(Phys.org)—Onderzoekers werken aan de vroege stadia van een brain-computer interface (BCI) die kan vertellen naar wie je luistert in een kamer vol lawaai en andere mensen die praten. In de toekomst, de technologie zou in hoortoestellen kunnen worden verwerkt als kleine straalvormers die in de gewenste richting wijzen, zodat ze afstemmen op bepaalde gesprekken, klinkt, of stemmen waar een persoon aandacht aan schenkt, terwijl u ongewenste achtergrondgeluiden uitschakelt.

De onderzoekers, Carlos da Silva Souto en co-auteurs van de afdeling Medische Fysica en Cluster of Excellence Hearing4all van de Universiteit van Oldenburg, hebben een paper gepubliceerd over een proof-of-concept auditieve BCI in een recent nummer van: Biomedische Fysica en Engineering Express .

Tot dusver, het meeste BCI-onderzoek heeft zich voornamelijk gericht op visuele stimuli, die momenteel beter presteert dan systemen die auditieve stimuli gebruiken, mogelijk vanwege het grotere corticale oppervlak van het visuele systeem in vergelijking met de auditieve cortex. Echter, voor personen die slechtziend of volledig verlamd zijn, auditieve BCI zou een mogelijk alternatief kunnen bieden.

In de nieuwe studie 12 vrijwilligers luisterden naar twee opgenomen stemmen (een man, één vrouw) herhaalde lettergrepen spreken, en werd gevraagd om aandacht te schenken aan slechts een van de stemmen. In vroege sessies, elektro-encefalogram (EEG) gegevens over de elektrische activiteit van de hersenen werden gebruikt om de deelnemers te trainen. In latere sessies, het systeem werd getest op hoe nauwkeurig het de EEG-gegevens classificeerde om te bepalen aan welke stem de vrijwilliger aandacht besteedde.

Aanvankelijk, het systeem classificeerde de gegevens met een nauwkeurigheid van ongeveer 60% - boven het kansniveau, maar niet goed genoeg voor praktisch gebruik. Door de analysetijd te verhogen van 20 seconden naar 2 minuten, de onderzoekers konden de nauwkeurigheid verbeteren tot bijna 80%. Hoewel dit analysevenster te lang is voor levensechte situaties, en de nauwkeurigheid kan verder worden verbeterd, de resultaten behoren tot de eerste die aantonen dat het mogelijk is om EEG-gegevens te classificeren die worden opgeroepen door gesproken lettergrepen.

In de toekomst, de onderzoekers zijn van plan de classificatiemethoden te optimaliseren om de prestaties van het systeem verder te verbeteren.

© 2017 Fys.org