Daglig användning av hjärnkontrollerade robotar och neuroproteser är det viktigaste löftet om hjärn-maskin-gränssnitt (BMI) för personer som lider av allvarliga motoriska funktionshinder. En ny studie av University of Texas at Austin tar ett steg framåt för gränssnitt mellan hjärna och maskin - datorsystem som förvandlar sinnesaktivitet till handling.
I denna studie kunde flera personer med motorisk funktionsnedsättning använda en rullstol som omsätter deras tankar till rörelse. Studien är också betydelsefull på grund av den icke-invasiva utrustningen som används för att fungera Rullstolen.
José del R. Millán, professor vid Cockrell School of Engineerings Chandra Family Department of Electrical and Computer Engineering, som ledde det internationella forskarteamet, sa: "Vi visade att de människor som kommer att vara slutanvändare av dessa typer av enheter kan navigera i en naturlig miljö med hjälp av en hjärn-maskin-gränssnitt. "
Föreställningen om en tankedriven rullstol har undersökts i åratal. Ändå har de flesta ansträngningar förlitat sig på icke-handikappade personer eller stimuli som får rullstolen att kontrollera användaren istället för tvärtom.
I det här fallet skötte tre personer med tetraplegi – oförmågan att röra sina armar och ben på grund av ryggradsskador – rullstolen till olika grader av framgång i en kaotisk, naturlig miljö. Gränssnittet fångade deras hjärnaktivitet, och en maskininlärningsalgoritm omvandlade den till instruktioner för att använda rullstolen.
Forskare noterade, "Detta är ett tecken på framtida kommersiell lönsamhet för sinnesdrivna rullstolar som kan hjälpa människor med begränsad motorisk funktion."
"Studien är också betydelsefull på grund av den icke-invasiva utrustningen som används för att använda rullstolen."
Överraskande nog implanterade forskare inte någon enhet i deltagarna eller använde någon typ av stimulering på dem. Deltagarna var tvungna att bära en keps med elektroder som registrerade hjärnans elektriska aktivitet, känd som en elektroencefalogram (EEG). Dessa elektriska signaler förstärktes och överfördes till en dator, vilket omsatte varje deltagares tankar till handling.
Två viktiga dynamik var viktiga bidragande orsaker till framgången för studien. Den första innebär ett utbildningsprogram för användarna.
Teknikerna för att visualisera att flytta stolen lärdes ut till användarna på samma sätt som de skulle ha lärt sig att röra sina händer och fötter. Studiedeltagarnas hjärnaktivitet förändrades när de gav kommandon, och forskarna kunde övervaka dessa förändringar.
Den andra bidragsgivaren lånade från robotik. För att bättre förstå sin omgivning utrustade forskarna sina rullstolar med sensorer. Dessutom använde de robotisk intelligensprogramvara för att hjälpa rullstolen att resa exakt och säkert genom att fylla i luckorna i användarnas kommandon.
Millan sade, "Det fungerar mycket som att rida en häst. Ryttaren kan säga åt hästen att svänga vänster eller gå in i en grind. Men hästen måste i slutändan komma på det optimala sättet att utföra dessa kommandon."
Teammedlemmar i projektet inkluderar Luca Tonin från University of Padova i Italien; Serafeim Perdikis från University of Essex i Storbritannien; Taylan Deniz Kuzu, Jorge Pardo, Thomas Armin Schildhauer, Mirko Aach och Ramón Martínez-Olivera från Ruhr-Universität Bochum i Tyskland; Bastien Orset från École polytechnique fédérale de Lausanne i Schweiz; och Kyuhwa Lee från Wyss Center for Bio and Neuroengineering i Schweiz.
Tidskriftsreferens:
- Luca Tonin et al. Att lära sig styra en BMI-driven rullstol för personer med svår tetraplegi. iScience. DOI: 10.1016/j.isci.2022.105418
