Wetenschap
Proefpersoon die flexibele draadloze elektronica heeft die is aangepast aan de achterkant van de nek, met drooghaarelektroden onder een stoffen hoofdband en een membraanelektrode op de mastoïde, verbonden met dunnefilmkabels. Krediet:Woon-Hong Yeo
Door nieuwe klassen nanomembraan-elektroden te combineren met flexibele elektronica en een diepgaand lerend algoritme kunnen mensen met een handicap een elektrische rolstoel draadloos besturen, interactie met een computer of een klein robotvoertuig besturen zonder een omvangrijke haarelektrodenkap op te zetten of met draden te worstelen.
Door een volledig draagbare, draadloze brein-machine-interface (BMI), het draagbare systeem zou een verbetering kunnen bieden ten opzichte van conventionele elektro-encefalografie (EEG) voor het meten van signalen van visueel opgewekte potentialen in het menselijk brein. Het vermogen van het systeem om EEG-signalen voor BMI te meten is geëvalueerd met zes proefpersonen, maar is niet onderzocht bij personen met een handicap.
Het project, uitgevoerd door onderzoekers van het Georgia Institute of Technology, Universiteit van Kent en Wichita State University, werd op 11 september gerapporteerd in het tijdschrift Intelligentie van de natuurmachine .
"Dit werk rapporteert fundamentele strategieën om een ergonomische, draagbaar EEG-systeem voor een breed scala aan hulpmiddelen, smart home-systemen en neuro-gaming-interfaces, " zei Woon-Hong Yeo, een assistent-professor in Georgia Tech's George W. Woodruff School of Mechanical Engineering en Wallace H. Coulter Department of Biomedical Engineering. "De belangrijkste innovatie is de ontwikkeling van een volledig geïntegreerd pakket van EEG-monitoringsystemen en circuits met hoge resolutie binnen een geminiaturiseerd huidconform systeem."
BMI is een essentieel onderdeel van revalidatietechnologie waarmee mensen met amyotrofische laterale sclerose (ALS), chronische beroerte of andere ernstige motorische handicaps om prothetische systemen te controleren. Het verzamelen van hersensignalen die bekend staan als steady-state virtueel opgewekte potentialen (SSVEP), vereist nu het gebruik van een met elektroden bezaaide haarkap die natte elektroden gebruikt, lijmen en draden om verbinding te maken met computerapparatuur die de signalen interpreteert.
Yeo en zijn medewerkers profiteren van een nieuwe klasse van flexibele, draadloze sensoren en elektronica die gemakkelijk op de huid kunnen worden aangebracht. Het systeem omvat drie hoofdcomponenten:zeer flexibel, op het haar gemonteerde elektroden die via het haar direct contact maken met de hoofdhuid; een ultradunne nanomembraanelektrode; en zacht, flexibel circuit met een Bluetooth-telemetrie-eenheid. De opgenomen EEG-gegevens van de hersenen worden verwerkt in de flexibele circuits, vervolgens draadloos afgeleverd op een tabletcomputer via Bluetooth tot op 15 meter afstand.
Naast de detectievereisten, het detecteren en analyseren van SSVEP-signalen was een uitdaging vanwege de lage signaalamplitude, die in het bereik van tientallen microvolts ligt, vergelijkbaar met elektrische ruis in het lichaam. Onderzoekers hebben ook te maken met variatie in menselijke hersenen. Toch is het nauwkeurig meten van de signalen essentieel om te bepalen wat de gebruiker wil dat het systeem doet.
Om die uitdagingen aan te gaan, het onderzoeksteam wendde zich tot deep learning neurale netwerkalgoritmen die op de flexibele circuits draaien.
"Deep learning methoden, vaak gebruikt om afbeeldingen van alledaagse dingen zoals katten en honden te classificeren, worden gebruikt om de EEG-signalen te analyseren, " zei Chee Siang (Jim) Ang, hoofddocent multimedia/digitale systemen aan de Universiteit van Kent. "Zoals foto's van een hond die veel variaties kunnen hebben, EEG-signalen hebben dezelfde uitdaging van hoge variabiliteit. Het is bewezen dat deep learning-methoden goed werken met afbeeldingen, en we laten zien dat ze ook heel goed werken met EEG-signalen."
Een aerosol-jet bedrukt rekbaar, huidachtige elektrode met een open mesh-structuur weergegeven in inzet. Krediet:Woon-Hong Yeo
In aanvulling, de onderzoekers gebruikten deep learning-modellen om te bepalen welke elektroden het nuttigst zijn voor het verzamelen van informatie om EEG-signalen te classificeren. "We ontdekten dat het model in staat is om de relevante locaties in de hersenen voor BMI te identificeren, die in overeenstemming is met menselijke experts, " Ang voegde eraan toe. "Dit vermindert het aantal sensoren dat we nodig hebben, kosten te besparen en draagbaarheid te verbeteren."
Het systeem maakt gebruik van drie elastomere hoofdhuidelektroden die met een stoffen band op het hoofd worden gehouden, ultradunne draadloze elektronica aangepast aan de nek, en een huidachtige gedrukte elektrode die op de huid onder een oor is geplaatst. De droge zachte elektroden hechten aan de huid en gebruiken geen lijm of gel. Naast gebruiksgemak, het systeem kan ruis en interferentie verminderen en hogere datatransmissiesnelheden bieden in vergelijking met bestaande systemen.
Het systeem is geëvalueerd met zes proefpersonen. Het deep learning-algoritme met realtime gegevensclassificatie zou een elektrische rolstoel en een klein robotvoertuig kunnen besturen. De signalen kunnen ook worden gebruikt om een weergavesysteem te bedienen zonder een toetsenbord te gebruiken, joystick of andere controller, zei Yo.
"Typische EEG-systemen moeten het grootste deel van de hoofdhuid bedekken om signalen te krijgen, maar potentiële gebruikers kunnen gevoelig zijn voor het dragen ervan, " voegde Yeo eraan toe. "Dit geminiaturiseerde, draagbaar zacht apparaat is volledig geïntegreerd en ontworpen om comfortabel te zijn voor langdurig gebruik."
De volgende stappen zijn onder meer het verbeteren van de elektroden en het nuttiger maken van het systeem voor personen met een motorische handicap.
"Toekomstige studie zou zich richten op onderzoek naar volledig elastomeer, draadloze zelfklevende elektroden die op de behaarde hoofdhuid kunnen worden gemonteerd zonder enige ondersteuning van hoofddeksels, samen met verdere miniaturisatie van de elektronica om meer elektroden op te nemen voor gebruik bij andere onderzoeken, "Zei Yeo. "Het EEG-systeem kan ook opnieuw worden geconfigureerd om motorisch opgewekte potentialen of motorische verbeeldingskracht voor motorisch gehandicapte personen te controleren, die verder zal worden bestudeerd als een toekomstig werk aan therapeutische toepassingen."
Langetermijn, het systeem kan potentieel hebben voor andere toepassingen waar eenvoudigere EEG-monitoring nuttig zou zijn, zoals in slaapstudies gedaan door Audrey Duarte, een universitair hoofddocent aan de School of Psychology van Georgia Tech.
"Dit EEG-monitoringsysteem heeft het potentieel om wetenschappers eindelijk in staat te stellen menselijke neurale activiteit op een relatief onopvallende manier te volgen terwijl proefpersonen hun leven leiden, "zei ze. "Bijvoorbeeld, Dr. Yeo en ik gebruiken momenteel een soortgelijk systeem om neurale activiteit te monitoren terwijl mensen in het comfort van hun eigen huis slapen. in plaats van het laboratorium met omvangrijke, onbuigzaam, ongemakkelijke uitrusting, zoals gebruikelijk is. Het meten van slaapgerelateerde neurale activiteit met een onmerkbaar systeem kan ons in staat stellen nieuwe, niet-invasieve biomarkers van aan de ziekte van Alzheimer gerelateerde neurale pathologie die voorspellend is voor dementie."
Naast de al genoemde, het onderzoeksteam omvatte Musa Mahmood, Yun-Sung Kim, Saswat Misra, en Robert Herbert van Georgia Tech; Deogratias Mzurikwao van de Universiteit van Kent; en Yongkuk Lee van de Wichita State University.
Wetenschap © https://nl.scienceaq.com