可穿戴的脑机接口设备将运动意念转化为行动

一种新的可穿戴式脑机接口(BMI)系统可以改善运动功能障碍或瘫痪患者的生活质量。

由佐治亚理工学院(GeorgiaInstitute of Technology) won - hong Yeo实验室领导的多个机构研究团队将无线软头皮电子和虚拟现实结合在一个BMI系统中，用户可以想象一个动作，并无线控制轮椅或机械臂。

用于运动想象脑信号检测的无线头皮系统概述，具有完全便携式电子设备、可伸缩互连器和柔性微针阵列

D)用于运动想象脑信号分类的微针电极位置(俯视图)，包括6个记录通道，1个参考(REF)和1个接地(GND)。E)描述通过机器学习分类算法(卷积神经网络，CNN)在虚拟现实系统中从EEG记录到控制目标的整个数据处理序列的流程图。

该项研究成果于本月发表在《Advanced Science》杂志上，成果描述了基于运动想象的新BMI系统。

研究人员表示：“与目前现有的系统相比，该系统对用户的主要优势是佩戴柔软舒适，并且没有任何电线。”

BMI 系统是一种康复技术，可分析人的大脑信号并将该神经活动转化为命令，将意图转化为行动。获取这些信号的最常见的非侵入性方法是脑电图(EEG)，它通常需要笨重的带有电极的脑电帽和缠结的电线网。

可拉伸脑电连接器和柔性微针电极(FMNE)的特性。A)可拉伸脑电图连接器拉伸至100%的照片。

这些设备通常严重依赖凝胶和膏体来帮助保持皮肤接触，需要大量的设置时间，使用起来既不方便也不舒服。由于材料退化或运动伪影（可能由磨牙或眨眼等引起的辅助“噪音”），这些设备还经常会出现信号采集不佳的问题。对于这样的噪音，必须过滤掉。

下图为使用 CNN 对运动想象脑信号进行预处理和分类图。A)具有从6个 EEG 通道获取的大脑信号与空间CNN 模型的详细说明。该模型展示了从运动皮层的多个偶极源分解空间特征的能力。B)原始数据、高通滤波数据(HPF)、带通滤波数据(Bandpass)、功率谱密度分析(PSDA)四种情况下的空间-CNN分类精度比较(1、2、4 s)。误差柱表示四个受试者的标准误差

CNN 对运动想象脑信号进行预处理和分类

Yeo设计的便携式 EEG 系统集成了微针电极与软无线电路，提供了改进的信号采集。准确测量这些大脑信号对于确定用户想要执行的操作至关重要，因此该团队集成了强大的机器学习算法和虚拟现实组件来应对这一挑战。

新系统已经在四名受试者身上进行了测试，但尚未对残疾人进行研究。

研究人员Yeo表示，“这只是第一次演示，但我们对演示结果感到非常激动。”

新范式

Yeo 的团队最初在2019 年发表在《Nature Machine Intelligence》上的一项研究中引入了软的、可穿戴的 EEG脑机接口。

Yeo实验室的博士生Mahmood 说，“这种新的脑机接口使用了一种完全不同的模式，包括想象的运动动作，比如用任意一只手抓东西，这让实验对象不必看太多刺激物。”

下图为虚拟现实(VR)实现对运动想象的训练和视频游戏的实时控制演示。A)研究设置的概述，包括一个佩戴SSE的受试者，从6个电极测量的实时脑电图数据(顶部插图)，一个虚拟现实界面的例子(中间插图)，和一个佩戴虚拟现实头盔的受试者的照片(底部插图)。虚拟现实游戏的训练和测试过程的例子。

虚拟现实(VR)实现对运动想象的训练和视频游戏的实时控制演示

在2021年的研究中，用户展示了使用他们的意念(他们的运动想象)精确控制虚拟现实练习。视觉提示增强了用户和研究人员收集信息的过程。

“事实证明，虚拟提示非常有用，”Yeo说。“它们加快并提高了用户参与度和准确性。我们能够记录连续的、高质量的运动想象活动。”

根据 Mahmood 的说法，该系统的未来工作将集中在优化电极放置和更先进的基于刺激的脑电图整合。

原文

Musa Mahmood et al, Wireless Soft Scalp Electronics and Virtual Reality System for Motor Imagery‐Based Brain–Machine Interfaces, Advanced Science (2021). DOI: 10.1002/advs.202101129

https://techxplore.com/news/2021-07-wearable-brain-machine-interface-intentions-actions.html

不用于商业行为，转载请联系后台