贴片“膏药”就能意念操控轮椅:脑机接口无需植入,准确率超90%

AI资讯1年前 (2023)发布 AI工具箱
335 0 0

量子位 报道 | 公众号 QbitAI

你想象的脑机接口,是不是要带个帽子,上面有很多洞洞,把脑袋搞成一个蜂窝?

 我司一璞小姐姐

不不不,现在不用了。

只要在脖子后面贴一张薄薄的软软的“膏药”,再套一条时尚的发带不用植入任何设备,也不用注射奇怪的试剂,就能用意念来控制机器了。

比如,脑电波操控轮椅:

 来自老番茄

啊不对,是这个:

 已加速

前进,后退,左转,右转。

系统能读懂人的心,经过6个人类亲身测试,接收每个指令的准确率,都超过了90%

这样,高位截瘫的人类,动动脑子就可以出去玩了。

这是佐治亚理工学院的Woon-Hong Yeo教授,带领团队成员,借用深度学习开发出的新型脑机接口,登上了Nature的机器智能子刊。

它不止能支配轮椅,还能帮助小机器人灵活走位:

 已加速

它很薄,但很有深度

佐治亚理工学院的这套可穿戴脑机接口,显然比传统设备轻便许多,只有一条发带,和一贴“膏药”。

他们为其取名SKINTRONICS

这一套新设备,其实是新型纳米膜电极,柔性电子设备和深度学习算法结合的产物。

在硬件上,主要有三个组成部分。

首先,是高度灵活的,安装在头发上的电极。电极可以通过头发与头皮直接接触。

传统的“湿”电极与导电凝胶耦合,以充分捕获信号,需要花费大量的时间来设置并进行定期维护。此外,水基凝胶还会随着时间的流逝而蒸发,导致皮肤电极接触阻抗衰减。

相比之下,SKINTRONICS采用的干电极,性能更为优秀。

当施加轻微的向下压力时,干发电极的导电挠性弹性体支腿会轻微张开,与头皮更好地接触。

其次,是超薄纳米膜电极

这一块皮肤状电极具有网眼结构,采用气溶胶喷射印刷,可以拉伸。这样的设计能减少运动伪影,并增强皮肤与电极之间的接触阻抗。

整个系统实际采用了三个弹性头皮电极,用发带固定。而皮肤状印刷电极则被放置在耳后,通过柔性薄膜电缆连接到SKINTRONICS系统中。

最后,就是那块“膏药”——柔性无线电子设备。

通过微细加工技术,材料转移印刷和软硬件部件集成的一套组合拳,多通道柔性电子系统被封装在柔软的弹性膜中。

柔软到即使弯折180°,也不会对设备产生不利影响。

这一块柔性电路集成了蓝牙模块,大脑记录的脑电图数据会在其中进行处理,然后通过蓝牙传输到电脑上,有效范围为15米。

不过,光靠传感器是不够的。

横在面前的还有两个难题:

一是,SSVEP信号比较低,在几十微伏的范围,和身体里的电噪音很接近。所以,这样的信号不容易分析。二是,人类的大脑有个体差异,每个人发出的信号都会有所不同,容易影响系统对用户指令的理解。

如果理解有偏差,就没办法按照人类的想法,来操控轮椅了。

所以,研究人员想到了深度学习

一只CNN要学会根据脑电信号,准确分析出人类的指令。

而人类发出指令的方式,是做出某个动作:闭眼、看上面、看下面、看左边、看右边。不同的动作,有不同的脑电信号:

 已加速

AI按照频率 (Hz) 的不同,把信号分成了5类,对应的指令是:

一是无动作,二是往前走,三是逆时针,四是顺时针,五是往后退。

训练好的CNN,学到了一套权重,对分类更有帮助的参数,可以拎出来。

因为,它们代表了那些电极所在的点位,发出的信号更加有用。毕竟,不同位置收获的信号质量并不一样。

淘汰一部分获取信号不给力的电极,可以有效减少传感器的数量。只保留位置最佳的电极,也有助于AI理解人类的意图。

研究人员说,AI不需要提前了解特定的信号种类,深度学习在传统方法很难分解出特征的情况下,就派上了用场。

离线训练完成之后,团队在6个人类身上进行了轮椅控制测试。

结果,AI对4种指令的判断,准确率都在90%以上:

成功了。

不过,就像开头提到的那样,这一套指令不止能拿来控制轮椅。

小机器人的走位,也可以靠它支配:

 已加速

就连播放课件的时候,也用得上:

 已加速

大概,也能拿来打游戏吧。

当然,这项研究的价值,还不止于此。

助力病理研究

经典的EEG(脑电图)系统必须覆盖大部分头皮才能获得信号,在应用当中,无疑给使用者带来了身体和心理上的双重压力。

而这样小型、可穿戴式的脑机接口设备,将改变这一现状,为运动障碍人士带来更多的便利。

论文的通讯作者Woon-Hong Yeo介绍说,下一步研究,将集中在完全弹性的,无线自粘式电极的研究上。这样的电极可以直接安装在有头发的头皮上,无需再借发带之力。

并且,他们会进一步将电子器件小型化,以集成更多电极。这样,SKINTRONICS系统将能用来检测运动障碍者的运动诱发电位运动心像(Motor Imagination),服务于未来的治疗应用研究。

注:运动心像,是人在心理上模拟/排练某种动作的过程,可用作精神康复。

在另一位论文作者Audrey Duarte的一项睡眠研究中,就已经用上了这套简单的EEG监测系统,来监测人们在自己家中睡觉时的神经活动。

使用以往的设备,这类研究只能在实验室中进行,还会让受试者感到相当不舒服。

或许,阿尔兹海默症等复杂病症的神经病理学研究,也将从此处获得新的突破。

研究团队

论文的通讯作者,是佐治亚理工学院机械工程学院和生物医学工程系的助理教授Woon-Hong Yeo

Woon-Hong Yeo本科毕业于韩国仁荷大学,2011年在华盛顿大学拿到博士学位,17年成为佐治亚理工学院的助理教授。

一作Musa Mahmood是Woon-Hong Yeo的弟子,从弗吉尼亚联邦大学(VCU)一路追随Yeo来到佐治亚理工学院,目前在Yeo的课题组读博。

研究团队还包括Yeo课题组的Yun-Soung Kim,Saswat Mishra和Robert Herbert,以及佐治亚理工学院心理学学院副教授Audrey Duarte,肯特大学的Deogratias Mzurikwao,和威奇托州立大学的Yongkuk Lee。

传送门

论文地址:

https://www.nature.com/articles/s42256-019-0091-7

— 完 —

© 版权声明

相关文章

暂无评论

暂无评论...