ترجمه سیگنالهای EEG به سیگنالهای کنترل در دست گرفتن اجسام

Jose Contreras-Vidal، مسئول آزمایشگاه سامانه‌های واسط ماشین – انسان در دانشگاه هیوستون، پنج سال پرکار را سپری کرده است. در سال ۲۰۱۰ گروه وی امکان رمز گشایی حرکات سه بعدی دست را از راه رمزگشایی سیگنالهای مغزی EEG، به نمایش گذاشتند. آنها امسال یک گام فراتر نهاده و نشان داده‌اند که این سیگنالهای رمز گشایی شده را می توان به حرکات دستهای مصنوعی ترجمه کرد. نشان دادن این موضوع نیاز به جراحی ندارد. تنها کاری که لازم است آن است که فرد قطع عضو شده، در دست گرفتن یک جسم را در ذهن خود تصور کند. بقیه کار را سیگنالهای رمز گشایی شده مغزی انجام خواهند داد.

Contreras-Vidal و همکارانش در مقاله ای که درماه آوریل مجله Frontiers چاپ شده است این باور را که سیگنالهای EEG قادر به ایجاد سیگنال مناسب برای رابطهای ماشین – انسان نیستند به چالش می‌کشند.
وی می گوید:

“برای مدت زیادی تصور بر این بود که برای رمز گشایی اطلاعات کافی به منظور کنترل حرکات پیچیده لازم است تا از الکترودهای نفوذی استفاده شود. ما نشان داده ایم که کسب این اطلاعات بدون پذیرفتن خطرات جراحی نیز ممکن است.”

وی همچنین ادامه می دهد:

” این پژوهش به منظور ایجاد درک بهتر از شیوه نمایش حرکات در سامانه های عصبی هنگام یادگیری فنون یا هنگام انجام حرکات توانبخشی پس از صدمات مغزی است. این نکته نیز مهم است که طراحی و تنظیم سامانه های رمز گشایی عصبی می تواند نیازمند داده های فراوان و از نظر محاسباتی سنگین باشد. به طور حتم ادامه بررسی ها و تحقیقات منجر به ایجاد مجموعه داده های عظیم در حد چندین ترا بایت خواهد شد.

محققان در آزمایشگاه با استفاده از یک cluster کوچک، ساختاری را به صورت offline در نرم افزار MATLAB ایجاد کردند که قادر است سیگنالهای مربوط به در دست گرفتن اجسام را رمز گشایی کند. آنها در مرحله offline با استفاده از آنالیز اجزای مستقل، اجزای ناخواسته داده های EEG را حذف کردند. همچنین از روش جستجو برای حذف و تصادفی کردن ورودی الکترود به منظور افزایش دقت رمز گشایی استفاده کردند. گروه برای ساده کردن محاسبات از روشهای هوش مصنوعی استفاده کرد. بدین صورت که یک الگوریتم یادگیری چند هسته ای برای پایش داده های EEG و تشخیص انواع مختلف در دست گرفتن اجسام ایجاد شد.

Decoded EEG signals translate into grasp control

یک داوطلب هنگام کار با سامانه کنترل عصبی اندام مصنوعی در حال برداشتن برداشتن اجسام. کنترل به صورت حلقه بسته و real-time. تصویر از Jose Contreras-Vidal

داوطلبان انواع شیوه های برداشتن اجسام را در شرایطی که کلاه مخصوص دارای الکترودهای مغزی را پوشیده بودند اجرا کردند و فعالیت مغزی آنان از هشت منطقه مختلف مغزی به کمک EEG فعال ۶۴ کاناله ثبت شد. پس از آن یک داوطلب ۵۶ ساله صحت تحقیق را با ۸۰% موفقیت از میان ۱۰۰ بار تلاش برای انجام کار به نمایش گذاشت.
گام بعدی این پژوهش، بررسی بلند مدت برای تعیین میزان پایداری سیگنالهای EEG با گذشت زمان و شرایط ذهنی مختلف است. دکتر Contreras-Vidal می گوید:

“ما باید شرایط روحی مختلف، خستگی و اثر داروها را بر سیگنالهای EEG و حلقه کنترلی اندام مصنوعی عصبی بسنجیم.”

اطلاعات بیشتر را از اینجا بخوانید.

منبع: International Science Grid This Week

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *