一项新的研究表明，新的可穿戴脑机接口(BMI)可以无线控制轮椅、车辆或电脑。

        将新型纳米膜电极与柔性电子技术和深度学习算法结合起来，可以帮助残疾人无线控制电动轮椅，与电脑互动，或操纵小型机器人汽车，而无需戴上笨重的电极帽或与电线搏斗。

        通过提供一个完全便携的无线脑机接口(BMI)，可穿戴系统可以提供比传统脑电图(EEG)更好的测量人类大脑视觉诱发电位的信号。该系统测量脑电图信号BMI的能力已经在6名受试者身上进行了评估，但还没有对残疾人进行研究。

        该项目由乔治亚理工学院、肯特大学和威奇托州立大学的研究人员开展，发表在《自然机器智能》杂志上。

        佐治亚理工大学乔治·w·伍德拉夫机械工程学院和华莱士·h·库尔特生物医学工程系的助理教授杨文洪(Woon-Hong Yeo)说:“这项工作报告了为各种辅助设备、智能家居系统和神经游戏界面设计符合人体工程学的便携式脑电图系统的基本策略。”“主要的创新是在一个小型化的皮肤适形系统中开发一个高分辨率脑电图监测系统和电路的完整集成包。”

        身体质量指数是康复技术的重要组成部分，它使肌萎缩侧索硬化症(ALS)、慢性中风或其他严重运动障碍患者能够控制假肢系统。收集被称为“稳态虚拟诱发电位”(SSVEP)的大脑信号，现在需要使用一个布满电极的发帽，它使用湿电极、粘合剂和电线与解释信号的计算机设备连接。

        杨和他的合作者正在利用一种新型的柔性无线传感器和电子产品，这种产品可以很容易地应用到皮肤上。该系统包括三个主要组件:高度灵活的头发电极，通过头发与头皮直接接触;超薄纳米膜电极;软，灵活的电路与蓝牙遥测单元。从大脑记录的脑电图数据被处理在灵活的电路中，然后通过蓝牙无线传输到15米外的平板电脑上。

        由于SSVEP信号的幅值较低，在几十微伏的范围内，与人体电噪声相似，因此除了传感要求外，检测和分析SSVEP信号一直具有挑战性。研究人员还必须处理人类大脑的变异。然而，准确地测量信号对于确定用户希望系统做什么是至关重要的。

        为了应对这些挑战，研究团队转向了运行在柔性电路上的深度学习神经网络算法。

        肯特大学多媒体/数字系统高级讲师Chee Siang (Jim)说:“深度学习方法通常用于对猫和狗等日常事物的图片进行分类，它被用来分析脑电图信号。”“就像狗的图片可以有很多变化一样，脑电图信号也面临着高变异性的挑战。事实证明，深度学习方法在处理图片方面效果很好，我们也证明，它们在处理脑电图信号方面效果也很好。”

        此外，研究人员使用深度学习模型来识别哪些电极在收集信息时对脑电图信号分类最有用。“我们发现，该模型能够识别出大脑中BMI的相关位置，这与人类专家的观点一致，”Ang补充道。“这减少了我们需要的传感器数量，降低了成本，提高了便携性。”

        该系统使用三个弹性头皮电极与织物带固定在头部，与颈部相匹配的超薄无线电子设备，以及放置在耳朵下方皮肤上的类似皮肤的打印电极。干燥的软电极附着在皮肤上，不使用粘合剂或凝胶。与现有系统相比，该系统在使用方便的同时，可以降低噪声和干扰，并提供更高的数据传输速率。

        该系统由6名受试者进行评估。基于实时数据分类的深度学习算法可以控制电动轮椅和小型机器人车辆。杨说，这些信号也可以用来控制显示系统，而不需要键盘、操纵杆或其他控制器。

        杨补充说:“典型的脑电图系统必须覆盖大部分头皮才能获得信号，但潜在的使用者可能对佩戴它们很敏感。”“这款微型化、可穿戴的软设备是完全集成的，设计初衷是为了长期使用感到舒适。”

        下一步将包括改进电极，使该系统对运动障碍患者更有用。

        杨教授说:“未来的研究将集中于研究完全弹性的无线自粘电极，这种电极可以安装在毛发浓密的头皮上，而不需要任何头饰的支持。此外，电子产品还将进一步小型化，以纳入更多的电极，与其他研究一起使用。”

        “脑电图系统也可以重新配置，以监测运动受损受试者的运动诱发电位或运动想象，这将作为未来治疗应用的工作进一步研究。”

        长期来看，该系统可能会在其他更简单的脑电图监测方面有潜在的应用价值，比如佐治亚理工大学(Georgia Tech)心理学院副教授奥德丽·杜阿尔特(Audrey Duarte)所做的睡眠研究。

        她说:“这个脑电图监测系统最终有可能让科学家们以一种相对不引人注目的方式监测人类神经活动，观察他们的生活。”例如，杨博士和我目前正在使用一个类似的系统来监测人们在舒适的家中睡觉时的神经活动，而不是像通常那样在实验室里使用笨重、僵硬、不舒服的设备。用一个难以察觉的系统来测量睡眠相关的神经活动，可能会让我们发现新的、非侵入性的阿尔茨海默氏症相关神经病理学的生物标志物，从而预测痴呆症。”

        除了这些已经提到的，研究团队还包括Musa Mahmood、Yun-Soung Kim、Saswat Mishra和佐治亚理工大学的Robert Herbert;肯特大学的Deogratias Mzurikwao;以及威奇托州立大学的李永国。

        来源：Medindia

         ‍此文系悬壶济世网原创整理，没‍有授权，请勿转载！