu a putut vorbi de peste 15 ani.

Cel mai mare impediment pentru tehnologia BCI în prezent este lipsa unei modalități de senzori care să ofere acces sigur, precis și robust la semnalele cerebrale. Cu toate acestea, este posibil sau chiar probabil ca un astfel de senzor să fie dezvoltat în următorii douăzeci de ani. Utilizarea unui astfel de senzor ar trebui să extindă foarte mult gama de funcții de comunicare care pot fi furnizate folosind un BCI.

Dezvoltarea și implementarea unui sistem BCI este complexă și necesită mult timp. Ca răspuns la această problemă, Gerwin Schalk a dezvoltat un sistem cu scop general pentru cercetarea BCI, numit BCI2000 . BCI2000 este în curs de dezvoltare din 2000 într-un proiect condus de Brain – Computer Interface R&D Program la Centrul Wadsworth al Departamentului de Sănătate al Statului New York din Albany, New York , Statele Unite.

O nouă abordare „fără fir” folosește canale ionice ușoare, cum ar fi Channelrhodopsin, pentru a controla in vivo subseturile de neuroni definite genetic . În contextul unei sarcini simple de învățare, iluminarea celulelor transfectate în cortexul somatosenzorial a influențat procesul decizional al șoarecilor care se mișcă liber .

Utilizarea IMC a dus, de asemenea, la o înțelegere mai profundă a rețelelor neuronale și a sistemului nervos central. Cercetările au arătat că, în ciuda înclinației neurologilor de a crede că neuronii au cel mai mare efect atunci când lucrează împreună, neuronii singulari pot fi condiționați prin utilizarea IMC pentru a declanșa un model care permite primatelor să controleze ieșirile motorii. Utilizarea IMC-urilor a condus la dezvoltarea principiului insuficienței neuronale unice, care afirmă că, chiar și cu o rată de declanșare bine reglată, neuronii singuri pot transporta doar o cantitate restrânsă de informații și, prin urmare, cel mai înalt nivel de precizie este atins prin înregistrarea declanșărilor ansamblului colectiv. . Alte principii descoperite cu utilizarea BMI includ principiul multitasking neuronal, principiul masei neuronale, principiul degenerării neuronale și principiul plasticității.

BCI sunt, de asemenea, propuse să fie aplicate de utilizatorii fără dizabilități. O categorizare centrată pe utilizator a abordărilor BCI de Thorsten O. Zander și Christian Kothe introduce termenul BCI pasiv. Pe lângă BCI activ și reactiv care sunt utilizate pentru controlul direcționat, BCI pasive permit evaluarea și interpretarea schimbărilor în starea utilizatorului în timpul interacțiunii om-computer ( HCI ). Într-o buclă de control secundară, implicită, sistemul de computer se adaptează utilizatorului său, îmbunătățindu-și în general utilizarea .

Dincolo de sistemele BCI care decodează activitatea neuronală pentru a conduce efectoarele externe, sistemele BCI pot fi utilizate pentru a codifica semnalele de la periferie. Aceste dispozitive BCI senzoriale permit decizii în timp real, relevante din punct de vedere comportamental, bazate pe stimulare neuronală cu buclă închisă.

Premiul BCI

Premiul anual de cercetare BCI este acordat ca recunoaștere a cercetărilor remarcabile și inovatoare în domeniul interfețelor creier-computer. În fiecare an, un laborator de cercetare renumit este rugat să judece proiectele depuse. Juriul este format din experți BCI de vârf la nivel mondial recrutați de laboratorul de atribuire. Juriul selectează doisprezece nominalizați, apoi alege un câștigător pe primul, al doilea și al treilea loc, care primesc premii de 3.000, 2.000 și respectiv 1.000 de dolari.

Cercetare BCI umană

BCI invazive

BCI invaziv necesită o intervenție chirurgicală pentru a implanta electrozi sub scalp pentru comunicarea semnalelor cerebrale. Principalul avantaj este de a oferi o citire mai precisă; cu toate acestea, dezavantajul său include efecte secundare ale intervenției chirurgicale. După intervenția chirurgicală, se pot forma țesuturi cicatriciale care pot face semnalele creierului mai slabe. În plus, conform cercetărilor lui Abdulkader și colab., (2015), este posibil ca organismul să nu accepte electrozii implantați și acest lucru poate provoca o afecțiune.

Viziune

Cercetările invazive BCI au vizat repararea vederii deteriorate și furnizarea de noi funcționalități persoanelor cu paralizie. BCI invazive sunt implantate direct în substanța cenușie a creierului în timpul neurochirurgiei. Deoarece se află în substanța cenușie, dispozitivele invazive produc semnale de cea mai înaltă calitate ale dispozitivelor BCI, dar sunt predispuse la acumularea de țesut cicatricial , determinând semnalul să devină mai slab sau chiar inexistent, deoarece corpul reacționează la un obiect străin în creier.

În știința viziunii , implanturile cerebrale directe au fost utilizate pentru a trata orbirea non- congenitală (dobândită). Unul dintre primii oameni de știință care a produs o interfață cerebrală funcțională pentru a restabili vederea a fost cercetătorul privat William Dobelle .

Primul prototip al lui Dobelle a fost implantat în „Jerry”, un om orbit la vârsta adultă, în 1978. Un BCI cu o singură matrice care conținea 68 de electrozi a fost implantat pe cortexul vizual al lui Jerry și a reușit să producă fosfene , senzația de a vedea lumina. Sistemul a inclus camere montate pe ochelari pentru a trimite semnale către implant. Inițial, implantul i-a permis lui Jerry să vadă nuanțe de gri într-un câmp vizual limitat la un cadru redus. Acest lucru a necesitat, de asemenea, să fie conectat la un computer mainframe , dar micșorarea electronice și computerele mai rapide i-au făcut ochiul artificial mai portabil și îi permit acum să îndeplinească sarcini simple fără asistență.

Unitate fictivă care ilustrează proiectarea unei interfețe BrainGate

În 2002, Jens Naumann, orbit și la vârsta adultă, a devenit primul dintr-o serie de 16 pacienți plătitori care au primit implantul de a doua generație a lui Dobelle, marcând una dintre cele mai vechi utilizări comerciale ale BCI. Dispozitivul de a doua generație a folosit un implant mai sofisticat care permite o mai bună cartografiere a fosfenelor într-o viziune coerentă. Fosfenele sunt răspândite în câmpul vizual în ceea ce cercetătorii numesc „efectul nopții înstelate”. Imediat după implant, Jens a reușit să-și folosească viziunea restaurată imperfect pentru a conduce încet un automobil în jurul parcării institutului de cercetare. Din păcate, Dobelle a murit în 2004 înainte ca procesele și evoluțiile sale să fie documentate. Ulterior, când domnul Naumann și ceilalți pacienți din program au început să aibă probleme cu vederea lor, nu a existat nicio ușurare și în cele din urmă și-au pierdut din nou „vederea”. Naumann a scris despre experiența sa cu lucrarea lui Dobelle în Căutarea paradisului: un cont al pacientului despre experimentul viziunii artificiale și s-a întors la ferma sa din sud-estul Ontario, Canada, pentru a-și relua activitățile normale.

Circulaţie

BCI-urile care se concentrează pe neuroprostetica motorie vizează fie restabilirea mișcării la persoanele cu paralizie, fie furnizarea de dispozitive care să le asiste, cum ar fi interfețele cu computerele sau brațele robotului.

Cercetătorii de la Universitatea Emory din Atlanta , conduși de Philip Kennedy și Roy Bakay, au fost primii care au instalat un implant cerebral într-un om care a produs semnale de o calitate suficient de ridicată pentru a simula mișcarea. Pacientul lor, Johnny Ray (1944–2002), a suferit de „ sindrom blocat ” după ce a suferit un accident vascular cerebral în 1997. Implantul lui Ray a fost instalat în 1998 și a trăit suficient de mult pentru a începe să lucreze cu implantul, învățând în cele din urmă să controlează cursorul unui computer; a murit în 2002 de anevrism cerebral .

Tetraplegic Matt Nagle a devenit prima persoană pentru a controla o mână artificială folosind un BCI , în 2005 , ca parte a primele nouă luni proces umane de Cyberkinetics lui BrainGate cip-implant. Implantat în girusul precentral drept al lui Nagle (zona cortexului motor pentru mișcarea brațului), implantul cu 96 de electrozi BrainGate i-a permis lui Nagle să controleze un braț robotic gândindu-se la mișcarea mâinii, precum și a cursorului computerului, a luminilor și a televizorului. Un an mai târziu, profesorul Jonathan Wolpaw a primit premiul Fundației Altran pentru inovație pentru a dezvolta o interfață de computer creier cu electrozi situați pe suprafața craniului, în loc să fie direct în creier.

Mai recent, echipele de cercetare conduse de grupul BrainGate de la Universitatea Brown și un grup condus de Universitatea din Pittsburgh Medical Center , ambele în colaborări cu Departamentul pentru Afaceri al Veteranilor din Statele Unite , au demonstrat un succes suplimentar în controlul direct al membrelor protetice robotizate cu multe grade de libertate folosind conexiuni directe cu matrice de neuroni din cortexul motor al pacienților cu tetraplegie.

Comunicare

În mai 2021, o echipă a Universității Stanford a raportat un test de probă de succes care a permis unui participant tetrapllegic să introducă propoziții în limba engleză cu aproximativ 86 de caractere pe minut. Participantul și-a imaginat mișcarea mâinii pentru a scrie litere, iar sistemul a efectuat recunoașterea scrisului de mână pe semnalele electrice detectate în cortexul motor.

Un raport publicat în iulie 2021 a raportat că un pacient paralizat a fost capabil să comunice 15 cuvinte pe minut folosind un implant cerebral care a analizat neuronii motori care controlau anterior tractul vocal.

BCI parțial invazive

Dispozitivele BCI parțial invazive sunt implantate în interiorul craniului, dar se odihnesc în afara creierului, mai degrabă decât în ​​substanța cenușie. Acestea produc semnale de rezoluție mai bune decât BCI neinvazive, unde țesutul osos al craniului deviază și deformează semnalele și prezintă un risc mai mic de a forma țesut cicatricial în creier decât BCI complet invazive. A existat o demonstrație preclinică a BCI intracorticale din cortexul perilezional al accidentului vascular cerebral.

Neurologie intervențională

Cel mai mare avans în BCI parțial invazive s-a produs în zona neurologiei intervenționale. Elon Musk a menționat potențialul pentru acest lucru în 2016, dar nu l-a urmărit niciodată. Între timp, în 2010, cercetătorii afiliați la Universitatea din Melbourne au început să dezvolte un BCI care ar putea fi inserat prin sistemul vascular. Neurologul australian Thomas Oxley (Spitalul Mount Sinai) a conceput ideea pentru acest BCI, numit Stentrode și care a primit finanțare de la DARPA. Studiile preclinice au evaluat tehnologia la ovine.

În noiembrie 2020, doi participanți care suferă de scleroză laterală amiotrofică au reușit să controleze fără fir un sistem de operare pentru a trimite mesaje text, e-mail, magazin și bancă folosind gândirea directă prin interfața creier-computer Stentrode, marcând prima dată când o interfață creier-computer a fost implantat prin vasele de sânge ale pacientului, eliminând necesitatea unei intervenții chirurgicale pe creier deschis.

ECoG

Electrocorticografia (ECoG) măsoară activitatea electrică a creierului preluată de sub craniu într-un mod similar cu electroencefalografia neinvazivă, dar electrozii sunt încorporați într-un strat subțire de plastic care este plasat deasupra cortexului, sub dura mater . Tehnologiile ECoG au fost testate pentru prima dată la om în 2004 de Eric Leuthardt și Daniel Moran de la Universitatea Washington din St Louis . Într-un proces ulterior, cercetătorii au permis unui adolescent să joace Space Invaders folosind implantul său ECoG. Această cercetare indică faptul că controlul este rapid, necesită o pregătire minimă și poate fi un compromis ideal în ceea ce privește fidelitatea semnalului și nivelul de invazivitate.

Semnalele pot fi fie subdurale, fie epidurale, dar nu sunt preluate din interiorul parenchimului cerebral . Nu a fost studiat pe larg până de curând din cauza accesului limitat al subiecților. În prezent, singura modalitate de a obține semnalul pentru studiu este prin utilizarea pacienților care necesită monitorizare invazivă pentru localizare și rezecție a unui focar epileptogen.

ECoG este o modalitate BCI intermediară foarte promițătoare, deoarece are o rezoluție spațială mai mare, un raport semnal-zgomot mai bun, o gamă mai mare de frecvențe și cerințe de antrenament mai mici decât EEG înregistrat la nivelul scalpului și, în același timp, are dificultăți tehnice mai mici, risc clinic mai mic , și, probabil, stabilitate pe termen lung superioară decât înregistrarea intracorticală cu un singur neuron. Acest profil de caracteristică și dovezile recente ale nivelului ridicat de control, cu cerințe minime de instruire, arată potențialul de aplicare în lumea reală pentru persoanele cu dizabilități motorii. Dispozitivele BCI pentru imagini reactive la lumină sunt încă în domeniul teoriei.

BCI neinvazive

Au existat, de asemenea, experimente pe oameni folosind tehnologii de neuroimagistică neinvazive ca interfețe. Majoritatea substanțială a lucrărilor BCI publicate implică BCI neinvazive bazate pe EEG. Tehnologiile și interfețele neinvazive bazate pe EEG au fost utilizate pentru o varietate mult mai largă de aplicații. Deși interfețele bazate pe EEG sunt ușor de purtat și nu necesită intervenții chirurgicale, au o rezoluție spațială relativ slabă și nu pot utiliza în mod eficient semnale de frecvență mai mare, deoarece craniul amortizează semnalele, dispersând și estompând undele electromagnetice create de neuroni. Interfețele bazate pe EEG necesită, de asemenea, ceva timp și efort înainte de fiecare sesiune de utilizare, în timp ce cele care nu sunt bazate pe EEG, precum și cele invazive nu necesită pregătire pentru utilizarea anterioară. În general, cel mai bun BCI pentru fiecare utilizator depinde de numeroși factori.

Interfață om-computer care nu este bazată pe EEG

Electrooculografie (EOG)

În 1989 a fost prezentat raportul privind controlul unui robot mobil prin mișcarea ochilor utilizând semnale de electrooculografie (EOG). Un robot mobil a fost condus de la început la un punct de gol folosind cinci comenzi EOG, interpretate ca înainte, înapoi, stânga, dreapta și oprire. EOG ca o provocare de control al obiectelor externe a fost prezentat de Vidal în lucrarea sa din 1973.

Oscilația la dimensiunea elevului

Un articol din 2016 a descris un dispozitiv de comunicare complet nou și o interfață om-computer care nu este bazată pe EEG, care nu necesită fixare vizuală sau abilitatea de a mișca ochii deloc. Interfața se bazează pe interes ascuns ; direcționarea atenției cuiva către o literă aleasă de pe o tastatură virtuală, fără a fi nevoie să miști ochii pentru a privi direct litera. Fiecare literă are propriul său cerc (de fundal) care micro-oscilează în luminozitate diferit de toate celelalte litere. Selecția literelor se bazează pe cea mai bună potrivire între oscilația neintenționată a dimensiunii pupilei și modelul de oscilare a luminozității cercului de fundal. Precizia este îmbunătățită suplimentar prin repetarea mentală de către utilizator a cuvintelor „luminos” și „întunecat” în sincronie cu tranzițiile de luminozitate ale cercului scrisorii.

Spectroscopie funcțională în infraroșu apropiat

În 2014 și 2017, un BCI care utilizează spectroscopie funcțională în infraroșu apropiat pentru pacienții „închiși” cu scleroză laterală amiotrofică (SLA) a reușit să restabilească o anumită capacitate de bază a pacienților de a comunica cu alte persoane.

Interfețe creier-computer bazate pe electroencefalografie (EEG)

Înregistrări ale undelor cerebrale produse de o electroencefalogramă

După ce provocarea BCI a fost declarată de Vidal în 1973, rapoartele inițiale privind abordarea neinvazivă includeau controlul unui cursor în 2D folosind VEP (Vidal 1977), controlul unui buzzer folosind CNV (Bozinovska și colab. 1988, 1990), control a unui obiect fizic, a unui robot, folosind un ritm al creierului (alfa) (Bozinovski și colab. 1988), controlul unui text scris pe un ecran folosind P300 (Farwell și Donchin, 1988).

În primele zile ale cercetării BCI, o altă barieră substanțială în calea utilizării electroencefalografiei (EEG) ca interfață creier-computer a fost instruirea extinsă necesară înainte ca utilizatorii să poată lucra cu tehnologia. De exemplu, în experimentele începute la mijlocul anilor 1990, Niels Birbaumer de la Universitatea din Tübingen din Germania a instruit persoanele grav paralizate să se autoregleze potențialul cortical lent în EEG, într-o asemenea măsură încât aceste semnale ar putea fi utilizate ca semnal binar. pentru a controla un cursor de computer. (Birbaumer a instruit mai devreme epilepticele pentru a preveni crize iminente controlând această undă de joasă tensiune.) Experimentul a văzut zece pacienți instruiți pentru a muta cursorul computerului controlându-și undele cerebrale. Procesul a fost lent, necesitând mai mult de o oră pentru ca pacienții să scrie 100 de caractere cu cursorul, în timp ce antrenamentul dura adesea multe luni. Cu toate acestea, abordarea cu potențial cortical lent a BCI nu a fost utilizată de câțiva ani, deoarece alte abordări necesită puțină sau deloc instruire, sunt mai rapide și mai precise și funcționează pentru o proporție mai mare de utilizatori.

Un alt parametru de cercetare este tipul de activitate oscilatorie care este măsurată. Gert Pfurtscheller a fondat BCI Lab 1991 și și-a alimentat rezultatele cercetărilor privind imagini motorii în primul BCI online bazat pe caracteristici oscilatorii și clasificatori. Împreună cu Birbaumer și Jonathan Wolpaw de la New York State University s-au concentrat pe dezvoltarea tehnologiei care să le permită utilizatorilor să aleagă semnalele cerebrale pe care le-au găsit cel mai ușor de operat un BCI, inclusiv ritmurile mu și beta .

Un alt parametru este metoda de feedback utilizată și acest lucru este arătat în studiile semnalelor P300 . Modelele de unde P300 sunt generate involuntar ( stimul-feedback ) atunci când oamenii văd ceva ce recunosc și pot permite BCI să decodeze categorii de gânduri fără a pregăti mai întâi pacienții. În schimb, metodele de biofeedback descrise mai sus necesită învățarea controlului undelor cerebrale, astfel încât activitatea creierului rezultată să poată fi detectată.

În 2005, au fost raportate cercetări privind emularea EEG a circuitelor digitale de control pentru BCI, cu un exemplu de flip-flop CNV. În 2009, a fost raportat controlul EEG neinvaziv al unui braț robotizat folosind un flip-flop CNV. În 2011, a fost raportat controlul a două sarcini robotice care rezolvau sarcina Turnului Hanoi cu trei discuri folosind un flip-flop CNV. În 2015 a fost descrisă emularea EEG a unui declanșator, flip-flop, demultiplexor și modem Schmidt.

În timp ce o interfață creier-computer bazată pe EEG a fost urmărită pe scară largă de o serie de laboratoare de cercetare, progresele recente făcute de Bin He și echipa sa de la Universitatea din Minnesota sugerează potențialul unei interfețe creier-computer bazate pe EEG pentru a îndeplini sarcini apropiate de cele invazive. interfață creier-computer. Folosind neuroimagistica funcțională avansată, inclusiv RMN funcțional BOLD și imagistica sursă EEG , Bin He și colegii săi au identificat co-variația și co-localizarea semnalelor electrofiziologice și hemodinamice induse de imaginația motorie. Rafinat de o abordare de neuroimagistică și de un protocol de antrenament, Bin He și colegii săi au demonstrat capacitatea unei interfețe creier-computer neinvazive bazate pe EEG de a controla zborul unui elicopter virtual în spațiul tridimensional, pe baza imaginației motorii. În iunie 2013, s-a anunțat că Bin He a dezvoltat tehnica pentru a permite ghidarea unui elicopter de control de la distanță printr-o cursă de obstacole.

În plus față de o interfață creier-computer bazată pe unde cerebrale, așa cum s-a înregistrat din electrozii EEG ai scalpului, Bin He și colegii săi au explorat o interfață virtuală creier-computer bazată pe semnal EEG rezolvând mai întâi problema inversă EEG și apoi au folosit rezultatul virtual EEG pentru sarcini de interfață creier-computer. Studiile bine controlate au sugerat meritele unei astfel de surse bazate pe interfața creier-computer.

Un studiu din 2014 a constatat că pacienții cu deficiențe motorii grave ar putea comunica mai rapid și mai fiabil cu EEG BCI neinvaziv, decât cu orice canal de comunicare bazat pe mușchi.

Un studiu din 2016 a constatat că dispozitivul Emotiv EPOC poate fi mai potrivit pentru sarcini de control folosind nivelul de atenție / meditație sau clipirea ochilor decât dispozitivul Neurosky MindWave.

Un studiu din 2019 a constatat că aplicarea algoritmilor evolutivi ar putea îmbunătăți clasificarea stării mentale EEG cu un dispozitiv Muse neinvaziv , permițând clasificarea de înaltă calitate a datelor achiziționate de un dispozitiv ieftin de detectare EEG de nivel consumator.

Tablouri electrod active uscate

La începutul anilor 1990, Babak Taheri, de la Universitatea din California, Davis a demonstrat primele matrice de electrodi activi, simpli și multicanali, utilizând micro-prelucrare. Construcția și rezultatele electrodului EEG uscat cu un singur canal au fost publicate în 1994. De asemenea, s-a demonstrat că electrodul cu rețea funcționează bine în comparație cu electrozii de argint / clorură de argint . Dispozitivul consta din patru locații de senzori cu electronică integrată pentru a reduce zgomotul prin potrivirea impedanței . Avantajele acestor electrozi sunt: ​​(1) nu se folosește electroliți, (2) nu se prepară pielea, (3) se reduce semnificativ dimensiunea senzorului și (4) compatibilitatea cu sistemele de monitorizare EEG. Matricea activă de electrozi este un sistem integrat format dintr-o serie de senzori capacitivi cu circuite integrate integrate localizate într-un pachet cu baterii pentru alimentarea circuitelor. Acest nivel de integrare a fost necesar pentru a obține performanța funcțională obținută de electrod.

Electrodul a fost testat pe o bancă de testare electrică și pe subiecți umani în patru modalități de activitate EEG, și anume: (1) EEG spontan, (2) potențiale senzoriale legate de evenimente, (3) potențiale ale trunchiului cerebral și (4) eveniment cognitiv -potențiale conexe. Performanța electrodului uscat a fost comparată favorabil cu cea a electrozilor umedi standard în ceea ce privește pregătirea pielii, fără cerințe de gel (uscat) și un raport semnal-zgomot mai mare.

În 1999, cercetătorii de la Universitatea Case Western Reserve , din Cleveland , Ohio , în frunte cu Hunter Peckham, au folosit un capac EEG cu 64 de electrozi pentru a returna mișcări limitate ale mâinilor lui Jim Jatich tetraplegic . În timp ce Jatich s-a concentrat pe concepte simple, dar opuse, cum ar fi sus și jos, ieșirea sa EEG cu ritm beta a fost analizată folosind software pentru a identifica tiparele din zgomot. Un model de bază a fost identificat și utilizat pentru a controla un comutator: activitatea peste medie a fost setată la activată, sub medie oprită. Pe lângă faptul că i-a permis lui Jatich să controleze cursorul unui computer, semnalele au fost folosite și pentru a conduce controlerele nervoase încorporate în mâinile sale, restabilind o mișcare.

SSVEP EEG BCI mobile

În 2009, a fost raportată banda NCTU Brain-Computer-Interface-headband. Cercetătorii care au dezvoltat acest BCI-bandă , de asemenea , proiectat pe bază de siliciu m icro e lectro- m echanical s ystem (MEMS) electrozi uscat concepute pentru aplicare în situri non-păroase ale corpului. Acești electrozi au fost fixați pe placa DAQ din bandă de susținere cu suporturi de electrozi fixați. Modulul de procesare a semnalului a măsurat activitatea alfa și telefonul cu Bluetooth a evaluat vigilența și capacitatea pacienților pentru performanța cognitivă. Când subiectul a devenit somnolent, telefonul a trimis feedback-ului operatorului pentru a-i trezi. Această cercetare a fost susținută de Consiliul Național al Științei, Taiwan, ROC, NSC, Universitatea Națională Chiao-Tung, Ministerul Educației din Taiwan și Laboratorul de Cercetare al Armatei SUA .

În 2011, cercetătorii au raportat un BCI bazat pe celule cu capacitatea de a prelua date EEG și de a le converti într-o comandă pentru a face ca telefonul să sune. Această cercetare a fost susținută parțial de Abraxis Bioscience LLP, Laboratorul de Cercetare al Armatei SUA și Biroul de Cercetare al Armatei. Tehnologia dezvoltată a fost un sistem portabil compus dintr-un modul de achiziție / amplificare a semnalului bio pe patru canale , un modul de transmisie fără fir și un telefon mobil cu Bluetooth. Electrozii au fost așezați astfel încât să capteze potențiale evocate vizuale în stare stabilă ( SSVEP ). SSVEP sunt răspunsuri electrice la stimulii vizuali pâlpâitori cu rate de repetare de peste 6 Hz care se găsesc cel mai bine în regiunile parietale și occipitale ale scalpului cortexului vizual. S-a raportat că, cu această configurare BCI, toți participanții la studiu au putut iniția apelul telefonic cu o practică minimă în mediile naturale.

Oamenii de știință susțin că studiile lor folosind un transformat Fourier rapid ( FFT ) cu un singur canal și algoritmul de analiză a corelației canonice a sistemului cu mai multe canale ( CCA ) susțin capacitatea BCI mobile. Algoritmul CCA a fost aplicat în alte experimente care investighează BCI cu performanțe ridicate pretinse în precizie și viteză. În timp ce tehnologia BCI bazată pe celule a fost dezvoltată pentru a iniția un apel telefonic de la SSVEP, cercetătorii au spus că poate fi tradusă pentru alte aplicații, cum ar fi preluarea ritmurilor senzorimotor mu / beta pentru a funcționa ca un BCI bazat pe imagini motorii.

În 2013, s-au efectuat teste comparative pe telefoane mobile Android, tablete și calculatoare BCI bazate pe computer, analizând densitatea spectrului de putere al SSVEP-urilor EEG rezultate. Obiectivele declarate ale acestui studiu, care au implicat oameni de știință susținute parțial de Laboratorul de Cercetare al Armatei SUA, au fost „creșterea practicabilității, portabilității și omniprezenței unui BCI bazat pe SSVEP, pentru utilizare zilnică”. Citare S-a raportat că frecvența de stimulare pe toate mediile a fost corectă, deși semnalul telefonului mobil a demonstrat o oarecare instabilitate. Amplitudinile SSVEP-urilor pentru laptop și tabletă au fost, de asemenea, raportate a fi mai mari decât cele ale telefonului mobil. Aceste două caracterizări calitative au fost sugerate ca indicatori de fezabilitate a utilizării unui stimul mobil BCI.

Limitări

În 2011, cercetătorii au afirmat că activitatea continuă ar trebui să abordeze ușurința utilizării, robustețea performanței, reducând costurile hardware și software.

Una dintre dificultățile cu citirile EEG este susceptibilitatea mare la artefacte de mișcare. În majoritatea proiectelor de cercetare descrise anterior, participanții au fost rugați să stea liniștiți, reducând cât mai mult posibil mișcările capului și ale ochilor, iar măsurătorile au fost luate într-un cadru de laborator. Cu toate acestea, întrucât aplicarea accentuată a acestor inițiative a fost în crearea unui dispozitiv mobil pentru utilizare zilnică, tehnologia a trebuit testată în mișcare.

În 2013, cercetătorii au testat tehnologia mobilă BCI bazată pe EEG, măsurând SSVEP de la participanți în timp ce mergeau pe o bandă de alergat la viteze diferite. Această cercetare a fost susținută de Biroul de Cercetări Navale , Biroul de Cercetare a Armatei și Laboratorul de Cercetare al Armatei SUA. Rezultatele declarate au fost că odată cu creșterea vitezei, detectabilitatea SSVEP utilizând CCA a scăzut. Deoarece s-a dovedit că analiza componentelor independente ( ICA ) este eficientă în separarea semnalelor EEG de zgomot, oamenii de știință au aplicat ICA la CCA extrase datele EEG. Aceștia au declarat că datele CCA cu și fără prelucrarea ICA erau similare. Astfel, au ajuns la concluzia că CCA a demonstrat în mod independent o robustețe a artefactelor de mișcare care indică faptul că ar putea fi un algoritm benefic să se aplice BCI-urilor utilizate în condiții din lumea reală.

În 2020, cercetătorii de la Universitatea din California au folosit un sistem de calcul legat de interfețele creier-mașină pentru a traduce undele cerebrale în propoziții. Cu toate acestea, decodarea lor a fost limitată la 30-50 de propoziții, chiar dacă ratele de eroare ale cuvântului au fost de până la 3%.

Proteză și controlul mediului

BCI neinvazive au fost, de asemenea, aplicate pentru a permite controlul creierului dispozitivelor protetice ale extremităților superioare și inferioare la persoanele cu paralizie. De exemplu, Gert Pfurtscheller de la Universitatea de Tehnologie din Graz și colegii săi au demonstrat un sistem funcțional de stimulare electrică controlată de BCI pentru a restabili mișcările extremităților superioare la o persoană cu tetraplegie din cauza leziunii măduvei spinării . Între 2012 și 2013, cercetătorii de la Universitatea din California, Irvine au demonstrat pentru prima dată că este posibilă utilizarea tehnologiei BCI pentru a restabili mersul controlat pe creier după leziuni ale măduvei spinării. În studiul lor de cercetare a leziunilor măduvei spinării , o persoană cu paraplegie a reușit să opereze o orteză de mers BCI-robotică pentru a recâștiga ambulația de bază controlată de creier. În 2009, Alex Blainey, un cercetător independent cu sediul în Marea Britanie, a folosit cu succes Emotiv EPOC pentru a controla un braț robot cu 5 axe. Apoi a continuat să facă mai multe demonstrații cu scaune cu rotile controlate de minte și sisteme de automatizare a locuinței care ar putea fi operate de persoane cu control motor limitat sau deloc, cum ar fi cele cu paraplegie și paralizie cerebrală.

Cercetările privind utilizarea militară a BCI finanțate de DARPA au fost în curs de desfășurare încă din anii 1970. Obiectivul actual al cercetării este comunicarea utilizator-utilizator prin analiza semnalelor neuronale.

DIY și open source BCI

În 2001, Proiectul OpenEEG a fost inițiat de un grup de neurologi și ingineri DIY. ModularEEG a fost dispozitivul principal creat de comunitatea OpenEEG; era o placă de captare a semnalului cu 6 canale care costă între 200 și 400 de dolari să fie făcută acasă. Proiectul OpenEEG a marcat un moment semnificativ în apariția interfeței DIY creier-computer.

În 2010, Frontier Nerds din programul ITP al NYU a publicat un tutorial amănunțit intitulat How To Hack Toy EEGs. Tutorialul, care a stârnit mintea multor entuziaști bricolaj ai DIY, a demonstrat cum să creezi un singur canal EEG acasă cu un Arduino și un Mattel Mindflex la un preț foarte rezonabil. Acest tutorial a amplificat mișcarea DIY BCI.

În 2013, OpenBCI a ieșit dintr-o solicitare DARPA și din campania Kickstarter ulterioară . Aceștia au creat o placă de achiziție EEG cu 8 canale cu sursă deschisă de înaltă calitate, cunoscută sub numele de Placa de 32 de biți, care a fost comercializată cu prețuri sub 500 USD. Doi ani mai târziu, au creat primul set de căști EEG tipărite 3D, cunoscut sub numele de Ultracortex, precum și o placă de achiziție EEG cu 4 canale, cunoscută sub numele de Ganglion Board, care a fost comercializată la prețuri sub 100 USD.

MEG și RMN

Articole principale: Magnetoencefalografie și imagistică prin rezonanță magnetică
Reconstruirea ATR Labs a vederii umane utilizând fMRI (rândul de sus: imaginea originală; rândul de jos: reconstrucția din media citirilor combinate)

Magnetoencefalografia (MEG) și imagistica prin rezonanță magnetică funcțională (fMRI) au fost folosite cu succes ca BCI neinvazive. Într-un experiment raportat pe scară largă, fMRI a permis scanarea a doi utilizatori pentru a juca Pong în timp real, modificându-și răspunsul hemodinamic sau fluxul de sânge cerebral prin tehnici de biofeedback .

Măsurătorile fMRI ale răspunsurilor hemodinamice în timp real au fost, de asemenea, utilizate pentru a controla brațele robotului cu o întârziere de șapte secunde între gândire și mișcare.

În 2008, cercetările dezvoltate în laboratoarele de neurologie științifică avansată (ATR) din Kyoto , Japonia, au permis oamenilor de știință să reconstruiască imagini direct din creier și să le afișeze pe un computer alb-negru la o rezoluție de 10x10 pixeli . Articolul care anunța aceste realizări a fost povestea revistei Neuron din 10 decembrie 2008.

În 2011, cercetătorii de la UC Berkeley au publicat un studiu care raportează reconstrucția secunde cu secundă a videoclipurilor vizionate de subiecții studiului, din datele fMRI. Acest lucru a fost realizat prin crearea unui model statistic referitor la tiparele vizuale din videoclipurile prezentate subiecților, la activitatea creierului cauzată de vizionarea videoclipurilor. Acest model a fost apoi folosit pentru a căuta cele 100 de segmente video de o secundă, într-o bază de date de 18 milioane de secunde de videoclipuri aleatorii de pe YouTube , ale căror modele vizuale se potriveau cel mai bine cu activitatea creierului înregistrată atunci când subiecții vizionau un videoclip nou. Aceste 100 de extrase video de o secundă au fost apoi combinate într-o imagine amestecată care seamănă cu videoclipul urmărit.

Strategii de control BCI în neurogaming

Imagini motorii

Imaginea motorie implică imaginația mișcării diferitelor părți ale corpului, rezultând activarea cortexului senzorimotor , care modulează oscilațiile senzorimotorii în EEG. Acest lucru poate fi detectat de BCI pentru a deduce intenția unui utilizator. Imaginile motorii necesită în mod obișnuit un număr de sesiuni de antrenament înainte de a obține un control acceptabil al BCI. Aceste sesiuni de instruire pot dura câteva ore pe parcursul mai multor zile înainte ca utilizatorii să poată utiliza în mod constant tehnica cu niveluri acceptabile de precizie. Indiferent de durata sesiunii de instruire, utilizatorii nu pot stăpâni schema de control. Acest lucru duce la un ritm foarte lent al jocului. Metodele avansate de învățare automată au fost recent dezvoltate pentru a calcula un model specific subiectului pentru detectarea performanței imaginilor motorii. Algoritmul performant din setul de date 2 BCI Competition IV 2 pentru imagini motorii este Modelul spațial comun Filter Bank, dezvoltat de Ang și colab. de la A * STAR , Singapore ).

Bio / neurofeedback pentru modele BCI pasive

Biofeedback-ul este utilizat pentru a monitoriza relaxarea mentală a unui subiect. În unele cazuri, biofeedback-ul nu monitorizează electroencefalografia (EEG), ci parametrii corporali precum electromiografia (EMG), rezistența galvanică a pielii (GSR) și variabilitatea ritmului cardiac (HRV). Multe sisteme de biofeedback sunt utilizate pentru tratarea anumitor tulburări, cum ar fi tulburarea de deficit de atenție și hiperactivitate (ADHD) , problemele de somn la copii, măcinarea dinților și durerea cronică. Sistemele de biofeedback EEG monitorizează de obicei patru benzi diferite (theta: 4-7 Hz, alfa: 8-12 Hz, SMR: 12-15 Hz, beta: 15-18 Hz) și provoacă subiectul să le controleze. BCI pasiv implică utilizarea BCI pentru a îmbogăți interacțiunea om-mașină cu informații implicite despre starea actuală a utilizatorului, de exemplu, simulări pentru a detecta când utilizatorii intenționează să împingă frâna în timpul unei proceduri de oprire de urgență a mașinii. Dezvoltatorii de jocuri care utilizează BCI pasive trebuie să recunoască faptul că, prin repetarea nivelurilor de joc, starea cognitivă a utilizatorului se va schimba sau se va adapta. În cadrul primului joc al unui nivel, utilizatorul va reacționa la lucruri diferit de cel din timpul celui de-al doilea joc: de exemplu, utilizatorul va fi mai puțin surprins la un eveniment din joc dacă se așteaptă.

Potențial evocat vizual (VEP)

Un VEP este un potențial electric înregistrat după ce un subiect este prezentat cu un tip de stimuli vizuali. Există mai multe tipuri de VEP-uri.

Potențialele evocate vizual în stare de echilibru (SSVEP) utilizează potențiale generate de excitarea retinei , utilizând stimuli vizuali modulați la anumite frecvențe. Stimulii SSVEP sunt adesea formați din modele de tablă alternativă și uneori folosesc pur și simplu imagini intermitente. Frecvența inversării fazei stimulului utilizat poate fi clar distinsă în spectrul unui EEG; acest lucru face relativ ușoară detectarea stimulilor SSVEP. SSVEP s-a dovedit a avea succes în multe sisteme BCI. Acest lucru se datorează mai multor factori, semnalul obținut este măsurabil într-o populație la fel de mare, precum mișcarea tranzitorie VEP și clipire și artefactele electrocardiografice nu afectează frecvențele monitorizate. În plus, semnalul SSVEP este excepțional de robust; organizarea topografică a cortexului vizual primar este de așa natură încât o zonă mai largă obține aferențe din regiunea centrală sau fovială a câmpului vizual. Cu toate acestea, SSVEP are mai multe probleme. Întrucât SSVEP-urile folosesc stimuli intermitenți pentru a deduce intenția unui utilizator, utilizatorul trebuie să privească unul dintre simbolurile intermitente sau iterante pentru a interacționa cu sistemul. Prin urmare, este probabil ca simbolurile să devină iritante și incomode de utilizat în timpul sesiunilor de joc mai lungi, care deseori pot dura mai mult de o oră, ceea ce poate să nu fie un joc ideal.

Un alt tip de VEP utilizat cu aplicațiile este potențialul P300 . Potențialul legat de evenimentul P300 este un vârf pozitiv în EEG care apare la aproximativ 300 ms după apariția unui stimul țintă (un stimul pentru care utilizatorul așteaptă sau caută) sau stimuli ciudat . Amplitudinea P300 scade pe măsură ce stimulii țintă și stimulii ignorați devin mai asemănători. Se crede că P300 este legat de un proces de atenție de nivel superior sau de un răspuns orientativ folosind P300, deoarece o schemă de control are avantajul că participantul trebuie doar să participe sesiuni de antrenament. Prima aplicație care a folosit modelul P300 a fost matricea P300. În cadrul acestui sistem, un subiect ar alege o literă dintr-o grilă de 6 cu 6 litere și cifre. Rândurile și coloanele grilei au clipit secvențial și de fiecare dată când „litera de alegere” selectată a fost luminată, P300 al utilizatorului a fost (potențial) eliberat. Cu toate acestea, procesul de comunicare, cu aproximativ 17 caractere pe minut, a fost destul de lent. P300 este un BCI care oferă o selecție discretă mai degrabă decât un mecanism de control continuu. Avantajul utilizării P300 în jocuri este că jucătorul nu trebuie să se învețe să folosească un sistem de control complet nou și, prin urmare, trebuie să întreprindă doar instanțe scurte de antrenament, să învețe mecanica de joc și utilizarea de bază a paradigmei BCI.

Telepatie sintetică / comunicare silențioasă

În cadrul unei inițiative a armatei SUA de 6,3 milioane de dolari pentru a inventa dispozitive pentru comunicarea telepatică, Gerwin Schalk , subscris într-o subvenție de 2,2 milioane de dolari, a constatat că utilizarea semnalelor ECoG poate discrimina vocalele și consoanele încorporate în cuvintele rostite și imaginate, aruncând lumină asupra mecanismelor distincte asociate. cu producerea de vocale și consoane și ar putea oferi baza comunicării bazate pe creier folosind vorbirea imaginată.

În 2002, Kevin Warwick a primit o serie de 100 de electrozi în sistemul său nervos pentru a-și conecta sistemul nervos la internet pentru a investiga posibilitățile de îmbunătățire. Având în vedere acest lucru, Warwick a realizat cu succes o serie de experimente. Cu electrozi implantați, de asemenea, în sistemul nervos al soției sale, au efectuat primul experiment de comunicare electronică directă între sistemele nervoase ale a doi oameni.

Un alt grup de cercetători a reușit să realizeze o comunicare conștientă creier-creier între doi oameni separați la distanță folosind tehnologie non-invazivă care era în contact cu scalpul participanților. Cuvintele au fost codificate de fluxuri binare folosind secvențele 0 și 1 prin intrarea motorului imaginar a persoanei care „emit” informația. Ca rezultat al acestui experiment, biți pseudo-aleatori ai informației purtau cuvinte codificate „hola” („hi” în spaniolă) și „ciao” („la revedere” în italiană) și au fost transmise minte-la-minte între oameni separați de o distanță, cu blocarea motorului și a sistemelor senzoriale, care are o probabilitate mică sau nulă ca acest lucru să se întâmple întâmplător. [2]

Cercetarea telepatiei sintetice folosind subvocalizarea are loc la Universitatea din California, Irvine, sub conducerea savantului Mike D'Zmura. Prima astfel de comunicare a avut loc în anii 1960 folosind EEG pentru a crea cod Morse folosind unde alfa ale creierului. Utilizarea EEG pentru a comunica vorbirea imaginată este mai puțin precisă decât metoda invazivă de plasare a unui electrod între craniu și creier. La 27 februarie 2013, grupul cu Miguel Nicolelis de la Universitatea Duke și IINN-ELS au conectat cu succes creierul a doi șobolani cu interfețe electronice care le-au permis să împărtășească informații direct, în prima interfață directă creier-creier .

BCI de cultură celulară

Articol principal: Rețea neuronală cultivată

Cercetătorii au construit dispozitive pentru interfața cu celulele neuronale și rețele neuronale întregi în culturi din afara animalelor. Pe lângă continuarea cercetărilor asupra dispozitivelor implantabile pe animale, experimentele pe țesuturile neuronale cultivate s-au concentrat pe construirea de rețele de rezolvare a problemelor, construirea de computere de bază și manipularea dispozitivelor robotizate. Cercetarea în tehnici pentru stimularea si inregistrarea de neuroni individuale crescute pe cipuri semiconductoare este uneori denumit neuroelectronics sau neurochips .

Primul Neurochip din lume , dezvoltat de cercetătorii Caltech Jerome Pine și Michael Maher

Dezvoltarea primului neurocip de lucru a fost revendicat de o echipă Caltech condusă de Jerome Pine și Michael Maher în 1997. Cipul Caltech avea loc pentru 16 neuroni.

În 2003, o echipă condusă de Theodore Berger, de la Universitatea din California de Sud , a început să lucreze la un neurocip conceput pentru a funcționa ca un hipocamp artificial sau protetic . Neurocipul a fost conceput pentru a funcționa în creierul șobolanului și a fost conceput ca un prototip pentru eventuala dezvoltare a protezei creierului superior. Hipocampul a fost ales deoarece se crede că este cea mai ordonată și structurată parte a creierului și este zona cea mai studiată. Funcția sa este de a codifica experiențe pentru stocare ca amintiri pe termen lung în altă parte a creierului.

În 2004 Thomas DeMarse de la Universitatea din Florida a folosit o cultură de 25.000 de neuroni luați din creierul unui șobolan pentru a zbura cu un simulator de avioane de luptă F-22 . După colectare, neuronii corticali au fost cultivați într-o cutie Petri și au început rapid să se reconecteze pentru a forma o rețea neuronală vie. Celulele au fost aranjate pe o rețea de 60 de electrozi și utilizate pentru a controla funcțiile pitch și yaw ale simulatorului. Studiul s-a concentrat pe înțelegerea modului în care creierul uman efectuează și învață sarcini de calcul la nivel celular.

Considerații etice

Surse:

Probleme centrate pe utilizator

  • Efectele pe termen lung pentru utilizator rămân în mare parte necunoscute.
  • Obținerea consimțământului informat de la persoanele cu dificultăți de comunicare.
  • Consecințele tehnologiei BCI asupra calității vieții pacienților și a familiilor acestora.
  • Efectele secundare legate de sănătate (de exemplu, neurofeedback-ul antrenamentului ritmului senzorimotor afectează calitatea somnului).
  • Aplicații terapeutice și utilizarea lor abuzivă potențială.
  • Riscuri de siguranță
  • Non-convertibilitatea unora dintre modificările aduse creierului

Legal și social

  • Probleme de responsabilitate și responsabilitate: susține că influența BCI prevalează asupra liberului arbitru și controlului asupra acțiunilor senzorio-motorii, susține că intenția cognitivă a fost tradusă inexact din cauza unei defecțiuni BCI.
  • Modificările de personalitate implicate cauzate de stimularea creierului profund.
  • Îngrijorări cu privire la starea de a deveni un "cyborg" - având părți ale corpului vii și părți mecanice.
  • Întrebări despre personalitate: ce înseamnă să fii om?
  • Estomparea diviziunii dintre om și mașină și incapacitatea de a distinge între acțiuni controlate de om față de mașină.
  • Utilizarea tehnologiei în tehnici avansate de interogare de către autoritățile guvernamentale.
  • Îmbunătățirea selectivă și stratificarea socială.
  • Întrebări despre etica cercetării care apar atunci când se trece de la experimentarea pe animale la aplicarea la subiecți umani.
  • Întrebări morale
  • Citirea minții și intimitatea.
  • Urmărire și „sistem de etichetare”
  • Controlul minții .
  • Controlul mișcării
  • Controlul emoțiilor

În forma lor actuală, majoritatea BCI sunt departe de problemele etice luate în considerare mai sus. Ele sunt de fapt similare terapiilor corective în funcție. Clausen a declarat în 2009 că „BCI reprezintă provocări etice, dar acestea sunt similare din punct de vedere conceptual cu cele abordate de bioeticieni pentru alte tărâmuri ale terapiei”. Mai mult, el sugerează că bioetica este bine pregătită pentru a face față problemelor care apar cu tehnologiile BCI. Haselager și colegii săi au subliniat că așteptările privind eficacitatea și valoarea BCI joacă un rol important în analiza etică și modul în care oamenii de știință BCI ar trebui să abordeze mass-media. Mai mult, protocoalele standard pot fi puse în aplicare pentru a asigura proceduri de consimțământ informat, sănătoase din punct de vedere etic, cu pacienții închiși.

Cazul BCI are astăzi paralele în medicină, la fel și evoluția sa. Similar cu modul în care știința farmaceutică a început ca un echilibru pentru deficiențe și este acum utilizată pentru a crește concentrarea și a reduce nevoia de somn, BCI se vor transforma probabil treptat de la terapii la îmbunătățiri. Se fac eforturi în interiorul comunității BCI pentru a crea un consens cu privire la orientările etice pentru cercetarea, dezvoltarea și diseminarea BCI. Pe măsură ce inovația continuă, asigurarea accesului echitabil la BCI va fi crucială, în caz contrar pot apărea inegalități generaționale care pot afecta negativ dreptul la înflorirea umană.

Interfețe low-cost bazate pe BCI

Articol principal: Interfețe consumator creier-computer

Recent, o serie de companii au redus tehnologia EEG de calitate medicală pentru a crea BCI ieftine pentru cercetare, precum și pentru scopuri de divertisment. De exemplu, jucăriile precum NeuroSky și Mattel MindFlex au cunoscut un anumit succes comercial.

  • În 2006, Sony a brevetat un sistem de interfață neuronală care permite undelor radio să afecteze semnalele din cortexul neuronal.
  • În 2007, NeuroSky a lansat primul EEG accesibil bazat pe consumatori, împreună cu jocul NeuroBoy. Acesta a fost, de asemenea, primul dispozitiv EEG la scară largă care a folosit tehnologia senzorului uscat.
  • În 2008 OCZ Technology a dezvoltat un dispozitiv pentru utilizare în jocurile video bazându-se în principal pe electromiografie .
  • În 2008, dezvoltatorul Final Fantasy Square Enix a anunțat că a colaborat cu NeuroSky pentru a crea un joc, Judecca.
  • În 2009, Mattel s-a asociat cu NeuroSky pentru a lansa Mindflex , un joc care folosea un EEG pentru a conduce o minge printr-o cursă de obstacole. Este de departe cel mai bine vândut EEG bazat pe consumatori până în prezent.
  • În 2009, unchiul Milton Industries a colaborat cu NeuroSky pentru a lansa Star Wars Force Trainer , un joc conceput pentru a crea iluzia de a deține Forța .
  • În 2009, Emotiv a lansat EPOC, un dispozitiv EEG cu 14 canale care poate citi 4 stări mentale, 13 stări conștiente, expresii faciale și mișcări ale capului. EPOC este primul BCI comercial care utilizează tehnologia senzorului uscat, care poate fi umezită cu o soluție salină pentru o conexiune mai bună.
  • În noiembrie 2011 revista Time a selectat „necomimi” produse de Neurowear drept una dintre cele mai bune invenții ale anului. Compania a anunțat că se așteaptă să lanseze o versiune pentru consumator a articolului de îmbrăcăminte, constând din urechi asemănătoare unei pisici controlate de un cititor de unde cerebrale produs de NeuroSky , în primăvara anului 2012.
  • În februarie 2014 They Shall Walk (o organizație nonprofit dedicată construirii exoscheletelor, numite LIFESUITs, pentru paraplegici și tetraplegici) a început un parteneriat cu James W. Shakarji pentru dezvoltarea unui BCI wireless.
  • În 2016, un grup de pasionați a dezvoltat o placă BCI open-source care trimite semnale neuronale către mufa audio a unui smartphone, scăzând costul BCI de bază la 20 GBP. Software-ul de diagnosticare de bază este disponibil pentru dispozitivele Android , precum și o aplicație de introducere a textului pentru Unity .
  • În 2020, NextMind a lansat un kit de dezvoltare care include o cască EEG cu electrozi uscați la 399 USD. Dispozitivul poate fi redat cu unele aplicații demo sau dezvoltatorii își pot crea propriile cazuri de utilizare folosind kitul de dezvoltare software furnizat.

Directii viitoare

Interfață creier-computer

Un consorțiu format din 12 parteneri europeni a finalizat o foaie de parcurs pentru a sprijini Comisia Europeană în deciziile de finanțare pentru noul program-cadru Orizont 2020 . Proiectul, care a fost finanțat de Comisia Europeană, a început în noiembrie 2013 și a publicat o foaie de parcurs în aprilie 2015. O publicație din 2015 condusă de Dr. Clemens Brunner descrie câteva dintre analizele și realizările acestui proiect, precum și creierul emergent. Computer Interface Society. De exemplu, acest articol a analizat lucrările din cadrul acestui proiect care au definit în continuare BCI și aplicații, au explorat tendințele recente, au discutat probleme etice și au evaluat diferite direcții pentru noile BCI. După cum notează articolul, noua lor foaie de parcurs extinde și susține în general recomandările din proiectul Future BNCI administrat de Dr. Brendan Allison, care transmite entuziasm substanțial pentru direcțiile emergente BCI.

Și alte publicații recente au explorat direcțiile viitoare BCI pentru noi grupuri de utilizatori cu dizabilități (de exemplu,). Câteva exemple importante sunt rezumate mai jos.

Tulburări ale conștiinței (DOC)

Unele persoane au o tulburare a conștiinței (DOC). Această stare este definită pentru a include persoanele cu comă, precum și persoanele aflate în stare vegetativă (VS) sau în stare minim conștientă (MCS). Noile cercetări BCI urmăresc să ajute persoanele cu DOC în diferite moduri. Un obiectiv inițial cheie este identificarea pacienților care sunt capabili să îndeplinească sarcini cognitive de bază, ceea ce ar duce, desigur, la o schimbare a diagnosticului lor. Adică, unele persoane care sunt diagnosticate cu DOC pot fi de fapt capabile să proceseze informații și să ia decizii importante de viață (cum ar fi dacă să caute terapie, unde să locuiască și opiniile lor cu privire la deciziile de la sfârșitul vieții referitoare la ele). Unele persoane cărora li se diagnostichează DOC mor în urma deciziilor la sfârșitul vieții, care pot fi luate de membrii familiei care consideră sincer că acest lucru este în interesul pacientului. Având în vedere noua perspectivă de a permite acestor pacienți să-și prezinte opiniile cu privire la această decizie, s-ar părea că există o presiune etică puternică pentru a dezvolta această direcție de cercetare pentru a garanta că pacienții cu DOC au posibilitatea de a decide dacă doresc să trăiască.

Aceste articole și alte articole descriu noi provocări și soluții pentru utilizarea tehnologiei BCI pentru a ajuta persoanele cu DOC. O provocare majoră este aceea că acești pacienți nu pot utiliza BCI pe baza vederii. Prin urmare, noile instrumente se bazează pe stimuli auditivi și / sau vibrotactili. Pacienții pot purta căști și / sau stimulatoare vibrotactile plasate pe încheieturi, gât, picior și / sau alte locații. O altă provocare este că pacienții se pot estompa în interiorul și în afara conștiinței și pot comunica numai în anumite momente. Aceasta poate fi într-adevăr o cauză a diagnosticului greșit. Unii pacienți pot răspunde la solicitările medicilor doar în câteva ore pe zi (ceea ce s-ar putea să nu fie previzibil din timp) și, prin urmare, ar fi putut să nu răspundă în timpul diagnosticului. Prin urmare, noile metode se bazează pe instrumente care sunt ușor de utilizat în setările de teren, chiar și fără ajutorul unui expert, astfel încât membrii familiei și alte persoane fără niciun fel de cunoștințe medicale sau tehnice să le poată utiliza în continuare. Acest lucru reduce costul, timpul, nevoia de expertiză și alte sarcini cu evaluarea DOC. Instrumentele automate pot pune întrebări simple la care pacienții pot răspunde cu ușurință, cum ar fi „Tatăl tău se numește George?” sau „Te-ai născut în SUA?” Instrucțiunile automate informează pacienții că pot transmite da sau nu prin (de exemplu) concentrându-și atenția asupra stimulilor de pe încheietura mâinii dreaptă vs. Această atenție concentrată produce schimbări fiabile în tiparele EEG care pot ajuta la determinarea faptului că pacientul este capabil să comunice. Rezultatele ar putea fi prezentate medicilor și terapeuților, ceea ce ar putea duce la un diagnostic și terapie revizuite. În plus, acești pacienți ar putea fi apoi furnizați cu instrumente de comunicare bazate pe BCI, care ar putea să-i ajute să transmită nevoile de bază, să regleze poziția patului și HVAC (încălzire, ventilație și aer condiționat) și, în caz contrar, să-i împuternicească să ia decizii majore de viață și să comunice.

Recuperare motorie

Oamenii își pot pierde o parte din capacitatea lor de a se deplasa din cauza multor cauze, cum ar fi accident vascular cerebral sau leziuni. Mai multe grupuri au explorat sisteme și metode de recuperare a motorului care includ BCI. În această abordare, un BCI măsoară activitatea motorie în timp ce pacientul își imaginează sau încearcă mișcările în conformitate cu indicațiile unui terapeut. BCI poate oferi două beneficii: (1) dacă BCI indică faptul că un pacient nu își imaginează corect o mișcare (neconformitate), atunci BCI ar putea informa pacientul și terapeutul; și (2) recompensarea feedback-ului, cum ar fi stimularea funcțională sau mișcarea unui avatar virtual, depinde, de asemenea, de imaginea de mișcare corectă a pacientului.

Până în prezent, BCI pentru recuperarea motoriei s-au bazat pe EEG pentru a măsura imaginea motorie a pacientului. Cu toate acestea, studiile au folosit, de asemenea, RMN pentru a studia diferitele modificări ale creierului, pe măsură ce persoanele sunt supuse unui antrenament de reabilitare a AVC bazat pe BCI. Sistemele viitoare ar putea include fMRI și alte măsuri pentru controlul în timp real, cum ar fi infrarosu aproape funcțional, probabil în tandem cu EEG. Stimularea neinvazivă a creierului a fost, de asemenea, explorată în combinație cu BCI pentru recuperarea motorie. În 2016, oamenii de știință de la Universitatea din Melbourne au publicat date preclinice de dovadă a conceptului legate de o platformă tehnologică potențială de interfață creier-computer dezvoltată pentru pacienții cu paralizie pentru a facilita controlul dispozitivelor externe, cum ar fi membrele robotizate, computerele și exoscheletele, prin traducere activitatea creierului. Studiile clinice sunt în curs de desfășurare.

Cartografierea funcțională a creierului

În fiecare an, aproximativ 400.000 de persoane sunt supuse cartografierii creierului în timpul neurochirurgiei. Această procedură este adesea necesară pentru persoanele cu tumori sau epilepsie care nu răspund la medicamente . În timpul acestei proceduri, electrozii sunt așezați pe creier pentru a identifica cu precizie locațiile structurilor și zonelor funcționale. Pacienții pot fi treji în timpul neurochirurgiei și li se poate cere să îndeplinească anumite sarcini, cum ar fi mișcarea degetelor sau repetarea cuvintelor. Acest lucru este necesar, astfel încât chirurgii să poată îndepărta doar țesutul dorit în timp ce scutesc alte regiuni, cum ar fi mișcările critice sau regiunile lingvistice. Îndepărtarea unui exces de țesut cerebral poate provoca leziuni permanente, în timp ce îndepărtarea unui țesut prea mic poate lăsa starea de bază netratată și poate necesita neurochirurgie suplimentară. Astfel, există o mare nevoie de îmbunătățire atât a metodelor cât și a sistemelor de cartografiere a creierului cât mai eficient posibil.

În câteva publicații recente, experții în cercetare BCI și medicii au colaborat pentru a explora noi modalități de utilizare a tehnologiei BCI pentru a îmbunătăți cartografierea neurochirurgicală. Această lucrare se concentrează în mare măsură pe o activitate gamma mare, care este dificil de detectat cu mijloace neinvazive. Rezultatele au condus la îmbunătățirea metodelor de identificare a domeniilor cheie pentru mișcare, limbaj și alte funcții. Un articol recent a abordat progresele în cartarea funcțională a creierului și rezumă un atelier.

Dispozitive flexibile

Electronica flexibilă este polimeri sau alte materiale flexibile (de exemplu , mătase , pentacen , PDMS , parilen , polimidă ) care sunt imprimate cu circuite ; natura flexibilă a materialelor organice de fundal care permit electronice create să se îndoaie și tehnicile de fabricație utilizate pentru a crea aceste dispozitive seamănă cu cele utilizate pentru a crea circuite integrate și sisteme microelectromecanice (MEMS). Electronica flexibilă a fost dezvoltată pentru prima dată în anii 1960 și 1970, dar interesul pentru cercetare a crescut la mijlocul anilor 2000.

Praful neuronal

Articol principal: Praful neuronal

Praful neuronal este un termen folosit pentru a se referi la dispozitivele de dimensiuni milimetrale operate ca senzori nervoși alimentați fără fir , care au fost propuși într-o lucrare din 2011 de la Universitatea din California, Berkeley Wireless Research Center, care a descris atât provocările, cât și beneficiile remarcabile ale creării unei fără fir BCI. Într-un model propus al senzorului de praf neuronal, modelul tranzistorului a permis o metodă de separare între potențialele de câmp local și potențialele de acțiune „vârfuri”, ceea ce ar permite o bogăție foarte diversificată de date obținute din înregistrări.

Vezi si

Note

Referințe

Lecturi suplimentare

linkuri externe