BMI系统是一个康复这种技术可以分析一个人的大脑信号,并将神经活动转化为命令,将意图转化为行动。最常见的获取这些信号的非侵入性方法是脑电描记法这通常需要一个笨重的电极头盖骨帽和一套缠绕在一起的电线网。
这些设备通常严重依赖于凝胶和膏药来帮助保持皮肤接触,需要大量的设置时间,通常不方便和不舒服的使用。由于材料退化或运动伪影,这些设备还经常受到信号采集不良的影响——这些辅助性“噪音”可能是由磨牙或眨眼引起的。这种噪音出现在大脑数据中,必须被过滤掉。
Yeo设计的便携式脑电图系统,集成了不可察觉微针带有软无线电路的电极,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动作至关重要,因此该团队整合了强大的机器学习算法和虚拟现实组件来解决这一挑战。
这种新系统在四名受试者身上进行了测试,但尚未在残疾人身上进行研究。“这只是第一次演示,但我们对我们所看到的感到兴奋,”Yeo指出,他是乔治亚理工学院电子和纳米技术研究所下属的以人为中心的界面和工程中心的主任,也是Petit生物工程和生物科学研究所的成员。
推荐的文章
新范式
Yeo的团队最初推出的是柔软的可穿戴脑电图脑机接口在2019年发表在《自然机器智能》上的一项研究中。这项研究的主要作者穆萨·马哈茂德(Musa Mahmood)也是该团队新研究论文的主要作者。“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取,这使实验对象不必看着太多的刺激,”杨博士实验室的博士生马哈茂德说。
在2021年的研究中,用户展示了利用他们的思想——他们的运动意象——精确控制虚拟现实练习的能力。视觉提示增强了用户和研究人员收集信息的过程。杨荣文说:“事实证明,虚拟提示非常有用。“它们加快了速度,提高了用户粘性和准确性。我们能够记录连续的、高质量的运动想象活动。”
Mahmood表示,该系统未来的工作将集中在优化电极位置和更先进的基于刺激的脑电图集成,并利用他们从前两项研究中所学到的知识。
来源:佐治亚理工学院