رابطهای مغز و رایانه: راهنمای مورد علاقه شما

هر آنچه می خواهید درباره BCI بدانید اما از پرسیدن آن می ترسیدید

انواع BCI ها چیست؟ بسته به تکنیک اندازه گیری سیگنال مغز ، رابط های مغز و رایانه را می توان به سه گروه عمده تقسیم کرد:

BCI چه نوع سیگنال مغزی را دریافت می کند؟ این سیستم می تواند از هرگونه سیگنال الکتریکی مغز که توسط برنامه های کاربردی روی پوست سر ، سطح قشر یا قشر مغز اندازه گیری می شود برای کنترل برنامه خارجی استفاده کند. به طور رسمی ، سیگنالهای مورد تحقیق عبارتند از: uli> سیگنالهای متابولیک که جریان خون را در مغز اندازه گیری می کند و توسط تصویربرداری رزونانس مغناطیسی عملکردی (fMRI) یا تکنیک های تصویربرداری مادون قرمز نزدیک عملکردی (fNIRS) بدست می آید

عناصر یک سیستم رابط مغز و کامپیوتر

به طور کلی ، سیستم BCI یک سیستم ارتباطی و کنترلی است که فعالیت مغز را از بین می برد و یک دستگاه خروجی است (به عنوان مثال ، بازوی روباتیک یا مکان نما).

بر اساس Jerry J. Shih و همکاران ، اجزای BCI شامل سیگنال کسب ، استخراج ویژگی ، ترجمه ویژگی و خروجی دستگاه. > pp همچنین یک مرحله پیش از تولید سیگنال وجود دارد-با ارائه محرک ها به موضوع یا ثبت امواج مغزی که قبلاً ایجاد شده است ، سیگنال را تحریک می کند. < /p>

دریافت سیگنال به معنی اندازه گیری مغز است سیگنال ها با استفاده از تکنیک های EEG برای سیگنال های الکتریکی مغز یا fMRI برای جریان خون مغز برای تعریف مقاصد کاربر. اصل مربوط به رویکردهای دیگر است.

ویژگیاستخراج به معنای تجزیه و تحلیل سیگنال های دیجیتال برای تعریف منظور کاربر ، فیلتر کردن سیگنال های نامربوط و "فشرده سازی" آنها به شکل مناسب برای ترجمه ویژگی ها است.

ترجمه ویژگی زمانی است که سیگنال ها به دستورات دستگاه خروجی منعکس کننده قصد کاربر است. img src = "https://cdn-images-1.medium.com/max/426/1*fnYX444qlaNC05boeIgeiQ.png">

سناریوهای کاربردی معمولی برای رابط های مغز و کامپیوتر چیست؟

بر اساس ابتکار کمیسیون اروپا برای تحقیقات BCI ، افق تعامل مغز و عصب رایانه 2020 ، برنامه های کاربردی واقعی عبارتند از:

جایگزینی سیستم عصبی مرکزی طبیعی (CNS) در نتیجه بیماری یا آسیب به به عنوان مثال می توان به کمک اختلال ارتباطی شدید یا کنترل ویلچر موتوری بازیابی عملکردهای طبیعی CNS از دست رفته اشاره کرد. این ممکن است تحریک الکتریکی عضلات یک فرد فلج یا بازگرداندن عملکرد مثانه از طریق تحریک اعصاب محیطی باشد. افزایش خروجی CNS. به عنوان مثال می توان به دستگاه هایی برای خلبانان و رانندگان اشاره کرد که در هنگام رانندگی یا خلبانان توجه به نقاط ضعف را مورد توجه قرار دهند تکمیل خروجی طبیعی CNS از طریق ارائه بازوی رباتیک یا گزینه انتخاب با استفاده از جوی استیک بهبود خروجی CNS در حالی که توانبخشی سکته مغزی از طریق تشخیص و تقویت سیگنالهای ناحیه قشر آسیب دیده برای تحریک عضلات برای بهبود حرکات کمک به تحقیقات CNS در مطالعات بالینی و غیر بالینی

وضعیت کنونی تحقیق و توسعه رابط مغز و کامپیوتر

در این دوره در دو سال گذشته ، محققان BCI روی استفاده از تکنیک های جدید تمرکز کرده اند. تحولات اخیر در این زمینه متضمن استفاده از یادگیری عمیق ، بینایی رایانه ای ، یادگیری بدون نظارت و شیوه های پزشکی از راه دور است.

تکنیک های یادگیری ماشین. از آنجایی که استفاده آنلاین از BCI داده های بدون برچسب ایجاد می کند ، نویسندگان تحقیقات اخیر (دیوید هوبنر و همکاران) برای طراحی یک روش طبقه بندی جدید از یادگیری بدون نظارت استفاده کردند.

K. پالانی تاناراج و همکاران اثربخشی استفاده از شبکه های یادگیری عمیق برای تشخیص صرع را نشان داد. این به معنای استفاده گسترده تر برای توسعه بیشتر با این تکنیک ها در زمینه BCI است.

TeleBCI. به طور همزمان ، افزایش سلامت از راه دور بر BCI نیز تأثیر می گذارد. منظور ما از سلامت از راه دور ارائه خدمات مراقبت های بهداشتی از راه دور از طریق دستگاه های برقی مدرن است. پست ما "5 تخصص پزشکی برتر که به Telehealth علاقه مند هستند" را برای جزئیات بیشتر بررسی کنید.

همانطور که یک تحقیق نشان می دهد ، teleBCI (telemedical BCI) می تواند یک راه ارتباطی جایگزین مانند صفحه کلید مجازی برای بیماران فلج ارائه دهد (اندرو جرونیمو و Zachary Simmons). ترکیبی از علم عصب شناسی و بینایی رایانه ای یک روند نوظهور است. تحقیقات کارآیی استفاده از تکنیک های یادگیری ماشینی را برای درک الگوهای فعالیت مغز در رویکرد EEG-as-image (Jacob Jiexun Liao et al.) نشان می دهد.

برقراری ارتباط و عملکردهای حرکتی. بهبود در بازگرداندن عملکردهای حرکتی و ارتباطی شامل استفاده از BCI های غیرتهاجمی مبتنی بر EEG (عزیز کوچانوگولاری و همکاران) است.

البرز رضازاده سرشکه و همکاران. نشان داد که چگونه اندازه گیری EEG و fNIRS می تواند دقت طبقه بندی BCI ها را برای تشخیص گفتار تصور شده افزایش دهد.

ورود BCI به بازار انبوه چگونه است؟

در حال حاضر این اتفاق می افتد. استارتاپ کانادایی Muse یک برنامه مبتنی بر EEG برای اندازه گیری کیفیت خواب و تمرکز و کمک به مدیتیشن ایجاد کرد. Dream یکی دیگر از هدبندهای BCI است که برای مصرف کنندگان طراحی شده استبرای بهبود خواب.

علاوه بر این ، بخش های بازار مانند بازی های مجازی ، ارتباطات نظامی و سیستم های کنترل خانه محرک های اصلی این صنعت هستند. به عنوان مثال ، NeuroSky ، یک شرکت آمریکایی در حال توسعه هدبندهای مبتنی بر EEG برای بازی و توسعه از سال 2009 است. شرکت های دیگر مانند Neurosity و NextMind در حال توسعه دستگاه هایی برای رمزگشایی توجه بصری و افزایش بهره وری هستند.

واقعی BCI چیست؟ اندازه بازار و پیش بینی ها؟ پیش بینی ها برای حوزه BCI امیدوار کننده است.

درآمد مورد انتظار در سال 2027 ، 3،7 میلیارد دلار است که از 1390،49 میلیون دلار 2020 با CAGR (نرخ رشد سالانه رشد) 15٪ افزایش می یابد. < /pq>

نتیجه گیری: مشکلات و چشم اندازها

روندهای BCI وعده می دهد که دستگاه های کاربرپسند و قابل حمل بیشتری در محدوده های بالینی محدود و بازار انبوه گسترش خواهند یافت. علاوه بر این ، دستیابی به سیگنال وفاداری بالا ، پردازش و استفاده از تکنیک های یادگیری ماشین به پیشرفت های صنعت کمک می کند.

علاوه بر این ، همانطور که محققان اظهار می دارند آینده BCI به شدت به عوامل زیر متکی است:

توسعه دستگاه های کمتر تهاجمی با قابلیت اطمینان سیگنال ، با توجه به قابلیت حمل ، قیمت مناسب و نگهداری آسان دستیابی به اجماع در مورد نگرانی های اخلاقی و مزایای اجتماعی و اقتصادی این فناوری برقراری ارتباط عوامل روانشناختی و عصبی که به طور بالقوه بر عملکرد BCI تأثیر می گذارد تعمیم مدل های BCI ، انتقال موفقیت آمیز داده های جلسه به جلسه و موضوع به موضوع

در مجموع ، ما شاهد افزایش قابل توجه کیفیت زندگی با BCI در چند سال آینده. الهام گرفته اید؟ فراموش نکنید که برای این پست وبلاگ کف بزنید و به ما الهام بخشید.

استفاده سیگنال