Un'interfaccia cervello-computer indossabile a canale singolo e non invasiva per l'industria e la sanità
7 luglio 2023
Questo documento discute come costruire un'interfaccia cervello-computer facendo affidamento su apparecchiature di livello consumer e potenziali evocati visivamente in stato stazionario. Per questo, un elettroencefalografo a canale singolo che sfrutta elettrodi secchi è stato integrato con occhiali a realtà aumentata per la presentazione degli stimoli e la visualizzazione dei dati di output. Il sistema finale era non invasivo, indossabile e portatile.
La proposta di questo lavoro contribuisce allo sviluppo di interfacce cervello-computer a basso costo, indossabili e portatili sfruttando apparecchiature di livello consumer, elaborazione del segnale semplice e realtà estesa. Questa tecnica mira ad avvicinare la tecnologia di interfaccia cervello-computer alla vita quotidiana e aprire nuove possibilità per molti utenti sia nelle applicazioni industriali che sanitarie. Il sistema proposto è stato applicato anche nella riabilitazione basata su robot per bambini con disturbo da deficit di attenzione / iperattività o per l'autismo.
I risultati sono stati incoraggianti. Per iniziare, indossa gli occhiali intelligenti e l'archetto e collega l'elettroencefalografo a basso costo a un PC tramite un cavo USB mentre il PC è scollegato dall'alimentazione principale. A questo punto, tutti gli elettrodi devono essere scollegati dalla scheda di acquisizione dell'elettroencefalografo per partire da una condizione nota.
In questa fase, il flusso EEG viene elaborato offline sul PC con uno script compatibile con l'elaborazione implementata nell'applicazione Android. Avviare lo script per ricevere i segnali EEG e visualizzarli. Controllare il segnale visualizzato.
Questo deve corrispondere solo al rumore di quantizzazione dell'amplificatore EEG. Collegare il primo elettrodo e applicare l'elettrodo passivo all'orecchio sinistro con una clip personalizzata o utilizzare un elettrodo a clip per l'orecchio. Il segnale di uscita deve rimanere invariato in questa fase perché il canale differenziale di misura è ancora un circuito aperto.
Collegare un elettrodo attivo al terminale negativo dell'ingresso differenziale del canale EEG di misurazione e applicarlo alla regione frontale con una fascia. Dopo alcuni secondi, il segnale dovrebbe tornare a zero. Collegare l'altro elettrodo attivo al terminale positivo dell'ingresso differenziale del canale EEG di misurazione e applicarlo alla regione occipitale con l'archetto.
Viene ora visualizzato un segnale cerebrale corrispondente all'attività visiva misurata rispetto all'area cerebrale frontale e alla regione occipitale. Stimola ripetutamente l'utente con icone di sfarfallio a 10 hertz e 12 hertz avviando l'icona di sfarfallio nell'applicazione Android. Premere sul touchpad degli occhiali intelligenti mentre si avvia anche lo script di acquisizione e visualizzazione EEG.
Assicurati che ogni stimolazione in questa fase consista in una singola icona che sfarfalla per 10 secondi. Dai segnali di dieci secondi associati a ciascuna stimolazione, estrarre due caratteristiche utilizzando la trasformata di Fourier veloce, la densità spettrale di potenza a 10 hertz e 12 hertz. In alternativa, considera anche le seconde armoniche.
Utilizzare una rappresentazione dei segnali acquisiti nel dominio delle funzionalità per addestrare un classificatore di macchine vettoriali di supporto. Utilizzare uno strumento in MATLAB o Python per identificare i parametri di un iperpiano con un eventuale kernel. Sulla base delle caratteristiche di ingresso, il modello addestrato sarà in grado di classificare le future osservazioni dei segnali EEG.
Scollegare il cavo USB dal PC e collegarlo direttamente agli occhiali intelligenti. Inserire i parametri del classificatore addestrato nell'applicazione Android. Il sistema è ora pronto.
L'elettroencefalografo a basso costo è stato caratterizzato per quanto riguarda la linearità e l'errore di magnitudo. I risultati sono mostrati qui. Lo sfarfallio degli occhiali intelligenti è stato misurato per evidenziare le eventuali deviazioni dal percorso nominale dell'onda quadra.
La caratterizzazione degli occhiali intelligenti commerciali in termini di spettro di ampiezza dei pulsanti tremolanti è mostrata in questa figura. Lo sfarfallio a 10 hertz e a 12 hertz sono mostrati qui. Questa figura rappresenta i segnali misurati durante la stimolazione visiva nel dominio delle caratteristiche.
I segnali associati agli stimoli tremolanti a 12 hertz sono presentati in blu mentre i segnali associati agli stimoli tremolanti a 10 hertz sono presentati in rosso. Per ogni soggetto, i risultati associati a una stimolazione di dieci secondi vengono confrontati con quelli associati a una stimolazione di due secondi. L'accuratezza ottenuta considerando tutti i soggetti insieme e l'accuratezza media tra tutti i soggetti sono riportati qui.
Il confronto delle prestazioni di classificazione quando si considerano due caratteristiche PSD rispetto a quattro caratteristiche PSD per i dati EEG relativi a SSVEP è mostrato qui. Date le buone proprietà metrologiche delle apparecchiature di livello consumer, si deve prestare particolare attenzione alla stabilità meccanica degli elettrodi di misura perché non impiegano gel conduttivi. Questa procedura si è dimostrata funzionale per i segnali SSVEP che sono rumori relativamente robusti, ma si potrebbe studiare l'uso di strumentazione simile in ulteriori paradigmi come le immagini motorie.
Grazie alla vestibilità, alla portabilità e alla facilità d'uso, questa tecnica è ora studiata come dispositivo supplementare per la riabilitazione o come nuovo strumento per scenari industriali.
Visualizza la trascrizione completa e accedi a migliaia di video scientifici
Panoramica
Questo documento discute lo sviluppo di un'interfaccia cervello-computer a basso costo, indossabile, che utilizza attrezzature di consumo e potenziali evocati visivamente a stato stazionario. Il sistema integra un elettroencefalografo a singolo canale con occhiali per la realtà aumentata per la presentazione degli stimoli e la visualizzazione dei dati.
Componenti chiave dello studio
Area della scienza
- Neuroscienza
- Interfacce cervello-computer
- Realtà aumentata
Sfondo
- Le interfacce cervello-computer (BCI) hanno potenziali applicazioni in vari campi.
- Le attrezzature di consumo possono rendere la tecnologia BCI più accessibile.
- Studi precedenti hanno esplorato le BCI in contesti di riabilitazione.
- I potenziali evocati visivamente a stato stazionario sono un metodo promettente per il controllo delle BCI.
Obiettivo dello studio
- Creare un sistema BCI non invasivo e portatile.
- Utilizzare componenti a basso costo per una più ampia accessibilità.
- Esplorare applicazioni in ambito sanitario e industriale.
Metodi utilizzati
- Integrazione di un elettroencefalografo a singolo canale con occhiali per la realtà aumentata.
- Utilizzo di elettrodi secchi per l'acquisizione del segnale EEG.
- Connessione del sistema a un PC per l'elaborazione dei dati.
- Applicazione del sistema nella riabilitazione basata su robot per bambini.
Principali risultati
- Il sistema è stato costruito e testato con successo con risultati incoraggianti.
- I partecipanti sono stati in grado di utilizzare la BCI per varie applicazioni.
- I risultati indicano un potenziale utilizzo nella riabilitazione per ADHD e autismo.
- Il sistema ha dimostrato portabilità e facilità d'uso.
Conclusioni
- Questo lavoro fa progredire il campo delle BCI rendendo la tecnologia più accessibile.
- Le applicazioni future potrebbero avere un impatto significativo sulla sanità e sulla riabilitazione.
- Sono necessarie ulteriori ricerche per ottimizzare il sistema per un uso più ampio.
Domande frequenti
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.
Biopharma FAQs
Chapters in this video
0:04
Introduction
0:54
Calibrating the SSVEP-Based Brain-Computer Interface
4:01
Results: Metrological Characterization of the Low-Cost Electroencephalograph and the Commercial Smart Glasses, and Signals Measured During Visual Stimulation
5:33
Conclusion
