Daglig bruk av hjernekontrollerte roboter og nevroproteser er det viktigste løftet om hjerne-maskin-grensesnitt (BMI) for personer som lider av alvorlige motoriske funksjonshemminger. En ny studie av University of Texas at Austin tar et skritt fremover for hjerne-maskin-grensesnitt - datasystemer som gjør sinnsaktivitet til handling.
I denne studien kunne flere personer med motoriske funksjonshemminger betjene en rullestol som omsetter tankene deres til bevegelse. Studien er også viktig på grunn av det ikke-invasive utstyret som brukes til å betjene rullestol.
José del R. Millán, professor ved Cockrell School of Engineerings Chandra Family Department of Electrical and Computer Engineering, som ledet det internasjonale forskerteamet, sa: "Vi demonstrerte at menneskene som skal være sluttbrukere av denne typen enheter kan navigere i et naturlig miljø ved hjelp av en hjerne-maskin-grensesnitt».
Forestillingen om en tankedrevet rullestol har blitt undersøkt i årevis. Likevel har de fleste innsatser basert seg på ikke-funksjonshemmede eller stimuli som gjør at rullestolen kontrollerer brukeren i stedet for omvendt.
I dette tilfellet opererte tre personer med tetraplegi – manglende evne til å bevege armer og ben på grunn av ryggradsskader – rullestolen til ulike grader av suksess i en kaotisk, naturlig setting. Grensesnittet fanget deres hjerneaktivitet, og en maskinlæringsalgoritme konverterte den til instruksjoner for betjening av rullestolen.
Forskere bemerket, "Dette er et tegn på fremtidig kommersiell levedyktighet for tankedrevne rullestoler som kan hjelpe personer med begrenset motorisk funksjon."
"Studien er også viktig på grunn av det ikke-invasive utstyret som brukes til å betjene rullestolen."
Overraskende nok implanterte ikke forskere noen enhet i deltakerne eller brukte noen form for stimulering på dem. Deltakerne måtte bære en hette med elektroder som registrerte hjernens elektriske aktivitet, kjent som en elektroencefalogram (EEG). Disse elektriske signalene ble forsterket og overført til en datamaskin, og omsatte hver deltakers tanker til handling.
To viktige dynamikker var store bidragsytere til suksessen til studien. Den første innebærer et opplæringsprogram for brukerne.
Teknikkene for å visualisere å flytte stolen ble lært opp til brukerne på samme måte som de ville ha lært å bevege hender og føtter. Studiedeltakernes hjerneaktivitet endret seg etter hvert som de ga kommandoer, og forskerne var i stand til å overvåke disse endringene.
Den andre bidragsyteren lånte fra robotikk. For bedre å forstå omgivelsene, utstyrte forskerne rullestolene sine med sensorer. I tillegg brukte de robotisk intelligensprogramvare for å hjelpe rullestolen til å reise nøyaktig og trygt ved å fylle ut hullene i brukernes kommandoer.
Millan sa, «Det fungerer mye som å ri på hest. Rytteren kan be hesten svinge til venstre eller gå inn i en port. Men hesten må til slutt finne ut den optimale måten å utføre disse kommandoene på.»
Teammedlemmer i prosjektet inkluderer Luca Tonin ved Universitetet i Padova i Italia; Serafeim Perdikis fra University of Essex i Storbritannia; Taylan Deniz Kuzu, Jorge Pardo, Thomas Armin Schildhauer, Mirko Aach og Ramón Martínez-Olivera fra Ruhr-Universität Bochum i Tyskland; Bastien Orset fra École polytechnique fédérale de Lausanne i Sveits; og Kyuhwa Lee fra Wyss Center for Bio and Neuroengineering i Sveits.
Tidsreferanse:
- Luca Tonin et al. Lære å kontrollere en BMI-drevet rullestol for personer med alvorlig tetraplegi. iScience. GJØR JEG: 10.1016/j.isci.2022.105418
