Chiar dacă interfețele creier-mașină sau creier-computer (BMI/BCI) au parcurs un drum lung de când Hans Berger a descoperit prezența activității electrice în creierul uman în anul 1924, comunicarea fără probleme între creier și mașini rămâne un sfânt graal al informaticii. În ultimii ani s-au înregistrat progrese incredibile în utilizarea unor interfețe creier-mașină purtabile și noninvazive pentru a ajuta persoanele cu dizabilități sau paralizate să se deplaseze din nou, să controleze protezele robotizate sau să comande computerele prin puterea gândirii și să ofere persoanelor nevăzătoare viziune bionică.
În prezent, în urma unui nou studiu realizat de o echipă internațională de oameni de știință a fost proiectat un sistem BMI care poate controla un braț robotizat sau un scaun cu rotile, doar prin imaginarea acțiunii. Acesta include un sistem de detectare, care este mai ușor de purtat decât iterațiile anterioare. El cuprinde un sistem electronic flexibil, wireless, proiectat sub forma unui scalp, care folosește electro-encefalografia (EEG) pentru a citi și traduce semnalele neuronale din creierul uman în acțiuni.
Scalpul portabil folosit în cadrul sistemului BMI dezvoltat de către Yeo și colegii săi este un proiect la care echipa lucrează de doi ani. „Spre deosebire de dispozitivele EEG convenționale, acesta nu are foarte multe fire, electrozi metalici și așa mai departe. Sistemul conține o serie de electrozi micro-ac miniaturizați, imperceptibili și circuite flexibile cu interconectori extensibili. Acest lucru oferă sistemului un factor de formă mai bun și o achiziție mai bună a semnalului”, a declarat Woon-Hong Yeo din cadrul Institutului de Tehnologie din Georgia.
Fiind atât flexibil, scalpul EEG poate fi purtat peste păr și nu necesită geluri sau paste pentru a fi menținut în aceiași poziție. Înregistrarea îmbunătățită a semnalului se datorează, în mare parte, electrozilor cu micro-ace, invizibile cu ochiul liber, care pătrund în stratul exterior al pielii. „Nu veți simți nimic pentru că acestea sunt prea mici pentru a fi detectate de către nervi. În sistemele convenționale EEG, orice mișcare, precum clipitul, provoacă degradarea semnalului. Totuși, un electrod ultra-ușor și subțire poate reduce la minimum toate aceste probleme legate de mișcare”, a declarat Yeo.
Echipa a folosit învățarea automată pentru a analiza și clasifica semnalele neuronale primite de sistem și pentru a identifica momentul în care purtătorul își imagina activitatea motorie. Aceasta este componenta esențială a unui BMI care este utilizată pentru a face diferența între diferite tipuri de semnale. De obicei, în cadrul unor astfel de dispozitive, sunt folosite învățarea automată sau învățarea profundă. Noi am folosit rețele neuronale convoluționale. Acest tip de învățare profundă este de obicei utilizat în sarcini de viziune realizate pe computer, precum recunoașterea modelelor sau recunoașterea facială și nu exclusiv pentru semnale cerebrale”, a declarat Yeo.
De asemenea, cercetătorii au folosit realitatea virtuală (VR) pentru a simula acțiunea. Deoarece sistemul se bazează pe imagini motorii, componenta VR acționează ca un indiciu vizual și „ajută un utilizator să își imagineze mai bine acțiunea”, a adăugat Yeo. În urma analizei datelor, s-a arătat faptul că tehnologia VR a îmbunătățit și calitatea semnalului.
Sistemul BMI portabil a fost capabil să înregistreze activități ce au presupus imagini motorii în timp real, de înaltă calitate, iar cei patru subiecți umani au reușit să-și finalizeze exercițiile VR doar prin puterea gândirii. În ciuda unei precizii de 93,22 ± 1,33%, Yeo a declarat faptul că încă există multe provocări.
„Limitarea majoră a sistemului BMI noninvaziv este aceea că măsurăm semnale pe piele, prin craniu și prin țesuturi. Așadar, cred că trebuie să îmbunătățim continuu calitatea dispozitivului nostru pentru a obține semnale mai bune. Și, în același timp, trebuie să ne îmbunătățim continuu analiza datelor pentru a avea o precizie mai bună”, a adăugat Yeo. De asemenea, în experimentul actual, cercetătorii au utilizat doar patru clase pentru intrări. „Mi-ar plăcea să extindem sistemul la mai mult de 10 intrări”, a relatat Yeo. De asemenea, echipa așteaptă să primească autorizația pentru a testa sistemul pe subiecți umani cu dizabilități.
