واجهة دماغية حاسوبية أحادية القناة وغير جراحية يمكن ارتداؤها للصناعة والرعاية الصحية
Summary
تناقش هذه الورقة كيفية بناء واجهة دماغية حاسوبية من خلال الاعتماد على معدات من فئة المستهلك وإمكانات الحالة المستقرة بصريا. لهذا الغرض ، تم دمج مخطط كهربية الدماغ أحادي القناة الذي يستغل الأقطاب الكهربائية الجافة مع نظارات الواقع المعزز لعرض المحفزات وتصور بيانات الإخراج. كان النظام النهائي غير جراحي ويمكن ارتداؤه ومحمول.
Abstract
يركز العمل الحالي على كيفية بناء واجهة دماغية حاسوبية يمكن ارتداؤها (BCI). BCIs هي وسيلة جديدة للتفاعل بين الإنسان والحاسوب تعتمد على القياسات المباشرة لإشارات الدماغ لمساعدة كل من الأشخاص ذوي الإعاقة وأولئك القادرين جسديا. تشمل أمثلة التطبيق التحكم الروبوتي والتفتيش الصناعي وإعادة التأهيل العصبي. والجدير بالذكر أن الدراسات الحديثة أظهرت أن الإمكانات المستثارة بصريا في الحالة المستقرة (SSVEPs) مناسبة بشكل خاص لتطبيقات الاتصال والتحكم ، وتبذل الجهود حاليا لإدخال تقنية BCI في الحياة اليومية. لتحقيق هذا الهدف ، يجب أن يعتمد النظام النهائي على أجهزة يمكن ارتداؤها ومحمولة ومنخفضة التكلفة. عند استغلال SSVEPs ، يلزم وجود حافز بصري وامض بترددات ثابتة. وبالتالي ، عند النظر في قيود الحياة اليومية ، تم استكشاف إمكانية توفير محفزات بصرية عن طريق النظارات الذكية في هذه الدراسة. علاوة على ذلك ، للكشف عن الإمكانات المستنبطة ، تم النظر في جهاز تجاري لتخطيط كهربية الدماغ (EEG). يتكون هذا من قناة تفاضلية واحدة مع أقطاب كهربائية جافة (بدون هلام موصل) ، وبالتالي تحقيق أقصى قدر من قابلية الارتداء وقابلية النقل. في مثل هذا BCI ، يمكن للمستخدم التفاعل مع النظارات الذكية بمجرد التحديق في الرموز التي تظهر على الشاشة. بناء على هذا المبدأ البسيط ، تم بناء BCI سهل الاستخدام ومنخفض التكلفة من خلال دمج نظارات الواقع الممتد (XR) مع جهاز EEG المتاح تجاريا. تم فحص وظائف XR-BCI القابل للارتداء من خلال حملة تجريبية شملت 20 شخصا. كانت دقة التصنيف بين 80٪ -95٪ في المتوسط اعتمادا على وقت التحفيز. بالنظر إلى هذه النتائج ، يمكن استخدام النظام كواجهة بين الإنسان والآلة للتفتيش الصناعي ولكن أيضا لإعادة التأهيل في اضطراب فرط الحركة ونقص الانتباه والتوحد.
Introduction
واجهة الدماغ الحاسوبية (BCI) هي نظام يسمح بالاتصال و / أو التحكم في الأجهزة التي لا تحتوي على مسارات عصبية طبيعية1. تقنية BCI هي أقرب شيء لدى البشرية للتحكم في الأشياء بقوة العقل. من وجهة نظر فنية ، يعمل تشغيل النظام عن طريق قياس نشاط الدماغ المستحث أو المستحضر ، والذي يمكن أن يتولد إما بشكل لا إرادي أو طوعي من الموضوع2. تاريخيا ، ركزت الأبحاث على مساعدة الأشخاص ذوي الإعاقات الحركية من خلال BCI3 ، لكن عددا متزايدا من الشركات اليوم تقدم أجهزة قائمة على BCI للألعاب4 ، والروبوتات5 ، والصناعة6 ، وغيرها من التطبيقات التي تنطوي على التفاعل بين الإنسان والآلة. والجدير بالذكر أن BCIs قد تلعب دورا في الثورة الصناعية الرابعة ، وهي الصناعة 4.07 ، حيث تعمل أنظمة الإنتاج السيبرانية الفيزيائية على تغيير التفاعل بين البشر والبيئة المحيطة8. بشكل عام ، حدد المشروع الأوروبي BNCI Horizon 2020 سيناريوهات التطبيق مثل استبدال أو استعادة أو تحسين أو تعزيز أو استكمال الوظائف الطبيعية المفقودة للجهاز العصبي المركزي ، بالإضافة إلى استخدام BCI في التحقيق في الدماغ9.
في هذا الإطار ، تعني التطورات التكنولوجية الحديثة أن واجهات الدماغ والحاسوب قد تكون قابلة للتطبيق للاستخدام في الحياة اليومية10,11. لتحقيق هذا الهدف ، فإن الشرط الأول هو عدم التدخل الجراحي ، وهو أمر مهم لتجنب مخاطر التدخل الجراحي وزيادة قبول المستخدم. ومع ذلك ، تجدر الإشارة إلى أن اختيار التصوير العصبي غير الجراحي يؤثر على جودة إشارات الدماغ المقاسة ، ويجب أن يتعامل تصميم BCI بعد ذلك مع المزالق المرتبطة12. بالإضافة إلى ذلك ، يلزم ارتداء وقابلية النقل. وتتماشى هذه المتطلبات مع الحاجة إلى نظام سهل الاستعمال ولكنها تطرح أيضا بعض القيود. بشكل عام ، تتم معالجة قيود الأجهزة المذكورة من خلال استخدام نظام تخطيط كهربية الدماغ (EEG) مع أقطاب كهربائية خالية من الهلام6. مثل هذا BCI القائم على EEG سيكون أيضا منخفض التكلفة. وفي الوقت نفسه ، من حيث البرنامج ، سيكون من المرغوب فيه الحد الأدنى من تدريب المستخدم (أو من الناحية المثالية عدم التدريب) ؛ وبالتحديد ، سيكون من الأفضل تجنب الفترات الطويلة لضبط خوارزمية المعالجة قبل أن يتمكن المستخدم من استخدام النظام. هذا الجانب مهم في BCIs بسبب عدم ثبات الموضوع وداخل الموضوع13,14.
أظهرت الأدبيات السابقة أن اكتشاف إمكانات الدماغ المستثارة قوي فيما يتعلق بعدم الثبات والضوضاء في اكتساب الإشارة. وبعبارة أخرى ، فإن BCIs التي تعتمد على الكشف عن الإمكانات المثارة تسمى رد الفعل ، وهي أفضل BCIs أداء من حيث التعرف على أنماط الدماغ15. ومع ذلك ، فإنها تتطلب التحفيز الحسي ، والذي ربما يكون العيب الرئيسي لهذه الواجهات. وبالتالي ، فإن الهدف من الطريقة المقترحة هو بناء BCI يمكن ارتداؤه ومحمول للغاية يعتمد على أجهزة يمكن ارتداؤها وجاهزة. تتكون المحفزات الحسية هنا من أضواء وامضة ، ناتجة عن نظارات ذكية ، قادرة على استنباط إمكانات مستثارة بصريا في الحالة المستقرة (SSVEPs). نظرت الأعمال السابقة بالفعل في دمج BCI مع الواقع الافتراضي إما بمفردها أو بالاشتراك مع الواقع المعزز16. على سبيل المثال ، تم اقتراح نظام BCI-AR للتحكم في كوادكوبتر مع SSVEP17. يشار إلى الواقع الافتراضي والواقع المعزز والنماذج الأخرى بمصطلح الواقع الممتد. في مثل هذا السيناريو ، يتوافق اختيار النظارات الذكية مع متطلبات قابلية الارتداء وقابلية النقل ، ويمكن دمج النظارات الذكية مع الحد الأدنى من إعداد اكتساب EEG. يوضح هذا البحث أن BCI القائم على SSVEP يتطلب أيضا الحد الأدنى من التدريب مع تحقيق أداء تصنيف مقبول لتطبيقات الاتصال والتحكم منخفضة السرعة ومتوسطة. ومن ثم ، يتم تطبيق هذه التقنية على BCI لتطبيقات الحياة اليومية ، ويبدو أنها مناسبة بشكل خاص للصناعة والرعاية الصحية.
Protocol
Representative Results
Discussion
يتضمن الأداء السليم للنظام جانبين حاسمين: استنباط SSVEP واكتساب الإشارة. بصرف النظر عن الأجهزة المحددة التي تم اختيارها للدراسة الحالية ، يمكن استنباط SSVEP بأجهزة مختلفة توفر ضوءا وامضا ، على الرغم من تفضيل النظارات الذكية لضمان قابلية الارتداء وقابلية الحمل. وبالمثل ، يمكن النظر في المزيد م…
Divulgations
The authors have nothing to disclose.
Acknowledgements
تم تنفيذ هذا العمل كجزء من مشروع تكنولوجيا المعلومات والاتصالات من أجل الصحة ، والذي تم دعمه ماليا من قبل وزارة التعليم والجامعة والبحوث الإيطالية (MIUR) ، في إطار مبادرة أقسام التميز (قانون الميزانية الإيطالية رقم 232/2016) ، من خلال منحة امتياز منحت لقسم تكنولوجيا المعلومات والهندسة الكهربائية بجامعة نابولي فيديريكو الثاني ، نابولي، إيطاليا. أصبح المشروع ممكنا بالفعل بفضل دعم مبادرة Res4Net و TC-06 (التقنيات الناشئة في القياسات) التابعة لجمعية IEEE للأجهزة والقياس. يود المؤلفون أيضا أن يشكروا L. Callegaro و A. Cioffi و S. Criscuolo و A. Cultrera و G. De Blasi و E. De Benedetto و L. Duraccio و E. Leone و M. Ortolano على مساهماتهم الثمينة في تطوير النظام واختباره والتحقق من صحته.
Materials
| Conductive rubber with Ag/AgCl coating | ab medica s.p.a. | N/A | Alternative electrodes – type 2 |
| Earclip electrode | OpenBCI | N/A | Ear clip |
| EEG-AE | Olimex | N/A | Active electrodes |
| EEG-PE | Olimex | N/A | Passive electrode |
| EEG-SMT | Olimex | N/A | Low-cost electroencephalograph |
| Moverio BT-200 | Epson | N/A | Smart glasses |
| Snap electrodes | OpenBCI | N/A | Alternative electrodes – type 1 |
References
- Wolpaw, J. R., et al. Brain-computer interface technology: A review of the first international meeting. IEEE Transactions on Rehabilitation Engineering. 8 (2), 164-173 (2000).
- Zander, T. O., Kothe, C., Jatzev, S., Gaertner, M., Tan, D. S., Nijholt, A. Enhancing human-computer interaction with input from active and passive brain-computer interfaces. Brain-Computer Interfaces. , 181-199 (2010).
- Ron-Angevin, R., et al. Brain-computer interface application: Auditory serial interface to control a two-class motor-imagery-based wheelchair. Journal of Neuroengineering and Rehabilitation. 14 (1), 49 (2017).
- Ahn, M., Lee, M., Choi, J., Jun, S. C. A review of brain-computer interface games and an opinion survey from researchers, developers and users. Sensors. 14 (8), 14601-14633 (2014).
- Bi, L., Fan, X. A., Liu, Y. EEG-based brain-controlled mobile robots: A survey. IEEE Transactions on Human-Machine Systems. 43 (2), 161-176 (2013).
- Arpaia, P., Callegaro, L., Cultrera, A., Esposito, A., Ortolano, M. Metrological characterization of a low-cost electroencephalograph for wearable neural interfaces in industry 4.0 applications. IEEE International Workshop on Metrology for Industry 4.0 & IoT (MetroInd4. 0&IoT). , 1-5 (2021).
- Rüßmann, M., et al. Industry 4.0: The future of productivity and growth in manufacturing industries. Boston Consulting Group. 9 (1), 54-89 (2015).
- Angrisani, L., Arpaia, P., Moccaldi, N., Esposito, A. Wearable augmented reality and brain computer interface to improve human-robot interactions in smart industry: A feasibility study for SSVEP signals. IEEE 4th International Forum on Research and Technology for Society and Industry (RTSI). , 1-5 (2018).
- Brunner, C., et al. BNCI Horizon 2020: Towards a roadmap for the BCI community. Brain-Computer Interfaces. 2 (1), 1-10 (2015).
- Yin, E., Zhou, Z., Jiang, J., Yu, Y., Hu, D. A dynamically optimized SSVEP brain-computer interface (BCI) speller. IEEE Transactions on Biomedical Engineering. 62 (6), 1447-1456 (2014).
- Chen, L., et al. Adaptive asynchronous control system of robotic arm based on augmented reality-assisted brain-computer interface. Journal of Neural Engineering. 18 (6), 066005 (2021).
- Ball, T., Kern, M., Mutschler, I., Aertsen, A., Schulze-Bonhage, A. Signal quality of simultaneously recorded invasive and non-invasive EEG. Neuroimage. 46 (3), 708-716 (2009).
- Grosse-Wentrup, M. What are the causes of performance variation in brain-computer interfacing. International Journal of Bioelectromagnetism. 13 (3), 115-116 (2011).
- Arpaia, P., Esposito, A., Natalizio, A., Parvis, M. How to successfully classify EEG in motor imagery BCI: A metrological analysis of the state of the art. Journal of Neural Engineering. 19 (3), (2022).
- Ajami, S., Mahnam, A., Abootalebi, V. Development of a practical high frequency brain-computer interface based on steady-state visual evoked potentials using a single channel of EEG. Biocybernetics and Biomedical Engineering. 38 (1), 106-114 (2018).
- Friedman, D., Nakatsu, R., Rauterberg, M., Ciancarini, P. Brain-computer interfacing and virtual reality. Handbook of Digital Games and Entertainment Technologies. , 151-171 (2015).
- Wang, M., Li, R., Zhang, R., Li, G., Zhang, D. A wearable SSVEP-based BCI system for quadcopter control using head-mounted device. IEEE Access. 6, 26789-26798 (2018).
- Arpaia, P., Callegaro, L., Cultrera, A., Esposito, A., Ortolano, M. Metrological characterization of consumer-grade equipment for wearable brain-computer interfaces and extended reality. IEEE Transactions on Instrumentation and Measurement. 71, 1-9 (2021).
- Wolpaw, J. R., Birbaumer, N., McFarland, D. J., Pfurtscheller, G., Vaughan, T. M. Brain-computer interfaces for communication and control. Clinical Neurophysiology. 113 (6), 767-791 (2002).
- Duszyk, A., et al. Towards an optimization of stimulus parameters for brain-computer interfaces based on steady state visual evoked potentials. PLoS One. 9 (11), 112099 (2014).
- Prasad, P. S., et al. SSVEP signal detection for BCI application. IEEE 7th International Advance Computing Conference (IACC). , 590-595 (2017).
- Xing, X., et al. A high-speed SSVEP-based BCI using dry EEG electrodes). Scientific Reports. 8, 14708 (2018).
- Luo, A., Sullivan, T. J. A user-friendly SSVEP-based brain-computer interface using a time-domain classifier. Journal of Neural Engineering. 7 (2), 026010 (2010).
