Detta dokument diskuterar hur man bygger ett hjärna-datorgränssnitt genom att förlita sig på utrustning av konsumentkvalitet och steady-state visuellt framkallade potentialer. För detta integrerades en enkanals elektroencefalograf som utnyttjar torra elektroder med augmented reality-glasögon för stimulipresentation och visualisering av utgångsdata. Det slutliga systemet var icke-invasivt, bärbart och bärbart.
Det aktuella arbetet fokuserar på hur man bygger ett bärbart hjärna-datorgränssnitt (BCI). BCI är ett nytt sätt att interagera mellan människa och dator som bygger på direkta mätningar av hjärnsignaler för att hjälpa både personer med funktionshinder och de som är arbetsföra. Exempel på tillämpningar är robotstyrning, industriell inspektion och neurorehabilitering. I synnerhet har nyligen genomförda studier visat att steady-state visuellt framkallade potentialer (SSVEP) är särskilt lämpade för kommunikations- och kontrollapplikationer, och ansträngningar görs för närvarande för att få BCI-teknik i det dagliga livet. För att uppnå detta mål måste det slutliga systemet förlita sig på bärbar, bärbar och billig instrumentering. Vid utnyttjande av SSVEPs krävs en flimrande visuell stimulans med fasta frekvenser. Således, med tanke på dagliga livsbegränsningar, undersöktes möjligheten att ge visuella stimuli med hjälp av smarta glasögon i denna studie. För att detektera de framkallade potentialerna övervägdes dessutom en kommersiell anordning för elektroencefalografi (EEG). Detta består av en enda differentialkanal med torra elektroder (ingen ledande gel), vilket ger största möjliga bärbarhet och bärbarhet. I en sådan BCI kan användaren interagera med de smarta glasögonen genom att bara stirra på ikoner som visas på displayen. På denna enkla princip byggdes en användarvänlig, billig BCI genom att integrera utökade verklighetsglasögon (XR) med en kommersiellt tillgänglig EEG-enhet. Funktionaliteten hos denna bärbara XR-BCI undersöktes med en experimentell kampanj som involverade 20 ämnen. Klassificeringsnoggrannheten var mellan 80% -95% i genomsnitt beroende på stimuleringstiden. Givet dessa resultat kan systemet användas som ett människa-maskingränssnitt för industriell inspektion men också för rehabilitering vid ADHD och autism.
Ett hjärna-datorgränssnitt (BCI) är ett system som möjliggör kommunikation med och/eller kontroll av enheter utan naturliga nervbanor1. BCI-teknik är det närmaste som mänskligheten har att styra objekt med sinnets kraft. Ur teknisk synvinkel fungerar systemoperationen genom att mäta inducerad eller framkallad hjärnaktivitet, som antingen ofrivilligt eller frivilligt kan genereras från ämnet2. Historiskt sett har forskningen fokuserat på att hjälpa personer med motoriska funktionshinder genom BCI3, men ett växande antal företag erbjuder idag BCI-baserad instrumentering för spel4, robotik5, industri6 och andra applikationer som involverar interaktion mellan människa och maskin. I synnerhet kan BCI spela en roll i den fjärde industriella revolutionen, nämligen industri 4.07, där cyberfysiska produktionssystem förändrar interaktionen mellan människor och den omgivande miljön8. I stort sett identifierade det europeiska projektet BNCI Horizon 2020 applikationsscenarier som att ersätta, återställa, förbättra, förbättra eller komplettera förlorade naturliga funktioner i centrala nervsystemet, samt användningen av BCI för att undersöka hjärnan9.
I detta sammanhang innebär de senaste tekniska framstegen att hjärna-datorgränssnitt kan vara tillämpliga för användning i det dagliga livet10,11. För att uppnå detta mål är det första kravet icke-invasivitet, vilket är viktigt för att undvika riskerna för kirurgisk ingrepp och öka användarnas acceptans. Det är dock värt att notera att valet av icke-invasiv neuroimaging påverkar kvaliteten på uppmätta hjärnsignaler, och BCI-designen måste då hantera de tillhörande fallgroparna12. Dessutom krävs bärbarhet och bärbarhet. Dessa krav ligger i linje med behovet av ett användarvänligt system, men medför också vissa begränsningar. Sammantaget hanteras de nämnda hårdvarubegränsningarna genom användningen av ett elektroencefalografiskt (EEG) system med gelfria elektroder6. En sådan EEG-baserad BCI skulle också vara billig. Under tiden, när det gäller programvaran, skulle minimal användarutbildning (eller helst ingen utbildning) önskas; Det är nämligen bäst att undvika långa perioder för att ställa in bearbetningsalgoritmen innan användaren kan använda systemet. Denna aspekt är kritisk i BCI på grund av intersubjekt och intrasubjekt icke-stationaritet13,14.
Tidigare litteratur har visat att detektionen av framkallade hjärnpotentialer är robust med avseende på icke-stationaritet och brus vid signalinhämtning. Med andra ord kallas BCI som förlitar sig på detektering av framkallad potential reaktiva och är de bäst presterande BCI när det gäller hjärnmönsterigenkänning15. Ändå kräver de sensorisk stimulering, vilket förmodligen är den största nackdelen med sådana gränssnitt. Målet med den föreslagna metoden är således att bygga en mycket bärbar och bärbar BCI som bygger på bärbar, off-the-shelf instrumentering. De sensoriska stimuli här består av flimrande ljus, genererade av smarta glasögon, som kan framkalla steady-state visuellt framkallade potentialer (SSVEP). Tidigare verk har redan övervägt att integrera BCI med virtuell verklighet antingen ensam eller i kombination med förstärkt verklighet16. Till exempel föreslogs ett BCI-AR-system för att styra en quadcopter med SSVEP17. Virtual reality, augmented reality och andra paradigmer hänvisas till med termen utökad verklighet. I ett sådant scenario uppfyller valet av smarta glasögon kraven på bärbarhet och bärbarhet, och smarta glasögon kan integreras med en minimal EEG-upptagningsinställning. Detta dokument visar att SSVEP-baserad BCI också kräver minimal utbildning samtidigt som man uppnår acceptabel klassificeringsprestanda för kommunikations- och kontrollapplikationer med låg medelhastighet. Därför tillämpas tekniken på BCI för dagliga applikationer, och den verkar särskilt lämplig för industri och sjukvård.
Systemets korrekta funktion innebär två viktiga aspekter: SSVEP-elicitering och signalförvärv. Bortsett från de specifika enheter som valts för den aktuella studien kan SSVEP framkallas med olika enheter som ger ett flimrande ljus, även om smarta glasögon föredras för att säkerställa bärbarhet och bärbarhet. På samma sätt kan ytterligare kommersiella elektroencefalografier övervägas, men de måste vara bärbara, bärbara och involvera ett minimalt antal torra elektroder för att vara användarvänliga. …
The authors have nothing to disclose.
Detta arbete utfördes som en del av IKT för hälsa-projektet, som fick ekonomiskt stöd av det italienska ministeriet för utbildning, universitet och forskning (MIUR), inom ramen för initiativet Departments of Excellence (italiensk budgetlag nr 232/2016), genom ett excellensbidrag som tilldelades Institutionen för informationsteknik och elektroteknik vid universitetet i Neapel Federico II, Neapel, Italien. Projektet möjliggjordes faktiskt genom stöd från Res4Net-initiativet och TC-06 (Emerging Technologies in Measurements) från IEEE Instrumentation and Measurement Society. Författarna vill också tacka L. Callegaro, A. Cioffi, S. Criscuolo, A. Cultrera, G. De Blasi, E. De Benedetto, L. Duraccio, E. Leone och M. Ortolano för deras värdefulla bidrag till att utveckla, testa och validera systemet.
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 |