X教授“脑控”超能力要成真？新可穿戴设备能让残障人士控制轮椅、电脑甚至车子

近日，科学家发明了一种新型可穿戴设备，能让用户拥有类似于“心灵遥感”的能力，这种设备旨在让残疾人过上更正常的生活。

脑机接口技术有很大的潜在应用领域，不过在发展初期还是用于医疗方面较多。

无线脑机接口使他们能够控制电动轮椅、与电脑互动或操纵小型机器人车辆——只需使用大脑信号。

这款完全便携、无线、灵活的头皮电子系统经过重新设计，让人们无需戴传统笨重的电极帽就能获得更多的自由。

这款经过重新设计的可穿戴设备是与乔治亚理工学院、肯特大学和威奇托州立大学的研究人员合作开发的。

这项新发明利用了深度学习算法的强大功能，结合了纳米膜电极和柔性电子器件，支持蓝牙设备。

该团队已经对这个无线脑机接口(BMI)在6名受试者身上的成功试验进行了评估，这些受试者都不是残疾人。

为了收集大脑信号来控制电子设备，受试者戴了一顶布满电极的发帽，这种发帽使用湿电极、粘合剂、电线与分析信号的计算机设备连接。

这个研究团队着眼于新型的柔性无线传感器和电子产品，以开发一种可以随佩戴者轻松运输的系统。

重新设计的发带由三个主要部件组成:高度灵活的、安装在头发上的电极，可以通过头发与头皮直接接触;超薄纳米膜电极;柔软灵活的电路与蓝牙遥测单元。

从大脑中记录下来的脑电图数据通过灵活的电路处理，然后通过蓝牙无线传输到49英尺(约15米)外的平板电脑上。

准确地测量并解读脑电信号是十分具有挑战性的。为了应对这些挑战，研究团队转向了运行在柔性电路上的深度学习神经网络算法。

肯特大学(University of Kent)多媒体/数字系统高级讲师Chee Siang (Jim) Ang说:“深度学习方法通常用于对猫和狗等日常事物的图片进行分类，它被用来分析脑电图信号。”

“就像狗的图片会有很多变化一样，脑电图信号也面临着高变异性的挑战。”

“事实证明，深度学习方法对图片效果很好，我们也证明了它们对脑电图信号效果也很好。”

研究小组还使用了深度学习模型来确定哪种电极对收集信息分类脑电图信号最有用。

“我们发现，该模型能够识别出大脑中BMI的相关位置，这与人类专家的观点一致。”

“这减少了我们需要的传感器数量，降低了成本，提高了便携性。”

该系统使用三个弹性头皮电极与织物带固定在头部，与颈部相匹配的超薄无线电子设备，以及放置在耳朵下方皮肤上的类似皮肤的打印电极。

干燥的软电极附着在皮肤上，不像之前的帽子，这个新版本不需要粘合剂或凝胶。

与现有系统相比，该新型系统在使用方便的同时，可以降低噪声和干扰，并提供更高的数据传输速率。

该系统由6名受试者进行评估，研究团队发现，深度学习算法可以利用个体的大脑信号控制电动轮椅和小型机器人车辆。这些信号也可以用来控制显示系统，而不需要键盘、操纵杆或其他控制器。

研究人员称:“典型的脑电图系统必须覆盖大部分头皮才能获得信号，但潜在的使用者可能对佩戴它们很敏感。”

“这款微型化、可穿戴的软设备是完全集成的，设计初衷是为了用户长期使用感到舒适。”

下一步将包括改进电极，使该系统对运动障碍患者更有用。

“未来的研究将集中于研究完全弹性的无线自粘电极，这种电极可以安装在毛发浓密的头皮上，而不需要任何头饰的支撑。此外，电子产品还将进一步小型化，以便将更多的电极与其他研究结合使用。”

“脑电图系统还可以重新配置，以监测运动受损受试者的运动诱发电位或运动想象，这将作为未来治疗应用的进一步研究。”

长期来看，该系统可能会在其他更简单的脑电图监测方面有潜在的应用价值，比如睡眠研究。

她说:“这个脑电图监测系统最终有可能让科学家们以一种相对不引人注目的方式来监测受试者在生活中的神经活动。”

“例如，我们目前正在使用一个类似的系统来监测人们在舒适的家中睡觉时的神经活动，而不是像以往那样在实验室里使用笨重、僵硬、不舒服的设备。”

“用一个难以察觉的系统来测量睡眠相关的神经活动，可能会让我们发现新的、非侵入性的阿尔茨海默氏症相关神经病理学的生物标志物，可以预测老年痴呆症。”

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）

 

0