産業およびヘルスケア向けの単一チャネルおよび非侵襲的ウェアラブルブレインコンピュータインタフェース
2023年7月7日
この論文では、消費者グレードの機器と定常状態の視覚誘発電位に依存してブレインコンピュータインターフェースを構築する方法について説明します。このために、乾式電極を利用する単一チャネル脳波計は、刺激の提示と出力データの視覚化のために拡張現実メガネと統合されました。最終的なシステムは、非侵襲的で、ウェアラブルで、ポータブルでした。
本研究の提案は、民生用機器、簡易信号処理、拡張現実性を活用することで、低コストでウェアラブルでポータブルなブレインコンピュータインターフェースの開発に貢献します。この技術は、ブレインコンピュータインターフェース技術を日常生活に近づけ、産業およびヘルスケアアプリケーションの両方で多くのユーザーに新しい可能性を開くことを目的としています。この提案システムは、注意欠陥・多動性障害児や自閉症児のロボットリハビリテーションにも応用されています。
結果は有望でした。まず、スマートグラスとヘッドバンドを着用し、PCを主電源から切断した状態で、USBケーブルを介して低コストの脳波計をPCに接続します。このステップでは、既知の状態から開始するために、すべての電極を脳波計取得ボードから切り離す必要があります。
このフェーズでは、脳波ストリームは、Androidアプリケーションに実装された処理と互換性のあるスクリプトを使用して、PC上でオフラインで処理されます。スクリプトを開始して、EEG信号を受信し、視覚化します。表示された信号を確認してください。
これは、EEG増幅器の量子化ノイズのみに対応する必要があります。最初の電極を接続し、カスタムクリップでパッシブ電極を左耳に適用するか、イヤークリップ電極を使用します。測定差動チャンネルはまだ開回路であるため、出力信号はこのステップで変更しないでください。
測定EEGチャネルの差動入力の負極に活性電極を接続し、ヘッドバンドで前頭部に適用します。数秒後、信号はゼロに戻ります。もう一方のアクティブ電極を測定EEGチャネルの差動入力の正極に接続し、ヘッドバンドで後頭部に適用します。
前頭脳領域と後頭部領域に関して測定された視覚活動に対応する脳信号が表示されるようになりました。Androidアプリケーションでちらつきアイコンを起動して、10ヘルツと12ヘルツのちらつきアイコンでユーザーを繰り返し刺激します。スマートグラスのタッチパッドを押しながら、EEG取得および視覚化スクリプトを開始します。
このフェーズの各刺激が、10秒間ちらつく単一のアイコンで構成されていることを確認してください。各刺激に関連する10秒の信号から、高速フーリエ変換、10ヘルツおよび12ヘルツでのパワースペクトル密度を使用して2つの特徴を抽出する。あるいは、第2高調波も考慮してください。
特徴領域で集録された信号の表現を使用して、サポートベクターマシン分類器をトレーニングします。MATLABまたはPythonのツールを使用して、最終的なカーネルを持つ超平面のパラメータを識別します。入力特徴に基づいて、トレーニングされたモデルは、EEG信号の将来の観測を分類することができます。
USBケーブルをPCから外し、スマートグラスに直接接続します。トレーニング済みの分類器のパラメーターを Android アプリケーションに挿入します。これでシステムの準備が整いました。
低コストの脳波計は、直線性と大きさの誤差に関して特徴付けられました。結果をここに示す。スマートグラスのちらつきを測定して、公称方形波経路からの最終的な偏差を強調しました。
ちらつきボタンの振幅スペクトルに関する商用スマートグラスの特性評価をこの図に示します。ここでは、10ヘルツと12ヘルツでのちらつきを示しています。この図は、特徴領域における視覚刺激中に測定された信号を表す。
12ヘルツのちらつき刺激に関連する信号は青で表示され、10ヘルツのちらつき刺激に関連する信号は赤で表示されます。各被験者について、10秒の刺激に関連する結果を2秒の刺激に関連する結果と比較する。ここでは、すべての被験者をまとめて考慮して得られた精度と、すべての被験者の平均精度を報告します。
SSVEP関連の脳波データについて、2つのPSD特徴と4つのPSD特徴を考慮した場合の分類性能の比較を以下に示します。消費者グレードの機器の優れた計量特性を考えると、導電性ゲルを使用していないため、測定電極の機械的安定性に主に注意を払う必要があります。この手順は、比較的堅牢なノイズであるSSVEP信号に対して機能することが証明されましたが、モーター画像などのさらなるパラダイムで同様の計測器の使用を調査することができます。
ウェアラビリティ、携帯性、使いやすさのおかげで、この技術は現在、リハビリテーションの補助装置として、または産業シナリオの新しいツールとして研究されています。
完全なトランスクリプトを表示し、数千本の科学動画にアクセス
概要
この論文では、消費者向け機器と定常状態視覚誘発電位を使用した低コストの着用可能な脳コンピューターインターフェースの開発について論じています。このシステムは、刺激の提示とデータの可視化のために、単一チャネル脳波計と拡張現実グラスを統合しています。
主要な研究構成要素
科学の分野
- 神経科学
- 脳コンピューターインターフェース
- 拡張現実
背景
- 脳コンピューターインターフェース（BCI）は様々な分野で応用が可能です。
- 消費者向け機器はBCI技術をより身近なものにします。
- 過去の研究では、リハビリテーション環境でのBCIが探求されています。
- 定常状態視覚誘発電位はBCI制御の有望な方法です。
研究の目的
- 非侵襲的で携帯可能なBCIシステムを作成すること。
- より広範な利用可能性のために低コスト部品を利用すること。
- 医療および産業環境での応用を探ること。
使用された方法
- 単一チャネル脳波計と拡張現実グラスの統合。
- EEG信号取得のための乾電極の使用。
- システムとPCの接続によるデータ処理。
- 子どものためのロボットベースのリハビリテーションにおけるシステムの応用。
主な結果
- システムは成功裏に構築され、テストされ、励みとなる結果が得られました。
- 参加者は様々な応用のためにBCIを使用できました。
- 結果はADHDと自閉症のリハビリテーションでの使用の可能性を示しています。
- システムは携帯性と使いやすさを実証しました。
結論
- この研究は、技術をより身近なものにすることでBCI分野を進歩させました。
- 将来の応用は医療とリハビリテーションに大きな影響を与える可能性があります。
- より広範な使用のためにシステムを最適化するためにさらなる研究が必要です。
よくある質問
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.
