Разработана система расшифровки сигналов мозга для управления роботом-манипулятором.
Исследователи разработали систему чтения мыслей для расшифровки нейронных сигналов, поступающих из мозга во время движения рук. Метод, описанный в журнале Applied Soft Computing, может использоваться человеком для управления роботизированной рукой через интерфейс мозг-машина (ИМТ).
ИМТ — это устройство, которое преобразует нервные сигналы в команды для управления машиной, такой как компьютер или роботизированная конечность. Существует два основных метода мониторинга нейронных сигналов при ИМТ: электроэнцефалография (ЭЭГ) и электрокортикография (ЭКоГ).
ЭЭГ показывает сигналы от электродов на поверхности кожи головы и широко используется, потому что она неинвазивна, относительно дешева, безопасна и проста в использовании. Однако ЭЭГ имеет низкое пространственное разрешение и обнаруживает нерелевантные нейронные сигналы, что затрудняет интерпретацию намерений людей по ЭЭГ. С другой стороны, ЭКоГ является инвазивным методом, при котором электроды размещаются непосредственно на поверхности коры головного мозга под кожей головы.
По сравнению с ЭЭГ, ЭКоГ может отслеживать нейронные сигналы с гораздо более высоким пространственным разрешением и меньшим фоновым шумом. Однако у этой методики есть несколько недостатков. «ЭКоГ в основном используется для поиска потенциальных источников эпилептических припадков, а это означает, что электроды размещаются в разных местах у разных пациентов и могут не находиться в оптимальных областях мозга для обнаружения сенсорных и двигательных сигналов», — объяснил профессор Чжэ Сунг Чжон. ученый-мозг из KAIST.
«Это несоответствие затрудняет декодирование сигналов мозга для прогнозирования движений». Чтобы преодолеть эти проблемы, команда профессора Чонга разработала новый метод расшифровки нейронных сигналов ЭКоГ во время движения руки. Система основана на системе машинного обучения для анализа и прогнозирования нейронных сигналов, называемой «сетью эхо-состояний», и математической модели вероятности, называемой распределением Гаусса.
В ходе исследования исследователи записали сигналы ЭКоГ от четырех человек с эпилепсией, когда они выполняли задачу «дотянись и схвати». Поскольку электроды ЭКоГ располагались в соответствии с потенциальными источниками эпилептических припадков у каждого пациента, только от 22% до 44% электродов располагались в областях мозга, ответственных за контроль движения. Во время задания на движение участникам давали визуальные подсказки, либо помещая перед ними настоящий теннисный мяч, либо с помощью гарнитуры виртуальной реальности, показывающей человеческую руку, вытянутую вперед в виде от первого лица. Их попросили потянуться вперед, схватить предмет, затем вернуть руку и отпустить предмет, при этом на запястьях и пальцах были надеты датчики движения.
Во втором задании им было предложено представить, как они тянутся вперед, не двигая руками. Исследователи отслеживали сигналы от электродов ЭКоГ во время реальных и воображаемых движений рук и проверяли, может ли новая система предсказывать направление этого движения по нейронным сигналам.
Они обнаружили, что новый декодер успешно классифицировал движения рук в 24 направлениях в трехмерном пространстве как в реальных, так и в виртуальных задачах, и что результаты были по крайней мере в пять раз точнее, чем случайно. Они также использовали компьютерное моделирование, чтобы показать, что новый декодер ЭКоГ может управлять движениями роботизированной руки.
В целом результаты показывают, что новая система BCI на основе машинного обучения успешно использовала сигналы ЭКоГ для интерпретации направления предполагаемых движений. Следующие шаги будут заключаться в повышении точности и эффективности декодера. В будущем его можно будет использовать в устройстве ИМТ в режиме реального времени, чтобы помогать людям с двигательными или сенсорными нарушениями.
https://android-robot.com/
