Yeni nanomembran elektrot sınıflarını esnek elektronik cihazlarla ve bir derin öğrenme algoritmasıyla birleştirmek, engelli kişilerin elektrikli bir tekerlekli sandalyeyi kablosuz olarak kontrol etmesine, bir bilgisayarla etkileşime girmesine veya küçük bir robotik aracı çalıştırmasına (büyük bir elektrot başlığı takmadan veya tellerle mücadele etmeden) yardımcı olabilir.
Tamamen taşınabilir, kablosuz bir Beyin-Makine Arayüzü (BMI) sağlayan bu giyilebilir sistem; insan beynindeki görsel olarak uyarılmış potansiyellerden gelen sinyalleri ölçmek için geleneksel elektroensefalografi (EEG) üzerinde bir gelişme sağlayabilir. Sistemin BMI için EEG sinyallerini ölçme kabiliyeti; altı insan denekle değerlendirilmiş, ancak engelli bireylerle çalışılmamıştır.
Georgia Tech Yardımcı Doçent Woon-Hong Yeo: “Bu çalışma, geniş bir yelpazedeki yardımcı cihazlar, akıllı ev sistemleri ve nöro-oyun arayüzleri için ergonomik, taşınabilir bir EEG sistemi tasarlamak için temel stratejileri rapor ediyor. Birincil yenilik, minyatürize cilt uyumlu bir sistem içerisinde tam entegre bir yüksek çözünürlüklü EEG izleme sistemleri ve devreleri geliştirilmesidir…”
BMI; Amyotrofik Lateral Skleroz (ALS), kronik inme veya diğer ciddi motor engeli olan kişilerin prostetik sistemleri kontrol etmelerine izin veren rehabilitasyon teknolojisinin önemli bir parçasıdır. Kalıcı durum görsel olarak uyarılmış potansiyeller (SSVEP) olarak bilinen beyin sinyallerini toplamak için; sinyalleri yorumlayan bilgisayar ekipmanlarına bağlanmak için ıslak elektrotlar, yapıştırıcılar ve teller kullanan bir elektrotlu çivili başlık kullanılmasını gerektirir.
Yeo ve ekibi; cilde kolayca uygulanabilen yeni bir esnek, kablosuz sensör ve elektronikten yararlanıyor. Sistem üç ana bileşen içerir: Saç derisine saçla doğrudan temas eden son derece esnek, saça monte elektrotlar; bir ultra ince nanomembran elektrotu; Bluetooth telemetri ünitesi ile yumuşak ve esnek bir devre… Beyinden kaydedilen EEG verileri; esnek devrede işlenir, ardından kablosuz olarak 15 metreye kadar bir Bluetooth aracılığıyla bir tablet bilgisayara iletilir.
Algılama gereksinimlerinin ötesinde, SSVEP sinyallerini tespit etmek ve analiz etmek, vücuttaki elektriksel gürültüye benzer şekilde onlarca mikro volt aralığında olan düşük sinyal genliği nedeniyle zor olmuştur. Araştırmacılar aynı zamanda insan beynindeki çeşitlilik ile de uğraşmak zorundadır. Ancak, sinyalleri doğru bir şekilde ölçmek, kullanıcının sistemin ne yapmasını istediğini belirlemek için önemlidir.
Bu zorlukları ele almak için araştırma ekibi esnek devre üzerinde çalışan derin öğrenme sinir ağı algoritmalarına yöneldi.
Araştırmacı Chee Siang (Jim) Ang: “Kediler ve köpekler gibi günlük görüntüleri sınıflandırmak için yaygın olarak kullanılan derin öğrenme yöntemleri; EEG sinyallerini analiz etmek için de kullanılıyor. Çok fazla çeşitlilik gösterebilen bir köpeğin resimleri gibi, EEG sinyalleri de aynı yüksek değişkenlikle mücadele eder. Derin öğrenme yöntemlerinin resimlerle iyi çalıştığını ve EEG sinyalleriyle de çok iyi çalıştıklarını gösterdik.”
Ayrıca, araştırmacılar; EEG sinyallerini sınıflandırmak ve bilgi toplamak için hangi elektrotların en yararlı olduğunu belirlemek için derin öğrenme modelleri kullandılar.
Sistem, kumaş bantlı kafaya tutturulmuş üç elastomerik kafa derisi elektrotu, boyuna uyumlu ultra ince kablosuz elektroniği ve cildin kulağın altına yerleştirilmiş deri benzeri bir baskılı elektrot kullanıyor. Kuru yumuşak elektrotlar cilde yapışır ve yapışkan veya jel kullanmaz. Kullanım kolaylığı ile birlikte, sistem gürültüyü ve paraziti azaltabilir ve mevcut sistemlere kıyasla daha yüksek veri iletim hızları sağlayabilir.
Sistem; altı insan denekle değerlendirildi. Gerçek zamanlı veri sınıflandırmasına sahip olan derin öğrenme algoritması elektrikli tekerlekli sandalyeyi ve küçük bir robotik aracı kontrol edebilir. Yeo, sinyallerin ayrıca bir klavye, joystick veya başka bir kontrol cihazı kullanmadan bir ekran sistemini kontrol etmek için de kullanılabileceğini belirtiyor.
Yeo: “Tipik EEG sistemleri sinyal almak için kafa derisinin çoğunu kapsamalıdır, ancak potansiyel kullanıcılar bunları giyme konusunda hassas olabilirler. Bu minyatür, giyilebilir yumuşak cihaz tamamen entegredir ve uzun süreli kullanım için rahat olacak şekilde tasarlanmıştır.”
Sonraki adımlar elektrotların iyileştirilmesini ve sistemin motor engelli bireyler için daha kullanışlı hale getirilmesini içerecektir.
Yeo, “Gelecekteki çalışma, bir kumaş desteği olmadan saçlı kafa derisine monte edilebilen tamamen elastomerik, kablosuz kendinden yapışkanlı elektrotların yanı sıra, diğer çalışmalarda kullanılmak üzere daha fazla elektrot içeren elektroniklerin daha minyatürleştirilmesinin incelenmesine odaklanacak. EEG sistemi ayrıca; motorlu uyarılmış potansiyelleri izlemek için yeniden yapılandırılabilir ve motor engelliler için motor hayal gücü, daha sonra terapötik uygulamalar üzerinde gelecekteki bir çalışma olarak incelenecektir.”
Uzun vadede, sistem, Georgia Tech’in Psikoloji Okulu’nda Doçent Audrey Duarte tarafından yapılan uyku çalışmaları gibi, basit EEG izlemenin yardımcı olacağı diğer uygulamalar için de potansiyel taşıyabilir.
