Интерфейс мозг-компьютер

редактировать

A интерфейс мозг-компьютер (BCI ), иногда называемый нейронным интерфейсом управления (NCI ), интерфейс разум-машина (MMI ), прямой нейронный интерфейс (DNI ), или интерфейс мозг-машина (BMI ), представляет собой прямой канал связи между расширенным или проводным мозгом и им. BCI отличается от нейромодуляции тем, что допускает двунаправленный поток информации. BCI часто используется на исследовании, отображение, помощь, усиление или восстановление когнитивных или сенсорно-моторных функций человека.

Исследования BCI начались в 1970-х годах в Калифорнийский университет в Лос-Анджелесе (UCLA) в рамках гранта национального научного фонда, за которым следует контракт с DARPA. В статьях, опубликованных после этого исследования, также впервые в научной литературе появилось выражение «интерфейс мозг-компьютер».

Благодаря корковой пластичности мозга, сигналы от имплантированных протезов могут после адаптации обрабатываться мозгом как естественные сенсорные или эффекторные каналы. После нескольких лет экспериментов на животных в середине 1990-х годов появились первые нейропротезные устройства, имплантированные людям.

Новые совместные исследования человека и компьютера посредством применения машинного обучения со статистическими временными характеристиками, извенными из лобной доли, мозговых волн ЭГ высокий уровень успеха в классификации психических состояний (расслабленное, нейтральное, сосредоточенное), психических эмоциональных состояний (негативных, нейтральных, позитивных) и таламокортикальной дисритмии.

Содержание

  • 1 История болезни
  • 2 BCI в сравнении с нейропротезами
  • 3 Исследование BCI на животных
    • 3.1 Ранние работы
    • 3.2 Выдающиеся успехи в исследованиях
      • 3.2.1 Кеннеди и Ян Дан
      • 3.2. 2 Nicolelis
      • 3.2.3 Донохью, Шварц и Андерсен
      • 3.2.4 Другие исследования
      • 3.2.5 Премия BCI
  • 4 Исследование BCI человека
    • 4.1 Инвазивные BCI
      • 4.1.1 Видение
      • 4.1.2 Движение
    • 4.2 Частично инвазивные ИМК
    • 4.3 Неинвазивные ИМК
      • 4.3.1 Интерфейс человек-ко мпьютер без ЭЭГ
        • 4.3.1.1 Электроокулография (ЭОГ)
        • 4.3. 1.2 Колебания размера зрачка
      • 4.3.2 Функциональная ближняя инфракрасная спектроскопия scopy
      • 4.3.3 Интерфейсы мозг-компьютер на основе электроэнцефалографии (ЭЭГ)
        • 4.3.3.1 Обзор
      • 4.3.4 Сухие активные электродные матрицы
      • 4.3.5 SSVEP мобильный ЭЭГ ИМК
      • 4.3.6 Ограничения
      • 4.3.7 Протез и контроль окружающей среды
      • 4.3.8 DIY и открытый исходный код BCI
      • 4.3.9 MEG и MRI
      • 4.3.10 Стратегии управления BCI в нейрогейминге
        • 4.3.10.1 Моторные образы
        • 4.3.10.2 Био / нейробиоуправление для пассивных конструкций BCI
        • 4.3.10.3 Визуальный вызванный потенциал (VEP)
    • 4.4 Синтетическая телепатия / безмолвная коммуникация
  • 5 BCI в клеточной культуре
  • 6 Этические соображения
    • 6.1 Вопросы, ориентированные на пользователя
    • 6.2 Правовые и социальные аспекты
  • 7 Недорогие интерфейсы на основе BCI
  • 8 Перспективы развития
    • 8.1 Нарушения сознания (DOC)
    • 8.2 Восстановление моторики
    • 8.3 Функциональное картирование мозга
    • 8.4 Гибкие устройства
    • 8.5 Нейронная пыль
  • 9 См. Также
  • 10 Примечания
  • 11 Ссылки
  • 12 Дополнительная литература
  • 13 Внешние ссылки

История

История интерфейса мозг-компьютер (BCI) начинается с H Анс Бергером была открыта электрическая активность человеческого мозга и улучшения электроэнцефалография (ЭЭГ). В 1924 году Бергер первым зарегистрировал активность мозга человека с помощью ЭЭГ. Бергер смог идентифицировать колебательную активность, как волна Бергера или альфа-волна (8–13 Гц), анализируя записи ЭЭГ.

Первое записывающее устройство Бергера было очень примитивным. Он вставил серебряную проволоку под головы своих пациентов. Позже они были заменены серебряной фольгой, прикрепленной к голове пациента резиновыми бинтами. Бергер подключил эти датчики к капиллярному электрометру Липпмана , что дало неутешительные результаты. Однако более сложные измерительные устройства, такие как Сименс с двойной записью гальванометр, отображающий электрическое напряжение до одной десятитысячной вольта, привело к успеху.

Бергерования проанализировал взаимосвязь чередующих диаграмм диаграмм ЭЭГ с заболеваниями мозга. ЭЭГ открыли совершенно новые возможности для исследования деятельности человеческого мозга.

Хотя термин еще не был придуман, одним из первых примеров работающего интерфейса мозг-машина была пьеса «Музыка для сольного исполнителя» (1965) американского композитора Элвина Люсьера. В пьесе используется оборудование для обработки ЭЭГ и аналогового сигнала (фильтры, усилители и микшерный пульт) для стимуляции акустических ударных инструментов. Для исполнения пьесы необходимо выполнять альфа-волны и таким образом, «играть» на различных ударных инструментах через громкоговорители, которые размещаются рядом или непосредственно на самих инструментах.

UCLA Профессор Жак Видаль ввел термин "BCI" и выпустил первые рецензируемые публикации по этой теме. Видаль широко известен как изобретение BCI в сообществе BCI, что отражено в конфликтах рецензируемых статей, например, рассматривается и обсуждается данная область. В его статье 1973 года была сформулирована «проблема BCI»: управление внешними объектами с помощью сигналов ЭЭГ. В частности, он указывает на возможность условной отрицательной вариации (CNV) как на проблему для контроля BCI. Описанный Видалем эксперимент 1977 г. был первым применением BCI после его провокации 1973 г. Это был неинвазивный контроль ЭЭГ (на самом деле визуальных вызванных потенциалов (ЗВП)) графического объекта, похожего на курсор, на экране компьютера. Демонстрация представляет собой движение в лабиринте.

После своих первых вкладов Видаль много лет не принимал участие в исследованиях BCI, ни в мероприятиях BCI, таких как конференции. Однако в 2011 году он прочитал лекцию в Граце, Австрии при поддержке проекта Future BNCI, представив первый BCI, который заслужил овации. К Видалю присоединилась его жена Ларис Видал, которая ранее работала с ним в Калифорнийском университете в Лос-Анджелесе над его первым проектом BCI.

В 1988 году был отчет о неинвазивном ЭЭГ-контроле физического объекта, робота. Описанный эксперимент представляет собой ЭЭГ-контроль многократного запуска-остановки-перезапуска движения робота по произвольной траектории, зарегистрированной линией, проведенной на полу. Следование линии было поведением робота по умолчанию, с использованием автономного интеллекта и автономного источника энергии. Этот отчет 1988 года, написанный Стево Божиновски, Михаилом Сестаковым и Лиляной Божиновской, был первым отчетом об управлении роботом с использованием ЭЭГ.

В 1990 году представлен доклад о замкнутом контуре, двунаправленном адаптивном BCI, управляющем компьютерным зуммером. упреждающий потенциал мозга, потенциал условной вариации (CNV). Эксперимент описал, как состояние ожидания мозга, проявляющее CNV, контролирует петле обратной связи зуммер S2 в парадигме S1-S2-CNV. Полученная когнитивная волна, представляющая ожидаемое обучение в мозгу, называется электроэкспектограммой (EXG). Потенциал мозга CNV был частью проблемы BCI, представленной Видалем в его статье 1973 года.

BCI по сравнению с нейропротезами

Нейропротезирование - это область нейробиологии, связанная с нейронными протезами, то есть с использованием искусственных устройств для замены нарушенной функции нервной системы и связанных с мозгом проблемы, или органов чувств или самих органов (мочевой пузырь, диафрагма и т. д.). По состоянию на декабрь 2010 г. кохлеарные имплантаты были имплантированы как нейропротезы примерно 220 000 человек во всем мире. Также существует несколько нейропротезных устройств, предназначенных для восстановления зрения, в том числе имплантаты сетчатки. Однако первым нейропротезом был кардиостимулятор.

Иногда термины используются как синонимы. Нейропротезирование и ИМК преследуют одни и те же цели, такие как восстановление зрения, слуха, движения, коммуникативной способности и даже когнитивных функций. Оба используют экспериментальные методы и хирургические техники.

Исследование BCI на животных

Нескольким лабораториям удалось записать сигналы от коры головного мозга, обезьяны и крысы , чтобы задействовать BCI для создания движения. Обезьяны перемещались по компьютерным курсорам на экране и приказывали роботизированным манипуляторам выполнять простые задачи, просто думая о задаче и наблюдая визуальную обратную связь, но без какой-либо двигательной активности. В мае 2008 года фотографии, которые изображена обезьяна в Медицинском центре Питсбургского университета, управляющая роботизированной рукой посредством мышления, были опубликованы в известных научных журналов и журналов.

Ранние работы

Обезьяна управляет роботизированной рукой с интерфейсом мозг-компьютер (лаборатория Шварца, Университет Питтсбурга)

В 1969 году оперантное кондиционирование исследования Фец и его коллег в Региональном исследовательском центре приматов и отделении физиологии и биофизика, Вашингтонская школа медициныского университета в Сиэтле впервые показали, что обезьяны могут научиться контролировать руки биологической обратной связи с помощью нейронных видов деятельности. Аналогичная работа 1970-х годов установила, что обезьяны могут быстро научиться управлять возбуждением отдельных и множественных нейронов в первичной моторной коре, если они будут вознаграждены за соответствующие паттернов нейронной активности.

Разработаны исследования, в которых были разработаны алгоритмы для восстановления движений из моторной коры нейронов, которые управляют движением, отношением к 1970-м годам. В 1980-х годах Апостолос Георгопулос из Университета Джона Хопкинса обнаружил математическую связь между электрическими реакциями одиночных моторных нейронов коры головного мозга макак-резус и управлением, в котором они двигали руками (на основе на основе функции косинуса ). Он также обнаружил, что рассредоточенные группы нейронов в разных областях мозга, обезьяны коллективно управляют двигательными командами, но из-за ограничений, накладываемых его оборудования, он может записывать срабатывания нейронов только в одной области за раз. 246>

С середины 90-х годов прошлого века в BCI происходило быстрое развитие. Несколько групп уловить сложные сигналы моторной коры головного мозга путем записи из нейронных ансамблей (группы нейронов) и использования их для управления внешними устройствами.

Выдающиеся успехи в исследованиях

Кеннеди и Дэн

Филлип Кеннеди (который позже основал Neural Signals в 1987 году) и его коллеги создали первый внутрикортикальный интерфейс мозг-компьютер, имплантировав нейротрофические компоненты. конические электроды в обезьян.

Ян Дан и его коллеги записали зрение кошки с помощью BCI, имплантированного в латеральное коленчатое ядро ​​ (верхний ряд: исходное изображение; нижний ряд: запись)

В 1999 году исследователи под руководством Янга Дэна из Калифорнийского университета в Беркли тесты импульсы нейронов для воспроизведения изображений, которые наблюдали кошки. Команда использовала набор электродов, встроенных в таламус (который объединяет все сенсорные данные мозга) остроглазых кошек. Исследователи нацелены на 177 клеток головного мозга в области таламуса латерального коленчатого ядра, которые декодируют сигналы от сетчатки. Кошкам показали восемь короткометражных фильмов и записали срабатывания их нейронов. Используя математические фильтры, исследователи преобразовали сигналы для создания фильмов о том, что видели кошки, смогли воссоздать узнаваемые сцены и движущиеся объекты. С тех пор аналогичные результаты на людях были достигнуты исследователями в Японии (см. Ниже).

Николелис

Мигель Николелис, профессор Университета Дьюка, в Дареме, Северная Каролина, выдающим сторонником использования нескольких электродов. над большей областью мозга, чтобы получить нейронные сигналы для управления BCI.

Проведя первоначальные исследования на крысах в 1990-х годах, Николелис и его коллеги разработали BCI, которые декодировали мозговую активность совообразных обезьян и использовали устройства для воспроизведения движений обезьян в роботизированных руках. Обезьяны обладают развитыми способностями к захвату и хватанию, а также хорошими навыками манипулирования руками, что делает их идеальными подопытными для рода работы.

К 2000 году группе удалось построить BCI, который воспроизводил движение совы-обезьяны, когда обезьяна управляла джойстиком или тянулась за едой. BCI работал в режиме реального времени, а также мог управлять роботом удаленно по Интернет-протоколу. Но обезьяны не могли видеть движение руки и не никакой обратной связи, так называемого разомкнутого BCI.

Схема BCI, Мигелем Николелисом и его коллегами для использования на макаках-резусах

В более поздних экспериментах Николелиса с использованием макак-резусов удалось замкнуть петлю обратной связи и представлены движения обезьяны и захвата рукой робота. Обезьяны-возвращенные к ним глубоко расщепленным и бороздчатым мозгом считаются лучшими моделями для нейрофизиологии, чем совы. Обезьяны были обучены дотягиваться до объектов на экране компьютера и захватывать их с помощью джойстика, в то время как соответствующие движения руки робота были скрыты. Позже обезьянам показали робота напрямую, и они научились управлять им, наблюдая за его движениями. BCI использовал предсказания скорости для управления движением при достижении и одновременно предсказал силу захвата. В 2011 году О'Догерти и его аналииали ИМК с сенсорной обратной связью на макаках-резусах. Мозг обезьяны контролировал положение руки аватара, получая сенсорную обратную связь посредством интракортикальной прямой стимуляции (ICMS) в области представления руки сенсорной коры.

Донохью, Шварц и Андерсен

Другие лаборатории, разработанные BCI и алгоритмы для декодирования нейронных сигналов, включая лаборатории Джона Донохью из Университета Брауна, Эндрю Шварца из Университета Питтсбурга и Ричарда Андерсена из Калтех. Эти исследователи смогли создать рабочие ИМК, даже используя записанные сигналы от гораздо большего числа нейронов, чем у Николелиса (15-30 нейронов против 50-200 нейронов).

Группа Донохью сообщила об обучении макак-результатов использования BCI для визуальных целей на компьютере компьютера (BCI с обратной связью) с помощью джойстика или без связью. Группа Шварца создала BCI для трехмерного использования в реальности, а также воспроизела управление BCI в роботизированной руке. Эта же группа создала заголовки, когда они кормят себя кусочками фруктов и зефира с помощью роботизированной руки, управляемой сигналами собственного мозга животного.

Группа Андерсена использовала записи активности перед движением от задней теменной коры в их BCI, включая сигналы, создаваемые, когда экспериментальные животные ожидали получение награды.

Другие исследования

В дополнение к прогнозированию кинематики и кинетические параметры движений конечностей, ИМК, которые предсказывают электромиографическую или электрическую активность мышц приматов. Такие ИМК можно использовать для восстановления подвижности парализованных конечностей за счет электростимуляции мышц.

Мигель Николелис и его коллеги показали, что активность больших ансамблей может предсказать положение руки. Эта работа сделала возможным создание BCI, которые считывают намерения движения руки и переводят их в движения искусственных механизмов. Кармена и его коллеги запрограммировали нейронное кодирование в BCI, которое позволяет обезьяне управлять движением руки робота по захвату и захвату. Лебедев и его коллеги утверждают, что создать новое представление о придатке робота в дополнение к представлению собственных конечностей животного.

В 2019 году исследователи из UCSF опубликовали исследование, которое может помочь пациенту с нарушением речи, вызванным неврологическими расстройствами. Их BCI использовал электрокортикографию высокой плотности для нейронной активности в мозгу пациента и использовал методы глубокого обучения для синтеза речи.

Самым большим препятствием для технологии BCI в настоящее время является отсутствие датчика модальность, обеспечивающая безопасный, точный и надежный доступ к сигналам мозга. Однако возможно или даже вероятно, что такой датчик будет разработан в течение следующих двадцати лет. Использование такого датчика должно значительно расширить спектр коммуникационных функций, которые могут быть реализованы с помощью BCI.

Разработка и внедрение системы BCI сложны и требуют много времени. В ответ на эту проблему Гервин Шалк разработал универсальную систему для исследований BCI, названную BCI2000. BCI2000 находится в разработке с 2000 года в рамках проекта, возглавляемого Программой исследований и разработок интерфейса мозг-компьютер в Центре Уодсворта при Департаменте здравоохранения штата Нью-Йорк в Олбани, штат Нью-Йорк. Йорк, США.

Новый «беспроводной» подход использует светозависимые ионные каналы, такие как каналродопсин, для контроля активности генетически определенных подмножеств нейронов in vivo. В контексте простой обучающей задачи освещение трансфицированных клеток в соматосенсорной коре повлияло на процесс принятия решений свободно движущихся мышей.

Использование ИМТ также помогло привел к более глубокому пониманию нейронных сетей и центральной нервной системы. Исследования показали, что, несмотря на склонность нейробиологов полагать, что нейроны имеют наибольший эффект при совместной работе, отдельные нейроны можно настроить с помощью ИМТ, чтобы стрелять по паттерну, который позволяет приматам управлять моторными выходами. Использование ИМТ привело к развитию принципа недостаточности одиночных нейронов, согласно которому даже при хорошо настроенной частоте срабатывания одиночные нейроны могут нести лишь ограниченный объем информации, и поэтому наивысший уровень точности достигается путем регистрации срабатываний коллективного ансамбля.. Другие принципы, обнаруженные с использованием ИМТ, включают принцип многозадачности нейронов, принцип нейрональной массы, принцип нейронного вырождения и принцип пластичности.

ИМТ также предлагается применять пользователям без инвалидности. Ориентированная на пользователя категоризация подходов к BCI, проведенная Торстеном О. Зандером и Кристианом Коте, вводит термин пассивный BCI. Помимо активных и реактивных BCI, которые используются для направленного управления, пассивные BCI позволяют оценивать и интерпретировать изменения в состоянии пользователя во время взаимодействия человека с компьютером (HCI ). Во вторичном, неявном контуре управления компьютерная система адаптируется к своему пользователю, улучшая ее удобство использования в целом.

Помимо систем BCI, которые декодируют нейронную активность для управления внешними эффекторами, системы BCI могут использоваться для кодирования сигналов с периферии. Этисенсорные устройства BCI позволяют принимать в режиме реального времени решения на основе нейронной стимуляции с замкнутым контуром.

Награда BCI

Ежегодная награда BCI Research присуждается в признании выдающихся и инновационных исследований в области интерфейса мозг-компьютер. Каждый год известную исследовательскую лабораторию просят оценить представленные проекты. В состав жюри входят ведущие мировые эксперты BCI, набранные лауреатом премии. Жюри выбирает двенадцать номинантов, затем выбирает победителей, занявших первое, второе и третье места, которые получают награды в размере 3000, 2000 и 1000 долларов соответственно.

Исследование ИМК человека

Инвазивный ИМК

Инвазивный ИМК требует хирургического вмешательства для имплантации электродов под кожу головы для передачи сигналов мозга. Основное преимущество - более точное считывание; однако его оборотная сторона - побочные эффекты от операции. После операции могут образовываться рубцовые ткани, которые могут ослабить сигналы мозга. Кроме того, согласно исследованию Abdulkader et al. (2015), организм может не принять имплантированные электроды, и это может вызвать заболевание.

Vision

Исследование инвазивного BCI было нацелено на восстановление поврежденного зрения и обеспечение новых функций для людей с параличом. Инвазивные ИМК имплантируются непосредственно в серое вещество во время нейрохирургии. Они находятся в сером веществе, инвазивные устройства производят сигналы самого высокого качества, чем устройства BCI, но склонны к нарастанию рубцовой ткани, в результате чего сигнал становится слабее или даже отсутствует, поскольку тело реагирует на инородный объект в головном мозге.

В науке о зрении прямые мозговые имплантаты использовались для лечения не- врожденная (приобретенная) слепота. Один из первых ученых, создавших рабочий мозговой интерфейс для восстановления зрения, был частный исследователь Уильям Добель.

. Первый прототип Добелля был имплантирован в "Джерри", человеку, ослепшему во взрослой жизни, в 1978 году. 68 электродов были имплантированы в зрительную кору Джерри, и им удалось произвести фосфены, ощущение виденного света. Система включающая камеры, установленные на очках, для отправки сигналов на имплант. Первоначально имплант позволяетл Джерри видеть оттенки серого ограниченного поля зрения с низкой частоты кадров. Это также потребовало его подключения к мэйнфрейму, но уменьшение размеров электроники и быстрые компьютеры сделали его искусственный глаз более портативным и теперь позволяют ему выполнять простые задачи без посторонней помощи.

Манекен, демонстрирующий конструкцию Интерфейс BrainGate

В 2002 году Йенс Науманн, также ослепший в зрелом возрасте, стал первым из 16 платящих пациентов, получивших имплант второго поколения Dobelle, что стало одним из первых коммерческих применений ИМК. В устройстве второго поколения использовался более сложный имплант, позволяющий лучше отображать фосфены в когерентное зрение. Фосфены разбросаны по полю зрения, что исследователи называют «эффектом звездной ночи». Сразу после имплантации Йенс смог использовать несовершенно восстановленное зрение, чтобы медленно проехать на автомобиле по парковке исследовательского института. К сожалению, Добелле умер в 2004 году до того, как его процессы и разработки были задокументированы. Вперед, когда г-н Науманн и другие пациенты начали испытывать проблемы со зрением, облегчения не было, и они, в конце концов, снова потеряли «зрение». Науманн написал о своем опыте работы Добель в книге «Поиск рая: рассказ пациента об эксперименте с искусственным зрением» и вернулся на свою ферму в Юго-Восточном Онтарио, Канада, чтобы возобновить свою обычную деятельность.

Движение

BCI, специализирующиеся на моторном нейропротезировании, нацелены либо на восстановление движения людей с параличом, либо на предоставление устройств, помогающих им, таких как интерфейсы с компьютерами или руками роботов.

Исследователи из Университета Эмори в Атланте во главе с Филипом Кеннеди и Роем Бакаем первыми установили мозговой имплант человеку, который генерировал сигналы достаточно высокого качества. имитировать движение. Их пациент, Джонни Рэй (1944–2002), страдал от «синдрома запертости » после перенесенного мозгового инсульта в 1997 году. Имплант Рэя был установлен в 1998 году, и он жил достаточно долго, чтобы начать работать с имплантатом, со временем научившись управлять компьютерным курсором; он умер в 2002 году от аневризмы головного мозга.

тетраплегии Мэтт Нэгл стал первым человеком, который провел искусственную руку с помощью BCI в 2005 году в рамках первого девятимесячного испытания на людях из Киберкинетика и BrainGate чип-имплант. Имплантат BrainGate с 96 электродами, имплантированный в правую прецентральную извилину Нэгла (область моторной коры для движения руки), позволял Нэгла управлять роботизированной рукой, думая о перемещении руки, а также о компьютерном курсоре, светится и телевизор. Годом позже профессор получил приз Фонд инноваций Альтрана за помощью мозгового компьютерного интерфейса с электродами, предоставными на поверхности черепа, а непосредственно в мозге.

Совсем недавно исследовательские группы во главе с группой Брейнгейта в Университета Брауна и группа во главе с Медицинским центром Университета Питтсбурга, оба в сотрудничестве с Департамент по делам ветеранов США произошел дальнейший успех в прямом управлении роботизированными протезами со многими степенями свободы, используя прямые соединения с массивами нейронов в моторной коре головного мозга пациентов с тетраплегией.

Частично инвазивные ИМК

Частично инвазивные ИМК имплантируются внутри черепа, но располагаются вне мозга, а не в сером веществе. Они производят сигналы с лучшим разрешением, чем неинвазивные ИМК, когда костная ткань черепа отклоняет и деформирует сигналы и имеют более низкий риск образования рубцовой ткани в головном мозге, чем полностью инвазивные ИМК. Была проведена доклиническая демонстрация внутрикортикальных ИМК от инсульта перилезионной коры.

Электрокортикография (ЭКоГ) измеряет электрическую активность мозга, измеренную из-под черепа, аналогично неинвазивной электроэнцефалографии, но электроды являются встроенной в тонкую пластиковую подушечку, которая размещается над корой, под твердой мозговой оболочкой. Технологии ЭКоГ были впервые испытаны на людях в 2004 году Эриком Лойтхардтом и Дэниелом Мораном из Вашингтонского университета в Сент-Луисе. В более позднем испытании исследователи помогли мальчику-подростку сыграть в Space Invaders, используя свой имплант ECoG. Это исследование показывает, что контроль осуществляется быстро, требует минимального обучения и может быть идеальным компромиссом в точности показателя и уровня инвазивности.

Сигналы могут быть либо субдуральными, либо эпидуральными, но они не берутся из мозга сама паренхима. До недавнего времени он не изучался широко из-за ограниченного доступа к предметам. В настоящее время единственный способ получения сигнала для исследования - это использовать пациента, которому требуется инвазивный мониторинг для локализации и резекции эпилептогенного очага.

ЭКоГ является очень многообещающим промежуточным методом BCI, потому что он имеет более высокое пространственное разрешение, лучшее соотношение сигнал / шум, более широкий диапазон частот и меньше требований к обучению, чем записанная на кожу головы ЭЭГ, и в то же время более низкую техническую сложность, более низкий клинический риск и, вероятно, более высокая долговременная стабильность, чем внутрикортикальная запись одиночных нейронов. Этот профиль функции и недавние свидетельства высокого уровня контроля с минимальными требованиями к обучению потенциала для реального применения людей с двигательными функциями. Светореактивные устройства BCI для визуализации все еще остаются в сфере теории.

Неинвазивные ИМК

Были также проведены эксперименты на людях с использованием неинвазивных технологий нейровизуализации в качестве интерфейса. Значительное большинство опубликованных работ по ИМК включает неинвазивные ИМК на основе ЭЭГ. Неинвазивные технологии и интерфейс на основе ЭГ используются для гораздо более широкого круга приложений. Хотя интерфейс на основе ЭЭГ легко носить и не использовать хирургического вмешательства, они имеют низкое пространственное разрешение и используют высокочастотные сигналы, поскольку череп ослабляет сигналы, рассеивая и размывая электромагнитные волны, создаваемые нейронами. Интерфейсы на основе ЭЭГ также требуют некоторого времени и возможностей перед каждым использованием, тогда как интерфейсы, не основанные на ЭЭГ, а также инвазивные не требуют предварительной подготовки к использованию. В целом, BCI для каждого пользователя зависит от лучших факторов.

Человеко-компьютерный интерфейс, не основанный на ЭЭГ

Электроокулография (EOG)

В 1989 году представлен отчет об управлении мобильным роботом движением глаз с помощью Электроокулографии (EOG) сигналы. Мобильный робот двигался от начала до конечной точки с помощью пяти команд EOG, которые интерпретировались как вперед, назад, влево, вправо и стоп. ЭОГ как проблема управления внешними объектами представлена ​​Видалем в своей статье 1973 года.

Колебания размера зрачка

В статье 2016 года описывалось совершенно новое устройство связи и человек, не основанный на ЭЭГ. -компьютерный интерфейс, не требующий зрительной фиксации и вообще умения двигать глазами. Интерфейс основан на скрытом интересе ; направление своего внимания на выбранную букву на клавиатуре без необходимости перемещать глаза, чтобы смотреть прямо на букву. Каждая буква имеет свой собственный (фоновый) круг, яркость которого колеблется в отличии от яркости всех остальных букв. Выбор букв основан на наилучшем совпадении между непреднамеренными колебаниями размера зрачка и рисунком колебания фонового круга. Точность необычного повторения слов «яркий» и «темный» синхронно с переходами яркости круга букв.

Функциональная спектроскопия в ближнем инфракрасном диапазоне

В 2014 и 2017 гг. Был проведен ИМК с использованием функциональной спектроскопии в ближнем инфракрасном диапазоне пациентов с боковым амиотрофическим склерозом. (БАС) смог восстановить некоторые базовые способности пациентов общаться с другими людьми.

Интерфейсы мозг-компьютер на основе электроэнцефалографии (ЭЭГ)

Обзор
Записи мозговые волны, вызванные электроэнцефалограммой

После того, как проблема BCI была заявлена ​​Видалем в 1973 году, первоначальные сообщения о неинвазивном подходе, включающие управление курсором в 2D с помощью VEP (Видаль 1977), управление зуммером с помощью CNV (Bozinovska et al. 1988, 1990), управление физическим объектом, роботом с использованием ритма мозга (альфа) (Bozinovski et al. 1988), управление текстом, написанным на экране, с помощью P300 (Farwell and Donchin, 1988

На заре исследований BCI является еще одним серьезным препятствием для использования электроэнцефалографии (ЭЭГ) в качестве интерфейса Например, в средних экспериментах, начавшихся в 1990-х годов, Нильс Бирбаумер из Тюбингенского университета в Германии обучал сильно парализованных л юдей саморегуляции медленных корковых потенциалов в их ЭЭГ до степени, в которой указаны эти сигналы в качестве двоичного сигнала для управления курсором компьютера. (Бирбаумер обучал эпилептиков ранее предотвращать надвигающиеся приступы, контролируя эти волну низкого напряжения.) В эксперименте было показано, что десять пациентов обучались перемещать компьютерный курсор, контролируя свои мозговые волны. Процесс был медленным: пациенту требовалось более часа, чтобы написать курсором 100 символов, в то время как обучение часто занимало много месяцев. Однако этот подход к ИМК с медленным кортикальным потенциалом не использовался в течение нескольких лет, поскольку другие подходы не требуют или почти не требуют обучения, являются более быстрыми и точными и для большей части пользователей.

Другим параметром исследования является тип измеряемой колебательной активности. Герт Пфурчеллер основал лабораторию BCI Lab в 1991 году и предоставил результаты своих исследований по воображению движения в первом онлайновом BCI, основанном на колебательных характеристиках и классификаторах. Вместе с Бирбаумером и Джонатаном Вулпоу из Университета штата Нью-Йорк они сосредоточились на разработке технологии, которая позволила бы пользователям выбирать сигналы мозга, которые им проще всего использовать для управления BCI, включая mu и бета ритмы.

Еще одним параметром является используемый метод обратной связи, который показан в исследованиях сигналов P300. Паттерны волн P300 генерируются непроизвольно (стимул-обратная связь ), когда люди видят что-то, что они узнают, и могут позволить ИМК декодировать категории мыслей без предварительной подготовки пациентов. Напротив, методы биологической обратной связи, описанные выше, требуют обучения управлению мозговыми волнами, чтобы можно было обнаружить результирующую мозговую активность.

В 2005 г. было опубликовано исследование по эмуляции ЭЭГ цифровых схем управления для BCI, на примере триггера CNV. В 2009 году сообщалось о неинвазивном контроле ЭЭГ роботизированной руки с помощью триггера CNV. В 2011 году сообщалось о контроле над двумя роботами-манипуляторами, решающими задачу Ханойской башни с тремя дисками с помощью триггера CNV. В 2015 году была описана ЭЭГ-эмуляция триггера, триггера, демультиплексора и модема Шмидта.

Хотя интерфейс мозг-компьютер на основе ЭЭГ широко использовался рядом исследовательских лабораторий, недавние достижения были сделаны Автор: Бин Хе и его команда из Университета Миннесоты предполагают, что интерфейс мозг-компьютер на основе ЭЭГ может выполнять задачи, близкие к инвазивному интерфейсу мозг-компьютер. Использование расширенного функционального нейровизуализации, включая BOLD Функциональная МРТ и ЭЭГ визуализация источника, Bin He и его сотрудники, совместную вариацию и совместную локализацию электрофизиологических и гемодинамических сигналов, вызванных двигательным воображением. Уточненный подходом нейровизуализации и протоколом обучения, Бин Хе и его коллеги используют способность неинвазивного интерфейса мозг-компьютер на основе ЭЭГ управлять полетом виртуального вертолета в трехмерном пространстве, ритмом на двигательном воображении. В июне 2013 года было объявлено, что Бин Хэ разработал технику, позволяющую управлять вертолетом с дистанционным управлением через полосу препятствий.

В дополнение к интерфейсу компьютер-компьютер на основе мозговых волн, записанных с Электроды ЭЭГ кожи головы, Бин Хе и его коллеги исследовали интерфейс мозг-компьютер на основе виртуального сигнала ЭЭГ, сначала решив ЭЭГ обратную задачу, а затем используя полученную виртуальную ЭЭГ для задач интерфейса мозг-компьютер. Хорошо контролируемые исследования показали достоинства интерфейса компьютерного мозга.

Исследование 2014 года показало, что пациенты с тяжелыми двигательными нарушениями могут общаться быстрее и надежнее с помощью неинвазивного ЭЭГ ИМК, чем с любым другим каналом связи на основе мышц.

Исследование 2016 года показало, устройство Emotiv EPOC может быть более подходящим для управления с использованием уровня внимания / медитации или моргания, чем устройство Neurosky MindWave.

Исследование 2019 года показало, что применение эволюционных алгоритмов может улучшить классификацию психического состояния ЭЭГ с помощью неинвазивного устройства Muse (повязка на голову), позволяющую высококачественную классификацию данных, полученные с помощью дешевого устройства измерения. ЭЭГ потребительского уровня. 246>

Матрицы сухих активных электродов

В начале 1990-х годов Бабак Тахери из Калифорнийского университета в Дэвисе применил первые одноканальные, а также многоканальные массивы сухих активных электродов с использованием микрообработки. Конструкция и результаты одноканального сухого электрода ЭЭГ были опубликованы в 1994 году. Также было показано, что массивный электрод хорошо работает по сравнению с электродами из серебра / хлорида серебра. Устройство состояло из четырех участков датчика со встроенной электроникой для уменьшения шума за счет согласования импеданса. Преимуществами таких электродов являются: (1) отсутствие электролита, (2) отсутствие подготовки кожи, (3) увеличенный размер датчика и (4) совместимость с системами мониторинга ЭЭГ. Активная электродная матрица представляет собой интегрированную систему, состоящую из набора емкостных датчиков с интегральной схемой, размещенную в корпусе с батареями для питания схемы. Такой уровень интеграции был необходим для достижения функциональных характеристик электрода.

Электрод был протестирован на электрическом испытательном стенде и на людях в четырех модальностях ЭГ-активности, именно: (1) спонтанная ЭЭГ, (2) потенциалы, связанные с сенсорными событиями, (3) потенциалы ствола мозга, и ( 4) когнитивные потенциалы, связанные с событием. Характеристики сухого электрода по сравнению со стандартными влажными электродами были лучше с зрения точки подготовки кожи, потребности в геле (сухой) и более высокого отношения сигнал / шум.

В 1999 г. исследователи из Университет Кейс Вестерн Резерв, в Кливленде, Огайо, во главе с Хантером Пекхэмом, использовали тюбетейку для ЭЭГ с 64 электродами, чтобы вернуть ограниченные движения руки парализованному Джиму Ятич. Ятич силен на простых, но противоположных понятиях, как «вверх» и «вниз», его выход ЭЭГ с бета-ритмом был проанализирован с помощью программного обеспечения для использования паттернов в шуме. Был идентифицирован базовый образец, который использовался для управления переключателем: активность выше среднего была включена, ниже средней - выключена. Помимо того, что Ятич мог управлять компьютерным курсором, используются также сигналы для управления нервными контроллерами, встроенными в его руки, восстанавливая некоторое движение.

Мобильные ЭЭГ BCI SSVEP

В 2009 году NCTU Сообщалось о головной повязке "мозг-компьютер-интерфейс". Исследователи, которые разработали это оголовье BCI, разработали основу силикона Микроэлектро-механическую систему (MEMS) сухие электроды, предназначенные для нанесения на участки тела, не содержащие волос покровяной. Эти электроды прикрепляли к плате DAQ в оголовье с помощью защелкивающихся держателей электродов. Модуль обработки сигналов измерял активность альфа, телефон с поддержкой Bluetooth оценивал способность пациентов к когнитивным функциям. Когда субъект становился сонным, телефон отправлял оператору возбуждающую обратную связь, чтобы разбудить его. Это исследование было поддержано Национальным научным советом Тайваня, R.O.C., NSC, Национальным университетом Цзяо-Дун, министерством образования Тайваня и США. Армейская исследовательская лаборатория.

В 2011 году исследователи сообщили о сотовом BCI, способном принимать данные ЭГ и преобразовывать их в команду, заставляющую телефон звонить. Это исследование было частично поддержано Abraxis Bioscience LLP, Исследовательской лабораторией армии США и Управлением армейских исследований. Разработанная технология представляет собой носимую систему, состоящую из четырехканального модуля сбора / усиления биосигнала , модуля беспроводной передачи и сотового телефона с поддержкой Bluetooth. Электроды располагали так, чтобы они улавливали устойчивые визуальные вызванные потенциалы (SSVEPs ). SSVEP - это электрические реакции на мерцающие зрительные стимулы с ускорением повторения более 6 Гц, которые лучше всего проявляются в теменной и затылочной области скальпа зрительной коры. Сообщалось, что с этой настройкой BCI все участники исследования могли инициировать телефонный звонок с минимальной практикой в ​​естественной среде.

Ученые утверждают, что в их исследованиях использовалось одноканальное быстрое преобразование Фурье (БПФ ) и алгоритм канонического корреляционного анализа многоканальной системы (CCA ), включая возможности мобильных BCI. Алгоритм CCA использует в других экспериментах по исследованию BCI с заявленной высокой производительностью по точности, так и по скорости. Хотя технология BCI на основе сотовой связи была создана для инициирования телефонного звонка от SSVEP, исследователи заявили, что ее можно преобразовать для других приложений, таких как определение сенсомоторных mu /бета ритмов, чтобы функционировать как BCI на основе моторных образов..

В 2013 году были проведены сравнительные испытания BCI на мобильных телефонах, планшетах их Android, в ходе которых была проанализирована мощность компьютера спектральная плотность результирующих SSVEP ЭЭГ. Заявленные цели этого исследования, в которых участвовали ученые, частично поддерживаемые Исследовательской лабораторией армии США, заключались в том, чтобы «повысить практичность, мобильность и повсеместность BCI на основе SSVEP для повседневного использования». Цитирование Сообщалось, что частота стимуляции на всех средах была точной, хотя сигнал сотового телефона демонстрировал некоторую нестабильность. Также сообщалось, что амплитуды SSVEP для ноутбука и планшета были больше, чем для мобильного телефона. Эти две качественные характеристики были предложены в качестве индикаторов возможности использования стимула BCI.

Ограничения

В 2011 году исследователи заявили, что продолжение работы должно касаться простоты использования надежности производительности, сокращения количества аппаратных средств. и стоимость программного обеспечения.

Одной из трудностей при считывании ЭЭГ является большой восприимчивостью к артефактам движения. В большинстве ранее описанных исследовательских проектов участников просили сидеть неподвижно, максимально уменьшив движения головы и глаз, измерения проводились в лабораторных условиях. Однако, при использовании этих методов, технология была испытана в действии.

В 2013 году исследователи протестировали мобильную технологию BCI на основе ЭЭГ, измеряя SSVEP у участников, когда они ходили по беговой дорожке с разной скоростью. Это исследование проводилось при поддержке Управление военно-морских исследований, Управление армейских исследований и Исследовательской лаборатории армии США. Заявленные результаты заключаются в том, что с помощью скорости обнаруживаемость SSVEP с использованием CCA уменьшалась. Независимый компонентный анализ (ICA ) показал свою эффективность в отделении сигналов ЭЭГ от шума, ученые применили ICA к данным ЭЭГ, извлеченным CCA. Они заявили, что данные CCA обработаны ICA и без нее были одинаковыми. Таким образом, они пришли к выводу, что CCA не соответствует требованиям к артефактам движения, что указывает на то, что этот алгоритм может быть полезным для применения к BCI, используемым в реальных условиях.

В 2020 году исследователи из Калифорнийского университета использовали вычислительную систему, связанную с интерфейсами мозг-машина, для преобразования мозговых волн в предложения. Однако их расшифровка была ограничена 30–50 предложений, даже несмотря на то, что частота ошибок в словах составляет всего 3%.

Протезирование и контроль окружающей среды

Неинвазивные ИМК также применяются для управления мозгом протезных устройств верхних и нижних конечностей у людей с параличом. Например, Герт Пфурчеллер из Технологического университета Граца и его коллеги использовали управляемую BCI систему функциональной электрической стимуляции для восстановления движений верхних конечностей у человека с тетраплегией из-за спинного мозга. травма. В период с 2012 по 2013 год исследователи из Калифорнийского университета в Ирвине впервые применили возможность использования технологии BCI для восстановления управляемого мозга ходьбы после травмы спинного мозга. В их исследовании травм спинного мозга человек с параплегией смог использовать роботизированный ортез для ходьбы с помощью BCI, чтобы восстановить базовую управляемость мозгом. В 2009 году Алекс Блейни, независимый исследователь из Великобритании, успешно использовал Emotiv EPOC для управления 5-осевым манипулятором робота. Затем он создал несколько демонстрационных инвалидных колясок с управляемым сознанием и одной из функций, которые могли управлять людьми с ограниченным двигательным контролем или без нижнего, например, с параличомних конечных возможностей и церебральным параличом.

Исследования по военному использованию BCI, финансируемые DARPA, продолжаются с 1970-х годов. В настоящее время в центре внимания исследования коммуникация между посредством анализа нейронных сигналов.

DIY и BCI с открытым исходным кодом

В 2001 году проект OpenEEG был инициирован группой нейробиологов, работающих самостоятельно. инженеры. ModularEEG был основным существом, созданным сообществом OpenEEG; это была 6-канальная плата захвата сигнала, стоимость изготовления которой составляла от 200 до 400 долларов. Проект OpenEEG ознаменовал важный момент в появлении интерфейса «самодельный мозг-компьютер».

В 2010 году Frontier Nerds программы ITP Нью-Йоркского университета опубликовали подробное руководство под названием «Как взломать игрушечные ЭЭГ». Учебник, взволнованный умы многих начинающих энтузиастов DIY BCI, использовал, как создать одноканальный домашний ЭЭГ с Arduino и Mattel Mindflex по очень разумной цене. Этот урок усилил движение DIY BCI.

В 2013 году OpenBCI возникла в результате запроса DARPA и предыдущая кампания на Kickstarter. Они высококачественную 8-канальную плату для сбора данных ЭЭГ с открытым исходным кодом, известную как 32-битную плату, которая продавалась по цене менее 500 долларов. Два года спустя они создали первую напечатанную на 3D-принтере ЭЭГ-гарнитуру, известную как Ultracortex, а также 4-канальную плату сбора данных ЭЭГ, известную как Ganglion Board, которая продавалась по цене менее 100 долларов.

МЭГ и МРТ

Реконструкция человеческого зрения в лаборатории ATR Labs с использованием фМРТ (верхний ряд: исходное изображение; нижний ряд: реконструкция по среднему значению объединенных показаний)

Магнитоэнцефалография (МЭГ) и функциональная магнитно-резонансная томография (фМРТ) были успешно использованы в неинвазивных ИМК. В широко известном инструменте фМРТ позволяет эксперила двум использовать, сканировать, играть в Pong в реальном времени, изменяя их гемодинамический ответ или кровоток в головном мозге с помощью методов биологической обратной связи.

Измерения гемодинамических показателей в реальном времени с помощью фМРТ также использовались для управления манипуляторами роботов с семисекундной задержкой между мыслями и движениями.

В исследовании 2008 года, проведенном в Advanced Telecommunications Research (ATR)) Вычислительная неврология Лаборатории в Киото, Япония, позволили ученым реконструировать изображения непосредственно из мозга и отображать их на компьютере в черно-белом режиме с разрешением размером 10x10 пикселей. Статья, объявляющая об этих достижениях, была обложкой журнала Neuron от 10 декабря 2008 года.

В 2011 году исследователи из Калифорнийского университета в Беркли опубликовали исследование, сообщающее о посекундной реконструкции видео, просмотренных участников исследования, по данным фМРТ. Это было достигнуто путем создания статистической модели, связывающей зрительные образы в видеороликах, показываемых испытуемым, с активностью мозга, вызванной просмотром видеороликов. Затем эта модель использовалась для поиска 100 сегментов видео длительностью в одну секунду в базе данных из 18 миллионов секунд случайных YouTube видео, визуальные паттерны, наиболее точно соответствующие активности мозга, зарегистрированной, когда испытуемые смотрели новое видео.. Эти 100 односекундных отрывков видео были объединены в разложенное изображение, напоминало просматриваемое видео.

Стратегии управления BCI в нейрогейминге

Моторные образы

Моторные образы вовлекает воображение движения различных частей тела, что вызывает активацию сенсомоторной коры, которая модулирует сенсомоторные колебания в ЭЭГ. Это может быть обнаружено BCI, чтобы сделать вывод о намерениях пользователя. Моторные образы обычно требуют тренировок, прежде чем будет достигнут приемлемый контроль над BCI. Эти учебные занятия могут использовать несколько часов в течение нескольких дней. Независимо от продолжительности тренировки, пользователи не могут освоить схему управления. Это приводит к очень медленному игровому процессу. Недавно были разработаны передовые методы машинного обучения для вычислений предметно-ориентированной модели для характеристик двигательных образов. Самым эффективным алгоритмом из набора данных 2 BCI Competition IV для изображений движения является стандартным пространственным шаблоном банка, используя Ang et al. от A * STAR, Сингапур ).

Био / нейробиоуправление для пассивных дизайнов BCI

Биологическая обратная связь используется для мониторинга психического расслабления субъекта. В некоторых случаях биологическая обратная связь контролирует электроэнцефалографию (ЭЭГ), параметры тела, такие как электромиография (ЭМГ), гальваническое сопротивление кожи (GSR) и вариабельность сердечного ритма. (ВСР). Многие системы биологической обратной связи используются для лечения определенных заболеваний, таких как синдром дефицита внимания и гиперактивности (СДВГ), проблемы со сном у детей, скрежетание зубами и хроническая боль. Системы биологической обратной связи ЭГ обычно контролируют четыре разных диапазона (тета: 4–7 Гц, альфа: 8–12 Гц, SMR: 12–15 Гц, бета: 15–18) и представляют субъекту их контролировать. Пассив BCI включает использование BCI для определения взаимодействия человека с машиной, не имеющей информации о фактическом состоянии пользователя, например, моделирования для того, когда пользователи намереваются нажать на тормоз во время процедуры экстренной остановки автомобиля. Разработчики игр, использующие пассивные BCI, должны осознавать, что в результате повторения уровней игры когнитивное состояние пользователя будет изменяться или адаптироваться. Во время первого прохождения уровня пользователь будет реагировать на события иначе, чем во время второго прохождения: например, пользователь будет меньше удивлен событию в игре, если он / она его ожидает.

Зрительный вызванный потенциал (ЗВП)

ЗВОП - это потенциал, зарегистрированный после того, как субъекту предъявили определенный тип зрительных стимулов. Есть несколько типов VEP.

Устойчивые визуально стимулы (SSVEP) используют потенциалы, генерируемые возбужденные сетчатки, с использованием визуальных стимулов, модулируемых на определенных частотах. Стимулы SSVEP часто формируются из чередующихся шаблонов шахматной доски иногда просто используют мигающие изображения. Частоту смены фазы используемого стимула можно четко различить в спектре ЭЭГ; это делает создание стимулов SSVEP простым. SSVEP оказался успешным во многих системах BCI. Это происходит из-за факторов: вызванный сигнал можно измерить в такой большой популяции, как кратковременный VEP, мигание и электрокардиографические артефакты, не влияющие на отслеживаемые частоты. Кроме того, сигнал SSVEP исключительно устойчиво; Топографическая организация первичной зрительной коры такова, что более широкая область получает афференты от центральной или фовиальной области поля зрения. Однако у SSVEP есть несколько проблем. Поскольку SSVEP используют мигающие стимулы, чтобы сделать вывод о намерениях пользователя, пользователь должен взглянуть на один из мигающих или повторяющихся символов, чтобы взаимодействовать с системой. Следовательно, вероятно, что символы могут стать раздражающими и неудобными для использования во время длительных игровых сессий, которые часто могут длиться более часа, что может быть не идеальным игровым процессом.

Другой тип VEP, используемый в приложениях, - это потенциал P300. Связанный с событием потенциал P300 - это положительный пик на ЭЭГ, который возникает примерно через 300 мс после появления целевого стимула (стимула, которого пользователь ждет или ищет) или необычных стимулов. Амплитуда P300 уменьшается по мере того, как целевые стимулы и игнорируемые стимулы становятся более похожими. Считается, что P300 связан с процессом внимания более высокого уровня или ориентировочной реакцией, использующей P300 в качестве схемы управления, имеет то преимущество, что участник должен только присутствовать ограниченно. тренировки. Первым приложением, использующим модель P300, была матрица P300. В рамках этой системы испытуемый выбирает букву из сетки 6 на 6 букв и цифр. Строки и столбцы сетки мигали последовательно, и каждый раз, когда загоралась выбранная «буква выбора», (потенциально) активировался пользовательский P300. Однако процесс коммуникации, примерно 17 символов в минуту, был довольно медленным. P300 - это BCI, который предлагает дискретный выбор, а не непрерывный механизм управления. Преимущество использования P300 в играх заключается в том, что игроку не нужно учить себя использовать совершенно новую систему управления, и поэтому ему нужно только проводить короткие обучающие сеансы, чтобы изучить механику игрового процесса и базовое использование парадигмы BCI.

Синтетическая телепатия / бесшумное общение

В рамках инициативы армии США по изобретению устройств для телепатической связи стоимостью $ 6,3 млн, выделенной на грант в размере 2,2 млн долларов, было обнаружено, что использование сигналов ЭКоГ может различать встроенные гласные и согласные в произносимых и воображаемых словах, проливая свет на отдельные механизмы, связанные с образованием гласных и согласных, и может обеспечить основу для мозговой коммуникации с использованием воображаемой речи.

В 2002 Кевин Уорвик в его нервную систему было вставлено 100 электродов, чтобы связать его нервную систему с Интернетом для исследования возможностей улучшения. После этого Уорвик успешно провел серию экспериментов. С помощью электродов, также имплантированных в нервную систему его жены, они провели первый эксперимент с прямой электронной связью между нервными системами двух людей.

Другой группе исследователей удалось добиться сознательной связи между мозгами между двумя людьми. разделенных расстоянием с использованием неинвазивной технологии, которая контактировала с кожей головы участников. Слова кодировались двоичными потоками с использованием последовательностей нулей и единиц с помощью воображаемого моторного входа человека, «испускающего» информацию. В результате этого эксперимента псевдослучайные биты информации содержали закодированные слова «hola» («привет» по-испански) и «ciao» («привет» или «до свидания» по-итальянски) и передавались мысленно между люди, разделенные расстоянием, с заблокированными двигательными и сенсорными системами, у которых практически нет вероятности того, что это произойдет случайно. [2]

Исследования синтетической телепатии с использованием субвокализации проводятся в Калифорнийском университете в Ирвине под руководством ведущего ученого Майка Д'Змура. Первое такое общение произошло в 1960-х годах с использованием ЭЭГ для создания кода Морзе с использованием альфа-волн мозга. Использование ЭЭГ для передачи воображаемой речи менее точно, чем инвазивный метод установки электрода между черепом и мозгом. 27 февраля 2013 г. группа с Мигелем Николелисом из Университета Дьюка и IINN-ELS успешно соединили мозги двух крыс с электронными интерфейсами, которые позволили им напрямую обмениваться информацией, в первый в истории прямой интерфейс мозг-мозг.

BCI-культуры клеток

Исследователи создали устройства для взаимодействия с нейронными клетками и целыми нейронными сетями в культурах за пределами животных. Наряду с дальнейшими исследованиями имплантируемых устройств животным, эксперименты с культивированной нервной тканью были сосредоточены на построении сетей для решения проблем, создании базовых компьютеров и манипулировании роботизированными устройствами. Исследования методов стимуляции и записи отдельных нейронов, выращенных на полупроводниковых чипах, иногда называют нейроэлектроникой или нейрочипами.

Первый в мире нейрочип, разработанный исследователями Caltech Джеромом Пайн и Майкл Махер

Разработка первого работающего нейрочипа была заявлена ​​командой Калифорнийского технологического института во главе с Джеромом Пайном и Майклом Махером в 1997 году. В чипе Калифорнийского технологического института было место для 16 нейронов.

В 2003 году группа под руководством Теодора Бергера из Университета Южной Калифорнии начала работу над нейрочипом, предназначенным для работы в качестве искусственного или протезного гиппокампа. Нейрочип был разработан для работы в головном мозге крыс и был задуман как прототип для возможной разработки протезов высшего мозга. Гиппокамп был выбран потому, что считается наиболее упорядоченной и структурированной частью мозга и наиболее изученной областью. Его функция заключается в кодировании переживаний для хранения в качестве долговременных воспоминаний в других частях мозга.

В 2004 году Томас ДеМарс из Университета Флориды использовал культуру из 25000 нейронов, взятых из мозга крысы. управлять истребителем F-22 симулятором самолета. После сбора корковые нейроны культивировали в чашке Петри и быстро начали восстанавливать соединение, чтобы сформировать живую нейронную сеть. Ячейки располагались на сетке из 60 электродов и использовались для управления функциями имитатора шаг и рыскание. Основное внимание в исследовании уделялось пониманию того, как человеческий мозг выполняет и обучается вычислительным задачам на клеточном уровне.

Этические соображения

Источники :

Вопросы, ориентированные на пользователя

  • Долгосрочные последствия для пользователя в значительной степени неизвестны.
  • Получение информированного согласия от люди, которые испытывают трудности с общением.
  • Последствия технологии BCI для качества жизни пациентов и их семей.
  • Побочные эффекты, связанные со здоровьем (например, нейробиоуправление тренировки сенсомоторного ритма сообщается влияют на качество сна).
  • Терапевтические применения и их возможное неправильное использование.
  • Риски безопасности
  • Неконвертируемость некоторых изменений, внесенных в мозг

Правовые и социальные

  • Проблемы подотчетности и ответственности: утверждает, что влияние BCI преобладает над свободой воли и контроля над сенсорно-моторными действиями, утверждает, что когнитивное намерение было неверно переведено из-за неисправности BCI.
  • Изменения личности, вызванные стимуляция глубокого мозга.
  • Обеспокоенность состоянием превращения в "киборга" - наличие частей живого тела и механических частей.
  • Вопросы личности: что значит быть человеком?
  • Размывание границ между человеком и машиной и неспособность различать людей по сравнению с действиями, управляемыми машиной.
  • Использование технологии в передовых методах допроса государственными органами.
  • Выборочное усиление и социальная стратификация.
  • Вопросы исследовательской этики, возникающие, когда переход от экспериментов на животных к применению на людях.
  • Моральные вопросы
  • Чтение мыслей и конфиденциальность.
  • Система отслеживания и «пометки»
  • Контроль разума.
  • Движение контроль
  • Контроль эмоций

В своей нынешней форме большинство BCI далеки от рассмотренных выше этических проблем. На самом деле они похожи на корректирующие методы лечения. В 2009 году Клаузен заявил, что «BCI создают этические проблемы, но они концептуально аналогичны тем, к которым специалисты по биоэтике обращались в других областях терапии». Более того, он предполагает, что биоэтика хорошо подготовлена ​​к решению проблем, возникающих с технологиями BCI. Хазелагер и его коллеги отметили, что ожидания эффективности и ценности BCI играют большую роль в этическом анализе и в подходе ученых BCI к СМИ. Кроме того, могут быть внедрены стандартные протоколы для обеспечения этически обоснованных процедур информированного согласия с заблокированными пациентами.

Случай BCI сегодня имеет параллели в медицине, как и его эволюция. Подобно тому, как фармацевтическая наука начиналась как баланс для нарушений и теперь используется для повышения внимания и уменьшения потребности во сне, BCI, вероятно, постепенно трансформируются от терапии к улучшениям. Внутри сообщества BCI предпринимаются усилия для достижения консенсуса в отношении этических принципов исследований, разработки и распространения BCI.

Недорогие интерфейсы на основе BCI

В последнее время ряд компаний снизили уровень медицинского обслуживания. Технология ЭЭГ (и в одном случае NeuroSky перестроила технологию с нуля) для создания недорогих ИМК. Эта технология встроена в игрушки и игровые устройства; Некоторые из этих игрушек были чрезвычайно коммерчески успешными, например NeuroSky и Mattel MindFlex.

  • В 2006 году Sony запатентовала систему нейроинтерфейса, позволяющую радиоволнам воздействовать на сигналы в нейронной коре.
  • В 2007 году NeuroSky выпустила первую доступную ЭЭГ для потребителей. вместе с игрой NeuroBoy. Это также было первое крупномасштабное устройство ЭЭГ, в котором использовалась технология сухих датчиков.
  • В 2008 году OCZ Technology разработала устройство для использования в видеоиграх, основанное в первую очередь на электромиографии.
  • . 2008 Final Fantasy разработчик Square Enix объявил о сотрудничестве с NeuroSky для создания игры Judecca.
  • В 2009 году Mattel заключил партнерство с NeuroSky чтобы выпустить Mindflex, игру, в которой использовалась ЭЭГ, чтобы направить мяч через полосу препятствий. На сегодняшний день это самая продаваемая ЭЭГ для потребителей.
  • В 2009 году Uncle Milton Industries в партнерстве с NeuroSky выпустила Star Wars Force Trainer, игра, созданная для создания иллюзии обладания Силой.
  • В 2009 году Emotiv выпустила EPOC, 14-канальное устройство ЭЭГ, которое может считывать 4 психических состояния, 13 состояний сознания, лица выражения и движения головы. EPOC - первый коммерческий BCI, использующий технологию сухого датчика, который может быть смочен физиологическим раствором для лучшего соединения.
  • В ноябре 2011 года Time Magazine выбрал "necomimi" производства Neurowear как одно из лучших изобретений года. Компания объявила, что планирует выпустить потребительскую версию одежды, состоящую из кошачьих ушей, управляемых считывателем мозговых волн производства NeuroSky, весной 2012 года.
  • В феврале 2014 They Shall Walk (некоммерческая организация, занимающаяся конструированием экзоскелетов, получивших название LIFESUITs, для парализованных и парализованных) начала сотрудничество с Джеймсом В. Шакарджи по разработке беспроводного BCI.
  • В 2016 году группа любителей разработала плату BCI с открытым исходным кодом, которая отправляет нейронные сигналы на аудиоразъем смартфона, что снизило стоимость BCI начального уровня до 20 фунтов стерлингов. Базовое диагностическое программное обеспечение доступно для устройств Android, а также приложение для ввода текста для Unity.

Будущие направления

Интерфейс мозг-компьютер

Консорциум, состоящий из 12 европейских партнеров, имеет завершили дорожную карту для поддержки Европейской комиссии в ее решениях о финансировании новой рамочной программы Horizon 2020. Проект, финансируемый Европейской комиссией, стартовал в ноябре 2013 года и опубликовал дорожную карту в апреле 2015 года. В публикации 2015 года под руководством д-ра Клеменса Бруннера описываются некоторые анализы и достижения этого проекта, а также новые разработки Brain- Общество компьютерных интерфейсов. Например, в этой статье рассмотрена работа в рамках этого проекта, в ходе которого были дополнительно определены BCI и приложения, исследованы последние тенденции, обсуждались этические вопросы и оценивались различные направления для новых BCI. Как отмечается в статье, их новая дорожная карта в целом расширяет и поддерживает рекомендации проекта Future BNCI, управляемого доктором Бренданом Эллисоном, который вызывает значительный энтузиазм в отношении новых направлений BCI.

Другие недавние публикации также исследовали будущие направления BCI для новых групп пользователей с ограниченными возможностями (например,). Ниже приведены некоторые известные примеры.

Расстройства сознания (DOC)

У некоторых людей расстройство сознания (DOC). Это состояние включает людей в коме, а также людей в вегетативном состоянии (VS) или состоянии минимального сознания (MCS). Новое исследование BCI направлено на то, чтобы помочь людям с DOC разными способами. Основная начальная цель - выявить пациентов, которые могут выполнять базовые когнитивные задачи, что, конечно же, приведет к изменению их диагноза. То есть некоторые люди, которым поставлен диагноз DOC, на самом деле могут обрабатывать информацию и принимать важные жизненные решения (например, обращаться ли за терапией, где жить, и их взгляды на решения в отношении их конца жизни). Некоторые люди, которым поставлен диагноз DOC, умирают в результате решения о завершении жизни, которое может быть принято членами семьи, которые искренне считают, что это отвечает интересам пациента. Учитывая новую перспективу, позволяющую этим пациентам высказать свое мнение по поводу этого решения, может возникнуть сильное этическое давление с целью развития этого направления исследований, чтобы гарантировать пациентам DOC возможность решить, хотят ли они жить.

В этих и других статьях описываются новые проблемы и решения для использования технологии BCI для помощи людям с DOC. Одна из основных проблем заключается в том, что эти пациенты не могут использовать ИМК на основе зрения. Следовательно, новые инструменты полагаются на слуховые и / или вибротактильные стимулы. Пациенты могут носить наушники и / или вибротактильные стимуляторы, размещенные на запястьях, шее, ногах и / или других местах. Еще одна проблема заключается в том, что пациенты могут терять сознание и терять сознание и общаться только в определенное время. Это действительно может быть причиной ошибочного диагноза. Некоторые пациенты могут отвечать на запросы врачей только в течение нескольких часов в день (что может быть непредсказуемо заранее) и, следовательно, могут не отвечать во время диагностики. Таким образом, новые методы основываются на инструментах, которые легко использовать в полевых условиях даже без помощи экспертов, поэтому члены семьи и другие лица без какого-либо медицинского или технического образования могут их использовать. Это снижает затраты, время, потребность в экспертных знаниях и другие трудности при оценке DOC. Автоматизированные инструменты могут задавать простые вопросы, на которые пациенты могут легко ответить, например: «Вашего отца зовут Джордж?» или "Вы родились в США?" Автоматические инструкции информируют пациентов о том, что они могут сказать «да» или «нет», (например) сосредоточив свое внимание на стимулах на правом и левом запястье. Такое сосредоточенное внимание приводит к достоверным изменениям в паттернах ЭЭГ, которые могут помочь определить, что пациент может общаться. Результаты могут быть представлены врачам и терапевтам, что может привести к пересмотру диагноза и лечения. Кроме того, этим пациентам могут быть предоставлены средства коммуникации на основе BCI, которые могут помочь им сообщить об основных потребностях, отрегулировать положение кровати и HVAC (отопление, вентиляция и кондиционирование воздуха), а также дать им возможность делать важные жизненные решения и общение.

Восстановление моторики

Люди могут потерять часть своей способности двигаться из-за многих причин, таких как инсульт или травма. Несколько групп исследовали системы и методы восстановления моторики, которые включают BCI. В этом подходе BCI измеряет двигательную активность, пока пациент воображает или пытается движения в соответствии с указаниями терапевта. BCI может проинформировать пациента и терапевта: (1) если BCI неправильно представляет движение (несоблюдение), то BCI может проинформировать пациента и терапевта; и (2) поощрение обратной связи, как функция стимуляция или движение виртуального аватара, также зависит от правильного образа движения пациента.

До сих пор ИМК для восстановления моторики полагались на ЭЭГ для измерения воображения движения пациента. Однако в исследованиях также использовалась фМРТ для изучения различных изменений в головном мозге, когда люди проходят курс реабилитации после инсульта на основе ИМК. Будущие системы могут включаться в себя фМРТ и другие меры для контроля в реальном времени, такие как функция ближняя инфракрасная область, вероятно, в тандеме с ЭЭГ. Неинвазивная стимуляция мозга также была исследована в сочетании с ИМК для восстановления моторики. В 2016 году ученые из Мельбурнского университета опубликовали доклинические данные о проверке концепции, связанные с потенциальной технологической платформой интерфейса мозг-компьютер, разрабатываемой для пациентов с параличом, чтобы облегчить управление внешними устройствами, такими как роботизированные конечности., компьютеры и экзоскелеты, переводя активность мозга. В настоящее время проводятся клинические испытания.

Функциональное картирование мозга

Ежегодно картирование мозга во время нейрохирургии проходят около 400 000 человек. Эта процедура часто требуется людям с опухолями или эпилепсией, которые не реагируют на лекарства. Во время этой процедуры электроды накладываются на мозг, чтобы точно определить расположение структур и функциональных областей. Пациенты могут бодрствовать во время нейрохирургии, и их просят выполнить определенные задачи, например, двигать пальцами или повторять слова. Это необходимо для того, чтобы хирурги могли удалить только желаемую ткань, сохраняя при этом другие области, такие как критические движения или языковые области. Удаление слишком большого количества ткани головного мозга может привести к необратимому повреждению, в то время как удаление слишком малого количества ткани может оставить основное состояние без лечения и потребовать дополнительной нейрохирургии. Таким образом, существует острая необходимость в улучшении как методов, так и систем для максимально эффективного картирования мозга.

В нескольких недавних публикациях эксперты-исследователи BCI и врачи объединились для изучения новых способов использования технологии BCI для улучшения нейрохирургического картирования. В этой работе основное внимание уделяется высокой гамма-активности, которую трудно обнаружить неинвазивными методами. Результаты привели к усовершенствованным методам определения ключевых областей движения, языка и других функций. В недавней статье были рассмотрены достижения в области функционального картирования мозга и обобщен семинар.

Гибкие устройства

Гибкая электроника - это полимеры или другие гибкие материалы (например, шелк, пентацен, PDMS, парилен, полиимид ), которые напечатаны с схемой ; гибкая природа органических фоновых материалов, позволяющих изгибаться создаваемой электронике, и методы изготовления, используемые для создания этих устройств, напоминают те, которые использовались для создания интегральных схем и Микроэлектромеханические системы (MEMS). Гибкая электроника была впервые разработана в 1960-х и 1970-х годах, но интерес к исследованиям возрос в середине 2000-х.

Нейронная пыль

Нейронная пыль - это термин, используемый для обозначения устройств миллиметрового размера, работающих как с беспроводным питанием нервные датчики, которые были предложены в докладе 2011 года Калифорнийского университета в Беркли, Исследовательский центр беспроводной связи, в котором описаны как проблемы, так и выдающиеся преимущества создания долговечного беспроводного BCI. В одной предложенной модели нейронного датчика пыли модель транзистора позволила использовать метод разделения между потенциалами локального поля и потенциалом действия «всплески», что позволило бы значительно разнообразить богатство данных, полученных из записей.

См. также

Примечания

Ссылки

Дополнительная литература

Внешние ссылки

Викискладе есть носители, связанные с интерфейсами мозг-компьютер.
Последняя правка сделана 2021-05-13 09:43:05
Содержание доступно по лицензии CC BY-SA 3.0 (если не указано иное).
Обратная связь: support@alphapedia.ru
Соглашение
О проекте