산업 및 의료를 위한 단일 채널 및 비침습적 웨어러블 뇌-컴퓨터 인터페이스
2023년 7월 7일
이 백서에서는 소비자 등급 장비와 정상 상태의 시각적 유발 잠재력에 의존하여 뇌-컴퓨터 인터페이스를 구축하는 방법에 대해 설명합니다. 이를 위해 건식 전극을 활용하는 단일 채널 뇌파계가 자극 표현 및 출력 데이터 시각화를 위해 증강 현실 안경과 통합되었습니다. 최종 시스템은 비침습적, 웨어러블 및 휴대용이었습니다.
이 작업의 제안은 소비자 등급 장비, 간단한 신호 처리 및 확장 현실을 활용하여 저비용, 웨어러블 및 휴대용 뇌-컴퓨터 인터페이스 개발에 기여합니다. 이 기술은 뇌-컴퓨터 인터페이스 기술을 일상 생활에 더 가깝게 만들고 산업 및 의료 응용 분야의 많은 사용자에게 새로운 가능성을 여는 것을 목표로 합니다. 제안 시스템은 주의력 결핍/과잉 행동 장애 또는 자폐증이 있는 아동을 위한 로봇 기반 재활에도 적용되었습니다.
결과는 고무적이었습니다. 시작하려면 스마트 안경과 머리띠를 착용하고 PC가 주 전원 공급 장치에서 분리된 상태에서 USB 케이블을 통해 저가의 뇌파도를 PC에 연결합니다. 이 단계에서, 모든 전극은 알려진 조건에서 시작하기 위해 뇌파 수집 보드에서 분리되어야 한다.
이 단계에서 EEG 스트림은 Android 애플리케이션에 구현된 처리와 호환되는 스크립트를 사용하여 PC에서 오프라인으로 처리됩니다. 스크립트를 시작하여 EEG 신호를 수신하고 시각화합니다. 표시된 신호를 확인하십시오.
이는 EEG 증폭기의 양자화 잡음에만 해당해야 합니다. 첫 번째 전극을 연결하고 맞춤형 클립으로 수동 전극을 왼쪽 귀에 적용하거나 이어 클립 전극을 사용합니다. 측정 차동 채널은 여전히 개방 회로이기 때문에 이 단계에서 출력 신호는 변경되지 않은 상태로 유지되어야 합니다.
측정 EEG 채널의 차동 입력의 음극 단자에 활성 전극을 연결하고 헤드밴드로 정면 영역에 적용합니다. 몇 초 후에 신호가 0으로 돌아와야 합니다. 다른 활성 전극을 측정 EEG 채널의 차동 입력의 양극 단자에 연결하고 헤드밴드로 후두 부위에 적용합니다.
이제 전두엽 뇌 영역과 후두 영역에 대해 측정된 시각 활동에 해당하는 뇌 신호가 표시됩니다. Android 애플리케이션에서 깜박임 아이콘을 시작하여 10Hz 및 12Hz 깜박임 아이콘으로 사용자를 반복적으로 자극합니다. 스마트 안경의 터치패드를 누르면서 EEG 획득 및 시각화 스크립트를 시작합니다.
이 단계의 각 자극이 10초 동안 깜박이는 단일 아이콘으로 구성되어 있는지 확인합니다. 각 자극과 관련된 10초 신호로부터, 10 헤르츠 및 12 헤르츠에서의 전력 스펙트럼 밀도인 고속 푸리에 변환을 사용하여 두 가지 특징을 추출한다. 또는 2차 고조파도 고려하십시오.
특징 영역에서 수집된 신호의 표현을 사용하여 서포트 벡터 머신 분류기를 훈련시킬 수 있습니다. MATLAB 또는 Python의 툴을 사용하여 최종 커널이 있는 초평면의 파라미터를 식별할 수 있습니다. 입력 기능을 기반으로 훈련된 모델은 EEG 신호의 향후 관찰을 분류할 수 있습니다.
PC에서 USB 케이블을 분리하고 스마트 안경에 직접 연결합니다. 학습된 분류자의 매개 변수를 Android 애플리케이션에 삽입합니다. 이제 시스템이 준비되었습니다.
저비용 뇌파도는 선형성 및 크기 오류와 관련하여 특성화되었습니다. 결과는 다음과 같습니다. 스마트 안경의 깜박임은 공칭 구형파 경로로부터의 최종 편차를 강조하기 위해 측정되었습니다.
깜박이는 버튼의 진폭 스펙트럼에 대한 상업용 스마트 안경의 특성이 이 그림에 나와 있습니다. 10Hz와 12Hz에서 깜박임이 여기에 표시됩니다. 이 그림은 특징 영역에서 시각적 자극 동안 측정된 신호를 나타냅니다.
12 헤르츠 깜박임 자극과 관련된 신호는 파란색으로 표시되고 10 헤르츠 깜박임 자극과 관련된 신호는 빨간색으로 표시됩니다. 각 피험자에 대해 10초 자극과 관련된 결과를 2초 자극과 관련된 결과와 비교합니다. 모든 피험자를 함께 고려하여 얻은 정확도와 모든 피험자 간의 평균 정확도가 여기에 보고됩니다.
SSVEP 관련 EEG 데이터에 대해 2개의 PSD 특징과 4개의 PSD 특징을 고려할 때 분류 성능의 비교가 여기에 나와 있습니다. 소비자 등급 장비의 우수한 도량형 특성을 감안할 때, 측정 전극은 전도성 젤을 사용하지 않기 때문에 측정 전극의 기계적 안정성에 대부분주의를 기울여야합니다. 이 절차는 상대적으로 강력한 노이즈인 SSVEP 신호에 대해 작동하는 것으로 입증되었지만 모터 이미지와 같은 추가 패러다임에서 유사한 계측의 사용을 조사할 수 있습니다.
착용성, 휴대성 및 사용 용이성 덕분에 이 기술은 이제 재활을 위한 보조 장치 또는 산업 시나리오를 위한 새로운 도구로 연구되고 있습니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
개요
이 논문은 소비자용 장비와 안정 상태 시각 유발 전위를 사용하여 저비용, 착용 가능한 뇌-컴퓨터 인터페이스의 개발에 대해 논의합니다. 이 시스템은 자극 제시 및 데이터 시각화를 위해 단일 채널 뇌전도계를 증강 현실 안경과 통합합니다.
주요 연구 요소
과학 분야
- 신경과학
- 뇌-컴퓨터 인터페이스
- 증강 현실
배경
- 뇌-컴퓨터 인터페이스(BCI)는 다양한 분야에서 잠재적 응용이 있습니다.
- 소비자용 장비는 BCI 기술을 더 접근하기 쉽게 만들 수 있습니다.
- 이전 연구에서는 재활 환경에서 BCI를 탐구했습니다.
- 안정 상태 시각 유발 전위는 BCI 제어를 위한 유망한 방법입니다.
연구 목적
- 비침습적이고 휴대용 BCI 시스템을 만드는 것.
- 더 넓은 접근성을 위해 저비용 부품을 활용하는 것.
- 의료 및 산업 환경에서의 응용을 탐구하는 것.
사용된 방법
- 단일 채널 뇌전도계와 증강 현실 안경의 통합.
- EEG 신호 획득을 위한 건식 전극의 사용.
- 데이터 처리를 위한 시스템의 PC 연결.
- 어린이를 위한 로봇 기반 재활에서의 시스템 적용.
주요 결과
- 시스템은 성공적으로 구축되었고 격려적인 결과와 함께 테스트되었습니다.
- 참가자들은 다양한 응용을 위해 BCI를 사용할 수 있었습니다.
- 결과는 ADHD와 자폐증 재활에 사용할 잠재력을 나타냅니다.
- 시스템은 휴대성과 사용 용이성을 입증했습니다.
결론
- 이 연구는 기술을 더 접근하기 쉽게 만들어 BCI 분야를 발전시키고 있습니다.
- 미래 응용은 의료 및 재활에 중요한 영향을 미칠 수 있습니다.
- 더 넓은 사용을 위해 시스템을 최적화하기 위한 추가 연구가 필요합니다.
자주 묻는 질문
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.
