Мультиинституциональная международная команда исследователей во главе с лабораторией Вун-Хон Йео в Технологическом институте Джорджии объединила беспроводную электронику для мягкой кожи головы и виртуальную реальность в системе BMI, которая позволяет пользователю представлять действие и управлять инвалидной коляской или роботизированной рукой по беспроводной сети.

Команда, в которую вошли исследователи из Университета Кента (Соединенное Королевство) и Университета Йонсей (Республика Корея), описывает новую систему ИМТ, основанную на двигательных изображениях, в этом месяце в журнале Передовая наука.

"Главное преимущество этой системы для пользователя по сравнению с тем, что существует в настоящее время, заключается в том, что она мягкая и удобная в носке и не имеет никаких проводов", - сказал Йео, адъюнкт-профессор Школы машиностроения Джорджа У. Вудраффа.

Системы BMI - это реабилитационная технология, которая анализирует сигналы мозга человека и преобразует эту нейронную активность в команды, превращая намерения в действия. Наиболее распространенным неинвазивным методом получения этих сигналов является электроэнцефалография, ЭЭГ, для которой обычно требуется громоздкая электродная черепная крышка и запутанная сеть проводов.

Эти устройства, как правило, в значительной степени зависят от гелей и паст, помогающих поддерживать контакт с кожей, требуют длительного времени настройки, как правило, неудобны в использовании. Устройства также часто страдают от плохого приема сигнала из-за ухудшения качества материала или артефактов движения - вспомогательного "шума", который может быть вызван чем-то вроде скрежета зубами или моргания глаз. Этот шум проявляется в данных мозга и должен быть отфильтрован.

Разработанная Yeo портативная система ЭЭГ, объединяющая незаметные микроигольные электроды с мягкими беспроводными цепями, обеспечивает улучшенный сбор сигнала. Точное измерение этих сигналов мозга имеет решающее значение для определения того, какие действия пользователь хочет выполнить, поэтому команда интегрировала мощный алгоритм машинного обучения и компонент виртуальной реальности для решения этой задачи.

Новая система была протестирована на четырех людях, но еще не изучалась на людях с ограниченными возможностями.

"Это всего лишь первая демонстрация, но мы в восторге от того, что увидели", - отметил Йео, директор Центра человекоориентированных интерфейсов и инженерии Georgia Tech при Институте электроники и нанотехнологий и член Petit Institute for Bioengineering and Bioscience.

Новая парадигма

Команда Йео первоначально представила мягкий, носимый интерфейс ЭЭГ мозг-машина в исследовании 2019 года, опубликованном в журнале Nature Machine Intelligence. Ведущий автор этой работы, Муса Махмуд, также был ведущим автором новой исследовательской работы команды.

"Этот новый интерфейс мозг-машина использует совершенно иную парадигму, включающую воображаемые двигательные действия, такие как хватание любой рукой, что освобождает испытуемого от необходимости смотреть на слишком много стимулов", - сказал Махмуд, аспирант лаборатории Йео.

В исследовании 2021 года пользователи продемонстрировали точный контроль над упражнениями в виртуальной реальности, используя свои мысли - двигательные образы. Визуальные подсказки улучшают процесс сбора информации как для пользователя, так и для исследователей.

"Виртуальные подсказки оказались очень полезными", - сказал Йео. "Они ускоряют и повышают вовлеченность пользователей и точность. И мы смогли записать непрерывную, высококачественную двигательную активность".

По словам Махмуда, будущая работа над системой будет сосредоточена на оптимизации размещения электродов и более продвинутой интеграции ЭЭГ на основе стимулов, используя то, что они узнали из последних двух исследований.

Это исследование было поддержано Национальными институтами здравоохранения (NIH R21AG064309), грантом Центра (Человекоцентрические интерфейсы и инженерия) в Технологическом институте Джорджии, Национальным исследовательским фондом Кореи (NRF-2018M3A7B4071109 и NRF-2019R1A2C2086085) и исследовательской программой конвергенции Yonsei-KIST. У Georgia Tech есть ожидающая рассмотрения патентная заявка, связанная с работой, описанной в этой статье.