واجهة دماغية حاسوبية أحادية القناة وغير جراحية يمكن ارتداؤها للصناعة والرعاية الصحية
يوليو 7, 2023
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.
يساهم اقتراح هذا العمل في تطوير واجهات دماغية حاسوبية منخفضة التكلفة ويمكن ارتداؤها ومحمولة من خلال استغلال المعدات الاستهلاكية ومعالجة الإشارات المباشرة والواقع الممتد. تهدف هذه التقنية إلى تقريب تقنية واجهة الدماغ والحاسوب من الحياة اليومية وفتح إمكانيات جديدة للعديد من المستخدمين في كل من التطبيقات الصناعية والرعاية الصحية. كما تم تطبيق نظام الاقتراح في إعادة التأهيل القائم على الروبوت للأطفال الذين يعانون من اضطراب نقص الانتباه / فرط النشاط أو للتوحد.
وكانت النتائج مشجعة. للبدء ، ارتد النظارات الذكية وعصابة الرأس وقم بتوصيل مخطط كهربية الدماغ منخفض التكلفة بجهاز كمبيوتر عبر كابل USB أثناء فصل الكمبيوتر عن مصدر الطاقة الرئيسي. في هذه الخطوة ، يجب فصل جميع الأقطاب الكهربائية عن لوحة اكتساب مخطط كهربية الدماغ للبدء من حالة معروفة.
في هذه المرحلة ، تتم معالجة دفق EEG في وضع عدم الاتصال على جهاز الكمبيوتر باستخدام برنامج نصي متوافق مع المعالجة المطبقة في تطبيق Android. ابدأ البرنامج النصي لتلقي إشارات EEG وتصورها. تحقق من الإشارة المعروضة.
يجب أن يتوافق هذا فقط مع ضوضاء التكميم لمضخم EEG. قم بتوصيل القطب الأول وقم بتطبيق القطب السلبي على الأذن اليسرى بمشبك مخصص أو استخدم قطبا كهربائيا لمشبك الأذن. يجب أن تظل إشارة الخرج دون تغيير في هذه الخطوة لأن القناة التفاضلية للقياس لا تزال دائرة مفتوحة.
قم بتوصيل قطب كهربائي نشط بالطرف السالب للإدخال التفاضلي لقناة EEG للقياس وقم بتطبيقه على المنطقة الأمامية باستخدام عصابة رأس. بعد بضع ثوان ، يجب أن تعود الإشارة إلى الصفر. قم بتوصيل القطب النشط الآخر بالطرف الموجب للإدخال التفاضلي لقناة EEG المقاسة وقم بتطبيقه على المنطقة القذالية باستخدام عصابة الرأس.
يتم الآن عرض إشارة الدماغ المقابلة للنشاط البصري المقاس فيما يتعلق بمنطقة الدماغ الأمامية والمنطقة القذالية. قم بتحفيز المستخدم بشكل متكرر باستخدام رموز وميض 10 هرتز و 12 هرتز عن طريق بدء تشغيل رمز الخفقان في تطبيق Android. اضغط على لوحة اللمس الخاصة بالنظارات الذكية أثناء بدء البرنامج النصي لاكتساب وتصور EEG.
تأكد من أن كل تحفيز في هذه المرحلة يتكون من أيقونة واحدة تومض لمدة 10 ثوان. من الإشارات العشر ثوان المرتبطة بكل تحفيز ، استخرج ميزتين باستخدام تحويل فورييه السريع ، الكثافة الطيفية للطاقة عند 10 هرتز و 12 هرتز. بدلا من ذلك ، ضع في اعتبارك التوافقيات الثانية أيضا.
استخدم تمثيلا للإشارات المكتسبة في مجال الميزات لتدريب مصنف آلة متجه الدعم. استخدم أداة في MATLAB أو Python لتحديد معلمات المستوى الفائق مع نواة نهائية. استنادا إلى ميزات الإدخال ، سيكون النموذج المدرب قادرا على تصنيف الملاحظات المستقبلية لإشارات EEG.
افصل كبل USB عن الكمبيوتر وقم بتوصيله مباشرة بالنظارات الذكية. أدخل معلمات المصنف المدرب في تطبيق Android. النظام جاهز الآن.
تم وصف مخطط كهربية الدماغ منخفض التكلفة فيما يتعلق بالخطأ الخطي والحجم. النتائج موضحة هنا. تم قياس وميض النظارات الذكية لتسليط الضوء على الانحرافات النهائية عن مسار الموجة المربعة الاسمية.
يظهر توصيف النظارات الذكية التجارية من حيث طيف السعة لأزرار الخفقان في هذا الشكل. الوميض عند 10 هرتز وعند 12 هرتز موضحان هنا. يمثل هذا الرقم الإشارات التي تم قياسها أثناء التحفيز البصري في مجال الميزات.
يتم عرض الإشارات المرتبطة بمحفزات الخفقان 12 هرتز باللون الأزرق بينما يتم تقديم الإشارات المرتبطة بمحفزات الخفقان 10 هرتز باللون الأحمر. لكل موضوع ، تتم مقارنة النتائج المرتبطة بالتحفيز لمدة عشر ثوان مع تلك المرتبطة بالتحفيز لمدة ثانيتين. يتم الإبلاغ عن الدقة التي تم الحصول عليها من خلال النظر في جميع الموضوعات معا وكذلك متوسط الدقة بين جميع الموضوعات هنا.
يتم عرض مقارنة أداء التصنيف عند النظر في ميزتين من ميزات PSD مقابل أربع ميزات PSD لبيانات EEG المتعلقة ب SSVEP هنا. بالنظر إلى الخصائص المترولوجية الجيدة للمعدات الاستهلاكية ، يجب على المرء أن يولي اهتماما كبيرا للاستقرار الميكانيكي لأقطاب القياس لأنها لا تستخدم المواد الهلامية الموصلة. أثبت هذا الإجراء فعاليته بالنسبة لإشارات SSVEP التي تعد ضوضاء قوية نسبيا ، ولكن يمكن للمرء أن يبحث في استخدام أجهزة مماثلة في نماذج أخرى مثل الصور الحركية.
بفضل قابلية الارتداء وقابلية النقل وسهولة الاستخدام ، يتم الآن التحقيق في هذه التقنية كجهاز تكميلي لإعادة التأهيل أو كأداة جديدة للسيناريوهات الصناعية.
اعرض النص الكامل واحصل على الوصول إلى آلاف الفيديوهات العلمية
نظرة عامة
تتناول هذه الورقة تطوير واجهة دماغ-كمبيوتر منخفضة التكلفة يمكن ارتداؤها باستخدام معدات من فئة المستهلكين وإمكانيات محفزات بصرية مستقرة. يدمج النظام جهاز تخطيط كهربية الدماغ أحادي القناة مع نظارات الواقع المعزز لعرض المحفزات وتصور البيانات.
مكونات الدراسة الرئيسية
مجال العلم
- علم الأعصاب
- واجهات الدماغ-الكمبيوتر
- الواقع المعزز
الخلفية
- تمتلك واجهات الدماغ-الكمبيوتر (BCIs) تطبيقات محتملة في مجالات مختلفة.
- يمكن أن تجعل المعدات من فئة المستهلكين تكنولوجيا BCI أكثر سهولة.
- درست الدراسات السابقة واجهات الدماغ-الكمبيوتر في إعدادات إعادة التأهيل.
- تعتبر الإمكانيات المحفزة بصريًا المستقرة طريقة واعدة للتحكم في BCI.
هدف الدراسة
- لإنشاء نظام BCI غير باضع ويمكن حمله.
- للاستفادة من مكونات منخفضة التكلفة لسهولة الوصول.
- لاستكشاف التطبيقات في مجال الرعاية الصحية والإعدادات الصناعية.
الطرق المستخدمة
- دمج جهاز تخطيط كهربية الدماغ أحادي القناة مع نظارات الواقع المعزز.
- استخدام أقطاب كهربائية جافة للحصول على إشارات EEG.
- ربط النظام بجهاز كمبيوتر لمعالجة البيانات.
- تطبيق النظام في إعادة تأهيل الأطفال باستخدام الروبوتات.
النتائج الرئيسية
- تم بناء النظام بنجاح واختباره مع نتائج مشجعة.
- تمكن المشاركون من استخدام BCI في تطبيقات مختلفة.
- تشير النتائج إلى إمكانية استخدام النظام في إعادة تأهيل مرضى ADHD والتوحد.
- أظهر النظام قابلية النقل وسهولة الاستخدام.
الاستنتاجات
- يتقدم هذا العمل مجال واجهات الدماغ-الكمبيوتر من خلال جعل التكنولوجيا أكثر سهولة.
- قد تؤثر التطبيقات المستقبلية بشكل كبير على الرعاية الصحية وإعادة التأهيل.
- يلزم إجراء المزيد من البحث لتحسين النظام للاستخدام على نطاق أوسع.
الأسئلة المتداولة
Executive Industry Relevance
Wearable, single-channel brain-computer interfaces (BCIs) leveraging steady-state visually evoked potentials (SSVEPs) offer a scalable path to non-invasive human-machine interaction in both industrial and healthcare R&D. This approach enables rapid, quantitative assessment of user intent and cognitive state, supporting translational applications from robotic control to neurorehabilitation. The integration of consumer-grade EEG and XR glasses positions this technology for portfolio expansion into accessible, real-world environments.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables quantitative interrogation of neurophysiological responses to visual stimuli for functional target validation.
- Supports mechanistic de-risking by isolating SSVEP-driven brain activity in response to controlled inputs.
- Facilitates predictive confidence in user-state detection for downstream translational research.
Screening & Assay Development
- Provides a standardized, reproducible platform for evaluating brain signal responses to defined visual paradigms.
- Delivers quantitative EEG outputs (e.g., power spectral density at target frequencies) for robust assay development.
- Enables scalable screening of user engagement and cognitive state in both healthy and clinical populations.
Translational & Preclinical Research
- Aligns with disease-relevant endpoints in neurodevelopmental and neuropsychiatric research, such as ADHD and autism.
- Supports continuity from discovery-stage signal validation to preclinical model testing of neurorehabilitation interventions.
- Provides risk-adjusted data for advancing wearable neurotechnology in translational pipelines.
Pipeline & Workflow Integration
This wearable BCI system bridges early discovery, assay development, and translational research by enabling direct, quantitative measurement of brain responses to controlled visual stimuli.
- Discovery Biology: Supports hypothesis testing of neurocognitive engagement via SSVEP signal extraction and classification.
- Screening: Offers reproducible, quantitative EEG readouts for comparing user responses across conditions and populations.
- Analytics: Provides feature-domain data (e.g., PSD at 10 Hz and 12 Hz) for statistical analysis and classifier training.
- Translational Research: Facilitates alignment with clinical endpoints in neurorehabilitation and industrial human-machine interface studies.
- Enterprise Reuse: Establishes a portable, low-cost platform adaptable to diverse R&D and operational settings.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence in neurophysiological target engagement and user intent detection.
- Operational Value: Enhances standardization, reproducibility, and scalability of brain signal acquisition in real-world settings.
- Strategic Value: Enables informed go/no-go decisions for neurotechnology investments and reduces late-stage biological risk.
- Portfolio Impact: Supports risk-adjusted prioritization of wearable neurotechnology assets for both industrial and healthcare applications.
Implementation Considerations
- Requires expertise in EEG signal processing and classifier development for robust deployment.
- Depends on reliable instrumentation, including dry-electrode EEG and XR glasses, with attention to electrode stability.
- Necessitates cross-team standardization of stimulation protocols and data analysis pipelines.
- Adaptable across user populations but may require optimization for specific neurocognitive paradigms.
- Mechanical stability of electrodes and robustness to noise are practical limitations for broader adoption.
