• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • La interfaz usable cerebro-máquina podría controlar una silla de ruedas, vehículo o computadora

    Sujeto de prueba que tiene dispositivos electrónicos inalámbricos flexibles adaptados a la parte posterior del cuello, con electrodos de cabello seco debajo de una diadema de tela y un electrodo de membrana en la mastoides, conectado con cables de película fina. Crédito:Woon-Hong Yeo

    La combinación de nuevas clases de electrodos de nanomembrana con componentes electrónicos flexibles y un algoritmo de aprendizaje profundo podría ayudar a las personas discapacitadas a controlar de forma inalámbrica una silla de ruedas eléctrica. interactuar con una computadora u operar un pequeño vehículo robótico sin ponerse una gorra de electrodo de cabello voluminoso o competir con cables.

    Al proporcionar un dispositivo totalmente portátil, interfaz inalámbrica cerebro-máquina (BMI), el sistema portátil podría ofrecer una mejora con respecto a la electroencefalografía (EEG) convencional para medir señales de potenciales evocados visualmente en el cerebro humano. La capacidad del sistema para medir las señales de EEG para el IMC se ha evaluado con seis sujetos humanos, pero no se ha estudiado con personas discapacitadas.

    El proyecto, realizado por investigadores del Instituto de Tecnología de Georgia, Universidad de Kent y Universidad Estatal de Wichita, fue informado el 11 de septiembre en la revista Inteligencia de la máquina de la naturaleza .

    "Este trabajo reporta estrategias fundamentales para diseñar una ergonomía, sistema de EEG portátil para una amplia gama de dispositivos de asistencia, sistemas domésticos inteligentes e interfaces de neurojuegos, "dijo Woon-Hong Yeo, profesor asistente en la Escuela de Ingeniería Mecánica George W. Woodruff de Georgia Tech y en el Departamento de Ingeniería Biomédica de Wallace H. Coulter. "La principal innovación está en el desarrollo de un paquete totalmente integrado de sistemas y circuitos de monitorización de EEG de alta resolución dentro de un sistema miniaturizado que se adapta a la piel".

    El IMC es una parte esencial de la tecnología de rehabilitación que permite a las personas con esclerosis lateral amiotrófica (ELA), accidente cerebrovascular crónico u otras discapacidades motoras graves para controlar los sistemas protésicos. La recopilación de señales cerebrales conocidas como potenciales evocados virtualmente en estado estacionario (SSVEP) ahora requiere el uso de una gorra para el cabello con electrodos que usa electrodos húmedos, adhesivos y alambres para conectar con equipos informáticos que interpretan las señales.

    Yeo y sus colaboradores están aprovechando una nueva clase de flexibilidad, Sensores inalámbricos y electrónicos que se pueden aplicar fácilmente a la piel. El sistema incluye tres componentes principales:altamente flexible, electrodos montados en el cabello que hacen contacto directo con el cuero cabelludo a través del cabello; un electrodo de nanomembrana ultrafino; y suave Circuito flexible con una unidad de telemetría Bluetooth. Los datos de EEG registrados del cerebro se procesan en los circuitos flexibles, luego se envía de forma inalámbrica a una tableta a través de Bluetooth desde una distancia de hasta 15 metros.

    Más allá de los requisitos de detección, Detectar y analizar señales SSVEP ha sido un desafío debido a la baja amplitud de la señal. que está en el rango de decenas de microvoltios, similar al ruido eléctrico en el cuerpo. Los investigadores también deben lidiar con la variación en los cerebros humanos. Sin embargo, medir con precisión las señales es esencial para determinar lo que el usuario quiere que haga el sistema.

    Para abordar esos desafíos, El equipo de investigación recurrió a algoritmos de redes neuronales de aprendizaje profundo que se ejecutan en circuitos flexibles.

    "Métodos de aprendizaje profundo, se utiliza comúnmente para clasificar imágenes de cosas cotidianas como gatos y perros, se utilizan para analizar las señales de EEG, "dijo Chee Siang (Jim) Ang, profesor titular de Multimedia / Sistemas Digitales en la Universidad de Kent. "Como imágenes de un perro que pueden tener muchas variaciones, Las señales de EEG tienen el mismo desafío de alta variabilidad. Se ha demostrado que los métodos de aprendizaje profundo funcionan bien con imágenes, y demostramos que también funcionan muy bien con señales de EEG ".

    Un chorro de aerosol impreso estirable, electrodo similar a la piel con una estructura de malla abierta que se muestra en el recuadro. Crédito:Woon-Hong Yeo

    Además, Los investigadores utilizaron modelos de aprendizaje profundo para identificar qué electrodos son los más útiles para recopilar información para clasificar las señales de EEG. "Descubrimos que el modelo puede identificar las ubicaciones relevantes en el cerebro para el IMC, que está de acuerdo con expertos humanos, "Agregó Ang." Esto reduce la cantidad de sensores que necesitamos, recortando costos y mejorando la portabilidad. "

    El sistema utiliza tres electrodos elastoméricos para el cuero cabelludo sujetos a la cabeza con una banda de tela, electrónica inalámbrica ultradelgada ajustada al cuello, y un electrodo impreso similar a la piel colocado sobre la piel debajo de la oreja. Los electrodos secos y suaves se adhieren a la piel y no utilizan adhesivo ni gel. Junto con la facilidad de uso, el sistema podría reducir el ruido y la interferencia y proporcionar velocidades de transmisión de datos más altas en comparación con los sistemas existentes.

    El sistema se evaluó con seis sujetos humanos. El algoritmo de aprendizaje profundo con clasificación de datos en tiempo real podría controlar una silla de ruedas eléctrica y un pequeño vehículo robótico. Las señales también podrían usarse para controlar un sistema de visualización sin usar un teclado, joystick u otro controlador, Dijo Yeo.

    "Los sistemas EEG típicos deben cubrir la mayor parte del cuero cabelludo para recibir señales, pero los usuarios potenciales pueden ser sensibles al usarlos, "Yeo agregó." Esta miniaturizada, El dispositivo suave portátil está completamente integrado y diseñado para ser cómodo para un uso prolongado ".

    Los próximos pasos incluirán mejorar los electrodos y hacer que el sistema sea más útil para las personas con discapacidad motora.

    "El estudio futuro se centraría en la investigación de productos totalmente elastoméricos, electrodos autoadhesivos inalámbricos que se pueden montar en el cuero cabelludo sin ningún tipo de soporte del arnés, junto con una mayor miniaturización de la electrónica para incorporar más electrodos para su uso con otros estudios, "Dijo Yeo." El sistema EEG también se puede reconfigurar para monitorear los potenciales evocados motores o la imaginación motora para sujetos con deficiencias motoras, que se estudiará más a fondo como un trabajo futuro sobre aplicaciones terapéuticas ".

    A largo plazo, el sistema puede tener potencial para otras aplicaciones en las que sería útil una monitorización EEG más sencilla, como en los estudios del sueño realizados por Audrey Duarte, profesor asociado en la Escuela de Psicología de Georgia Tech.

    "Este sistema de monitoreo de EEG tiene el potencial de permitir finalmente a los científicos monitorear la actividad neuronal humana de una manera relativamente discreta a medida que los sujetos avanzan en sus vidas". ", dijo." Por ejemplo, El Dr. Yeo y yo usamos actualmente un sistema similar para monitorear la actividad neuronal mientras la gente duerme en la comodidad de sus propios hogares. en lugar del laboratorio con voluminosos, rígido, equipo incómodo, como se hace habitualmente. Medir la actividad neuronal relacionada con el sueño con un sistema imperceptible puede permitirnos identificar nuevos, biomarcadores no invasivos de patología neural relacionada con el Alzheimer que predicen la demencia ".

    Además de los ya mencionados, el equipo de investigación incluyó a Musa Mahmood, Yun-Soung Kim, Saswat Mishra, y Robert Herbert de Georgia Tech; Deogratias Mzurikwao de la Universidad de Kent; y Yongkuk Lee de la Universidad Estatal de Wichita.


    © Ciencia https://es.scienceaq.com