Interfață creier-calculator: Diferență între versiuni

De la Wikipedia, enciclopedia liberă
Navighează interactiv prin istoric
← Diferența anterioarăDiferența următoare →
Conținut șters Conținut adăugat
VizualWikitext
Adaugare text
Adaugare text
Linia 21: Linia 21:
În anul 1988 s-a raportat controlul EEG neinvaziv al unui obiect fizic, un robot. Experimentul descris a fost controlul EEG a multiple porniri-opriri-reporniri ale mișcărilor robotului, de-a lungul unei traiectorii definite arbitrar printr-o linie trasată pe podea. Comportamentul de urmărire a liniei a fost comportamentul normal al robotului, folosind inteligență autonomă și o sursă de energie autonomă.<ref>S. Bozinovski, M. Sestakov, L. Bozinovska: Utilizarea ritmului EEG alfa pentru controlul unui robot mobil, În G. Harris, C. Walker (ed.) ''Lucrările Conferinței Anuale IEEE a Societății de Medicină și Bilogie'' (en.), p. 1515-1516, New Orleans, 1988</ref><ref>S. Bozinovski: Controlul traiectoriei unui robot mobil: de la șine fixe la control bioelectric direct, În O. Kaynak (ed.) ''Lucrările seminarului IEEE privind Controlul Inteligent al Mișcării'' (en.), p. 63-67, Istanbul, 1990</ref>
În anul 1988 s-a raportat controlul EEG neinvaziv al unui obiect fizic, un robot. Experimentul descris a fost controlul EEG a multiple porniri-opriri-reporniri ale mișcărilor robotului, de-a lungul unei traiectorii definite arbitrar printr-o linie trasată pe podea. Comportamentul de urmărire a liniei a fost comportamentul normal al robotului, folosind inteligență autonomă și o sursă de energie autonomă.<ref>S. Bozinovski, M. Sestakov, L. Bozinovska: Utilizarea ritmului EEG alfa pentru controlul unui robot mobil, În G. Harris, C. Walker (ed.) ''Lucrările Conferinței Anuale IEEE a Societății de Medicină și Bilogie'' (en.), p. 1515-1516, New Orleans, 1988</ref><ref>S. Bozinovski: Controlul traiectoriei unui robot mobil: de la șine fixe la control bioelectric direct, În O. Kaynak (ed.) ''Lucrările seminarului IEEE privind Controlul Inteligent al Mișcării'' (en.), p. 63-67, Istanbul, 1990</ref>


În anul 1990 s-a raportat un BCI bidirecțional adaptiv care controla un speaker de calculator printr-un potențial anticipatoriu al creierului, potențialul de variație negativă contingentă (CNV).<ref>L. Bozinovska, G. Stojanov, M. Sestakov, S. Bozinovski: Recunoașterea modelului CNV: avans către observarea undei cognitive, În L. Torres, E. Masgrau, E. Lagunas (ed.) Procesarea Semnalelor V: teorie și aplicații, Lucrările EUSIPCO-90: A cincea conferință europeană de procesarea semnalelor (en.), Elsevier, p. 1659-1662, Barcelona, 1990</ref><ref>L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectograma: proiectare experimentală și algoritmi, În Lucrările IEEE Zilele Internaționale ale Biomedicale (en.), p. 55-60, Istanbul, 1992</ref> Experimentul descria modul în care o stare de așteptare a creierului, manifestată prin CNV, controlează speaker-ul S2 într-o buclă de feedback în paradigma S1-S2-CNV. Unda cognitivă obținută, reprezentând învățarea așteptării în creier, se numește Electroexpectogramă (EXG). Potențialul CNV al creierului a fost o parte din provocarea pentru BCI prezentată de Vidal în articolul său din anul 1973.
În anul 1990 s-a raportat un BCI bidirecțional adaptiv care controla un speaker de calculator printr-un potențial anticipatoriu al creierului, potențialul de variație negativă contingentă (CNV).<ref>L. Bozinovska, G. Stojanov, M. Sestakov, S. Bozinovski: Recunoașterea modelului CNV: avans către observarea undei cognitive, În L. Torres, E. Masgrau, E. Lagunas (ed.) Procesarea Semnalelor V: teorie și aplicații, Lucrările EUSIPCO-90: A cincea conferință europeană de procesarea semnalelor (en.), Elsevier, p. 1659-1662, Barcelona, 1990</ref><ref>L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectograma: proiectare experimentală și algoritmi, În Lucrările IEEE Zilele Internaționale ale Biomedicinei (en.), p. 55-60, Istanbul, 1992</ref> Experimentul descria modul în care o stare de așteptare a creierului, manifestată prin CNV, controlează speaker-ul S2 într-o buclă de feedback în paradigma S1-S2-CNV. Unda cognitivă obținută, reprezentând învățarea așteptării în creier, se numește Electroexpectogramă (EXG). Potențialul CNV al creierului a fost o parte din provocarea pentru BCI prezentată de Vidal în articolul său din anul 1973.


În anul 2015, a fost lansată oficial [http://bcisociety.org/ Societatea BCI]. Această organizație non-profit este condusă de un consiliu internațional de experți BCI din diverse medii (academic, industrial și medical) cu experiență în diferite tipuri de BCI-uri, precum invazive/ne-invazive și control/non-control. Consiliul este ales de membrii Societății, care sunt câteva sute. Printre alte responsabilități, Societatea BCI organizează [http://bcisociety.org/meetings/bci-meeting-2016-past-meetings/ întâlniri BCI internaționale]. Aceste conferințe mari se țin odată la doi ani și cuprind activități precum prelegeri cheie, seminarii, postere, evenimente satelit și demonstrații. [http://bcisociety.org/meetings/bci-2018-welcome/ În 2018] întâlnirea se ține în luna mai, la [http://www.visitasilomar.com/ Baza Conferințelor Asilomar] în Pacific Grove, California.
În anul 2015, a fost lansată oficial [http://bcisociety.org/ Societatea BCI]. Această organizație non-profit este condusă de un consiliu internațional de experți BCI din diverse medii (academic, industrial și medical) cu experiență în diferite tipuri de BCI-uri, precum invazive/ne-invazive și control/non-control. Consiliul este ales de membrii Societății, care sunt câteva sute. Printre alte responsabilități, Societatea BCI organizează [http://bcisociety.org/meetings/bci-meeting-2016-past-meetings/ întâlniri BCI internaționale]. Aceste conferințe mari se țin odată la doi ani și cuprind activități precum prelegeri cheie, seminarii, postere, evenimente satelit și demonstrații. [http://bcisociety.org/meetings/bci-2018-welcome/ În 2018] întâlnirea se ține în luna mai, la [http://www.visitasilomar.com/ Baza Conferințelor Asilomar] în Pacific Grove, California.
Linia 35: Linia 35:
==Cercetare BCI pe animale==
==Cercetare BCI pe animale==


Mai multe laboratoare au reușit să înregistreze semnale de la [[cortex cerebral|cortexurile cerebrale]] ale maimuțelor și șobolanilor pentru operarea BCI-urilor și producerea mișcării. Maimuțele au mișcat [[Cursor|cursoarele de calculator]] pe ecran și au comandat brațe robotice pentru efectuarea de sarcini simple numai gândindu-se la sarcină și observând feedback-ul vizual, dar fără nicio ieșire motoare.<ref>Miguel Nicolelis ''et al.'' (2001) [http://www.dukemedicine.org/AboutUs/Facts_and_Statistics/historical_highlights/index/view Un neurobiolog de la Duke a dezvoltat un sistem care permite maimuțelor să controleze brațe robotice cu semnalele creierului (en.)]</ref> În luna mai 2008 fotografiile care prezentau o maimuță de la Centrul Medical din Pittsburgh care opera un braț robotic cu gândul, au fost publicate într-un număr de jurnale și reviste de știință bine cunoscute.<ref>{{cite web| last = Baum| first = Michele| title = Maimuța folosește puterea creierului pentru a se hrăni cu un braț robotic| publisher = Cronica din Pitt (en.)| url = https://www.chronicle.pitt.edu/story/science-technology-monkey-uses-brain-power-feed-itself-robotic-arm}}</ref> Alte cercetări pe pisici au decodificat semnalele neurale vizuale ale acestora. {{Citation needed|date=Octombrie 2015}}
Mai multe laboratoare au reușit să înregistreze semnale de la [[cortex cerebral|cortexurile cerebrale]] ale maimuțelor și șobolanilor pentru operarea BCI-urilor și producerea mișcării. Maimuțele au mișcat [[Cursor|cursoarele de calculator]] pe ecran și au comandat brațe robotice pentru efectuarea de sarcini simple numai gândindu-se la sarcină și observând feedback-ul vizual, dar fără nicio ieșire motoare.<ref>Miguel Nicolelis ''et al.'' (2001) [http://www.dukemedicine.org/AboutUs/Facts_and_Statistics/historical_highlights/index/view Un neurobiolog de la Duke a dezvoltat un sistem care permite maimuțelor să controleze brațe robotice cu semnalele creierului (en.)]</ref> În luna mai 2008 fotografiile care prezentau o maimuță de la Centrul Medical din Pittsburgh care opera un braț robotic cu gândul, au fost publicate într-un număr de jurnale și reviste de știință bine cunoscute.<ref>{{cite web| last = Baum| first = Michele| title = Maimuța folosește puterea creierului pentru a se hrăni cu ajutorul unui braț robotic| publisher = Cronica din Pitt (en.)| url = https://www.chronicle.pitt.edu/story/science-technology-monkey-uses-brain-power-feed-itself-robotic-arm}}</ref> Alte cercetări pe pisici au decodificat semnalele neurale vizuale ale acestora. {{Citation needed|date=Octombrie 2015}}


===Pionierat===
===Pionierat===
Linia 63: Linia 63:


Experimentele ulterioare ale lui Nicolelis pe maimuțe Rhesus au reușit [[Reacție|închiderea buclei de feedback]] și au reprodus mișcările de întindere și apucare ale maimuțelor, într-un braț robotic. Având un creier puternic delimitat și brăzdat, se consideră că maimuțele Rhesus sunt modele mai bune pentru [[neurofiziologie|neurofiziologia]] umană, decât maimuțele bufniță. Maimuțele au fost antrenate să atingă și să prindă obiecte pe un ecran de calculator prin manipularea unui joystick în timp ce mișcările corespunzătoare ale unui braț robotic au fost ascunse.<ref>{{cite journal|pmid=14624244|year=2003|last1=Carmena|first1=JM|last2=Lebedev|first2=MA|last3=Crist|first3=RE|last4=O'Doherty|first4=JE|last5=Santucci|first5=DM|last6=Dimitrov|first6=DF|last7=Patil|first7=PG|last8=Henriquez|first8=CS|last9=Nicolelis|first9=MA|title=Învățarea primatelor să controleze o interfață creier-mașină pentru atingere și apucare|volume=1|issue=2|pages=E42|doi=10.1371/journal.pbio.0000042|journal=PLoS Biologie (en.)}}</ref><ref>{{cite journal|doi=10.1523/JNEUROSCI.4088-04.2005|title=Adaptarea ansamblului cortical pentru reprezentarea unui actuator artificial controlat de o interfață creier-mașină|year=2005|last1=Lebedev|first1=M. A.|journal=Jurnalul de Neuroștiințe (en.)|volume=25|pmid=15888644|last2=Carmena|first2=JM|last3=O'Doherty|first3=JE|last4=Zacksenhouse|first4=M|last5=Henriquez|first5=CS|last6=Principe|first6=JC|last7=Nicolelis|first7=MA|issue=19|pages=4681–93}}</ref> Mai târziu maimuțelor le-a fost arătat robotul direct și au învățat să îl controleze vâzăndu-i mișcările. BCI-ul a folosit predicția vitezei pentru a controla mișcările de atingere și a prezis simultan forța de prindere. În anul 2011 O'Doherty și colegii au prezentat un BCI cu feedback senzorial pentru maimuțe Rhesus. Maimuța controla cu creierul său poziția unui braț avatar în timp ce primea feedback senzorial prin stimulare intracorticală (ICMS) directă în zona de reprezentare a brațului din [[cortexul senzorial]].<ref>{{cite journal | pmid=21976021 | year=2011 | last1=O’Doherty | first1=JE | last2=Lebedev | first2=MA | last3=Ifft | first3=PJ | last4=Zhuang | first4=KZ | last5=Shokur | first5=S | last6=Bleuler | first6=H | last7=Nicolelis | first7=MA | title=Explorarea tactilă activă folosind o interfață creier-mașină | issue=7372 | pages=228–231 | doi=10.1038/nature10489 | journal=Natura (en.) | volume=479|bibcode = 2011Natur.479..228O }}</ref>
Experimentele ulterioare ale lui Nicolelis pe maimuțe Rhesus au reușit [[Reacție|închiderea buclei de feedback]] și au reprodus mișcările de întindere și apucare ale maimuțelor, într-un braț robotic. Având un creier puternic delimitat și brăzdat, se consideră că maimuțele Rhesus sunt modele mai bune pentru [[neurofiziologie|neurofiziologia]] umană, decât maimuțele bufniță. Maimuțele au fost antrenate să atingă și să prindă obiecte pe un ecran de calculator prin manipularea unui joystick în timp ce mișcările corespunzătoare ale unui braț robotic au fost ascunse.<ref>{{cite journal|pmid=14624244|year=2003|last1=Carmena|first1=JM|last2=Lebedev|first2=MA|last3=Crist|first3=RE|last4=O'Doherty|first4=JE|last5=Santucci|first5=DM|last6=Dimitrov|first6=DF|last7=Patil|first7=PG|last8=Henriquez|first8=CS|last9=Nicolelis|first9=MA|title=Învățarea primatelor să controleze o interfață creier-mașină pentru atingere și apucare|volume=1|issue=2|pages=E42|doi=10.1371/journal.pbio.0000042|journal=PLoS Biologie (en.)}}</ref><ref>{{cite journal|doi=10.1523/JNEUROSCI.4088-04.2005|title=Adaptarea ansamblului cortical pentru reprezentarea unui actuator artificial controlat de o interfață creier-mașină|year=2005|last1=Lebedev|first1=M. A.|journal=Jurnalul de Neuroștiințe (en.)|volume=25|pmid=15888644|last2=Carmena|first2=JM|last3=O'Doherty|first3=JE|last4=Zacksenhouse|first4=M|last5=Henriquez|first5=CS|last6=Principe|first6=JC|last7=Nicolelis|first7=MA|issue=19|pages=4681–93}}</ref> Mai târziu maimuțelor le-a fost arătat robotul direct și au învățat să îl controleze vâzăndu-i mișcările. BCI-ul a folosit predicția vitezei pentru a controla mișcările de atingere și a prezis simultan forța de prindere. În anul 2011 O'Doherty și colegii au prezentat un BCI cu feedback senzorial pentru maimuțe Rhesus. Maimuța controla cu creierul său poziția unui braț avatar în timp ce primea feedback senzorial prin stimulare intracorticală (ICMS) directă în zona de reprezentare a brațului din [[cortexul senzorial]].<ref>{{cite journal | pmid=21976021 | year=2011 | last1=O’Doherty | first1=JE | last2=Lebedev | first2=MA | last3=Ifft | first3=PJ | last4=Zhuang | first4=KZ | last5=Shokur | first5=S | last6=Bleuler | first6=H | last7=Nicolelis | first7=MA | title=Explorarea tactilă activă folosind o interfață creier-mașină | issue=7372 | pages=228–231 | doi=10.1038/nature10489 | journal=Natura (en.) | volume=479|bibcode = 2011Natur.479..228O }}</ref>

====Donoghue, Schwartz și Andersen====
Alte laboratoare care au dezvoltat BCI-uri și algoritmi care decodifică semnalele neuronale cuprind pe cele conduse de John Donoghue de la Universitatea Brown, Andrew Schwartz de la [[Universitatea Pittsburgh]] și Richard Andersen de la [[California Institute of Technology|Caltech]]. Acești cercetători au reușit să producă BCI-uri funcționale, chiar și folosind semnale înregistrate de la mult mai puțini neuroni decât a reușit Nicolelis (15–30 neuroni față de 50–200 neuroni).

Grupul lui Donoghue a raportat instruirea maimuțelor Rhesus pentru a folosi un BCI să urmărească ținte vizuale de pe ecranul unui calculator (BCI cu buclă închisă) cu sau fără ajutorul unui joystick.<ref>{{cite journal|pmid=11894084|year=2002|last1=Serruya|first1=MD|last2=Hatsopoulos|first2=NG|last3=Paninski|first3=L|last4=Fellows|first4=MR|last5=Donoghue|first5=JP|title=Controlul neural instantaneu al unui semnal de mișcare|volume=416|issue=6877|pages=141–2|doi=10.1038/416141a|journal=Natura (en.)|bibcode = 2002Natur.416..141S }}</ref> Grupul lui Schwartz a creat un BCI pentru urmărirea tridimensională în realitate virtuală și a reprodus controlul prin BCI al unui braț robotic.<ref>{{cite journal|doi=10.1126/science.1070291|title=Controlul cortical direct al neuroprotezelor tridimensionale|year=2002|last1=Taylor|first1=D. M.|journal=Știința (en.)|volume=296|pmid=12052948|last2=Tillery|first2=SI|last3=Schwartz|first3=AB|issue=5574|bibcode = 2002Sci...296.1829T|pages=1829–32 }}</ref> Același grup a mai ajuns la știri și când a demonstrat că o maimuță poate să se hrănească cu bucăți de fructe și bezele folosind un braț robotic controlat de semnalele propriului creier al animalului.<ref>[http://www.pittsburghlive.com:8000/x/tribunereview/s_469059.html Echipa Pitt va construi un braț controlat de creier] {{webarchive |url=https://web.archive.org/web/20070704125118/http://www.pittsburghlive.com:8000/x/tribunereview/s_469059.html |date=4 July 2007 }}, ''Pittsburgh Tribune Review'', 5 Septembrie 2006.</ref><ref>{{cite journal|pmid=18509337|year=2008|last1=Velliste|first1=M|last2=Perel|first2=S|last3=Spalding|first3=MC|last4=Whitford|first4=AS|last5=Schwartz|first5=AB|title=Controlul cortical al unei proteze-braț pentru hrănire|volume=453|pages=1098–101|doi=10.1038/nature06996|journal=Nature|issue=7198|bibcode = 2008Natur.453.1098V }}</ref>

Grupul lui Andersen a folosit înregistrări ale activității neuronale antemergătoare din [[cortexul parietal posterior]] pentru BCI-ul lor, inclusiv semnalele create atunci când animalele experimentale au anticipat primirea unei recompense.<ref>{{cite journal|doi=10.1126/science.1097938|title=Semnale cu control cognitiv pentru proteze neurale|year=2004|last1=Musallam|first1=S.|journal=Science|volume=305|pmid=15247483|last2=Corneil|first2=BD|last3=Greger|first3=B|last4=Scherberger|first4=H|last5=Andersen|first5=RA|issue=5681|bibcode = 2004Sci...305..258M|pages=258–62 }}</ref>

====Alte cercetări====
Pe lângă prezicerea parametrilor [[cinematică|cinematici]] și [[energie cinetică|cinetici]] ai mișcărilor membrelor, sunt elaborate și BCI-uri care prezic activitatea [[Electromiografie|electromiografică]] sau electrică a mușchilor primatelor.<ref>{{cite journal|doi=10.1111/j.1460-9568.2005.04320.x|title=Ansamblurile corticale frontale și parietale prezic activitatea musculară fără mediere pentru mișcările de apucare la primate|year=2005|last1=Santucci|first1=David M.|last2=Kralik|first2=Jerald D.|last3=Lebedev|first3=Mikhail A.|last4=Nicolelis|first4=Miguel A. L.|journal=Jurnalul European Journal de Neuroștiințe|volume=22|pmid=16190906|issue=6|pages=1529–40}}</ref> Asemenea BCI-uri ar putea fi folosite pentru restaurarea mobilității membrelor paralizate stimulând mușchii electric.

Miguel Nicolelis și colegii au demonstrat că activitatea ansamblurilor neurale mari poate prezice poziția brațului. Această lucrare a făcut posibilă crearea de BCI-uri care citesc intenția de mișcare a brațului și le traduc în mișcări ale actuatorilor artificiali. Carmena și colegii au programat codificarea neurală într-un BCI care a permis unei maimuțe să controleze mișcările de atingere și prindere cu un braț robotic. Lebedev și colegii au susținut că rețelele creierului se reorganizează pentru a crea o nouă reprezentare a anexei robotizate pe lângă reprezentarea membrelor proprii ale animalului.

Cel mai mare impediment al tehnologieie BCI din prezent este lipsa unei modalități senzoriale care să asigure un acces sigur, precis și robust la semnalele creierului. Totuși, se presupune sau este chiar probabil, ca un asemenea senzor să fie dezvoltat în următorii 20 de ani. Utilizarea unui asemenea senzor ar trebui să extindă semnificativ numărul funcțiilor de comunicare care pot fi furnizate folosind un BCI.

Dezvoltarea și implementarea unui sistem BCI este complexă și consumatoare de timp. Ca răspuns la această problemă, Gerwin Schalk a dezvoltat un sistem pentru scopuri generale în cercetarea BCI, numit [[BCI2000]]. BCI2000 a fost dezvoltat începând cu anul 2000 într-un proiect al Programului de R&D Interfețe Creier-Calculator de la Centrul Wadsworth al Direcției Sănătate a Statului New York din [[Albany, New York]], SUA.

O nouă abordare 'wireless' (fără fire) folosește canale ionice fotoreglate precum rodopsine de canal pentru controlul [[in vivo]] al activității subseturilor de neuroni definite genetic. În contextul unei sarcini de învățare simple, iluminarea celulelor transfectate din cortexul somatosenzorial a influențat procesul de luare a deciziei la [[șoarece|șoareci]] aflați în mișcare liberă.<ref>{{cite journal|pmid=18094685|year=2008|last1=Huber|first1=D|last2=Petreanu|first2=L|last3=Ghitani|first3=N|last4=Ranade|first4=S|last5=Hromádka|first5=T|last6=Mainen|first6=Z|last7=Svoboda|first7=K|title=Microstimularea optică difuză în cortexul rădăcinii de mustață influențează comportamentul instruit la șoareci în mișcare liberă|volume=451|issue=7174|pages=61–4|doi=10.1038/nature06445|journal=Natura(en.)|bibcode = 2008Natur.451...61H}}</ref>

Folosirea BMI-urilor a condus și la o mai bună înțelegere a rețelelor neurale și a sistemului nervos central. Cercetarea a arătat că în ciuda tendinței neurologilor de a considera că neuronii au efect mai mare cînd conlucrează, și neuronii individuali pot fi condiționați prin utilizarea BMI-urilor, pentru descărcare după un model care permite primatelor să controleze ieșirile motorii. Folosirea de BMI-uri a condus la elaborarea principiului insuficienței de un neuron care spune că chiar și cu o viteză de descărcare bine reglată, neuronii individuali pot transporta numai o cantitate mică de informație și de aceea cel mai mare nivel de acuratețe este obținut prin înregistrarea descărcărilor ansamblului colectiv. Alte principii descoperite cu utilizarea BMI-urilor cuprind principiul sarcinilor neuronale multiple, principiul masei neuronale, principiul degenerării neurale și principiul plasticității.<ref>{{cite journal |author1=Nicolelis Miguel A. L |author2=Lebedev Mikhail A | year = 2009 | title = Principiile fiziologiei ansamblului neural de la baza funcționării interfețelor creier-mașină | url = | journal = Analizele Naturii Neuroștiințe (en.) | volume = 10 | issue = 7| pages = 530–540 | doi=10.1038/nrn2653 | pmid=19543222}}</ref>

BCI-urile sunt propuse și pentru aplicarea la utilizatorii fără dizabilități. O categorisire a abordărilor BCI orientată pe utilizator realizată de Thorsten O. Zander și Christian Kothe a introdus termenul BCI pasiv.<ref>{{Cite journal|last=Zander|first=Thorsten O|last2=Kothe|first2=Christian|title=Spre interfețele creier-calculator pasive: aplicarea tehnologiei interfețelor creier-calculator la sistemele om-mașină în general|journal=Jurnalul de Inginerie Neurală (en.)|volume=8|issue=2|doi=10.1088/1741-2560/8/2/025005|page=025005|year=2011}}</ref> Urmând BCI-urilor active și reactive folosite pentru control direcționat, BCI-urile pasive permit evaluarea și interpretarea modificărilor stării utilizatorului în timpul interacțiunii om-calculator ([[Interacțiunea om-calculator|IOC]]). Într-o buclă secundară de control implicit, sistemul de calculator se adaptează utilizatorului său îmbunătățindu-și [[uzabilitate]]a generală.

====Premiul BCI====
Premiul anual pentru cercetare BCI este acordat pentru recunoașterea cercetărilor deosebite și inovative din domeniu Interfețelor Creier-Calculator. În fiecare an, unui laborator de cercetare renumit i se solicită să decidă asupra proiectelor transmise. Juriul constă în experți BCI de renume mondial aleși de către laboratorul care acordă premiul. Juriul alege 12 nominalizări, apoi alege primul, al doilea și al treilea câștigător, care primesc sume de 3.000, 2.000 și respectiv 1.000 de dolari. Următoarea listă arată câștigătorii primului loc ai premiului:<ref>{{cite web|url=http://www.biosignal.at/bci-award/winners.php |title=Premiul anual pentru cercetare BCI 2016 – Câștigătorii |publisher=Biosignal.at}}</ref>
* 2010: Cuntai Guan, Kai Keng Ang, Karen Sui Geok Chua și Beng Ti Ang, (A*STAR, [[Singapore]])
: '''Reabilitare cu Interfață Creier-Calculator robotică pentru accidente vasculare bazată pe imagistică dinamică.'''
* 2011: Moritz Grosse-Wentrup și Bernhard Schölkopf, (Institutul Max Planck pentru Sisteme Inteligente, [[Germania]])
: '''Care sunt cauzele neuro-fiziologice ale variațiilor de performanță ale interfațării creier-calculator?'''
* 2012: Surjo R. Soekadar și Niels Birbaumer, (Laoratorul de neurotehnologii aplicate, Spitalul Universitar Tübingen și Institutul de Psihologie Medicală și Neurobiologie comportamentală, Universitatea Eberhard Karls, Tübingen, Germania)
: '''Imbunătățirea eficienței instruirii interfeței creier-calculator ipsilezionale în neuroreabilitarea accidentului vascular cronic'''
* 2013: M. C. Dadarlat<sup>a,b</sup>, J. E. O’Doherty<sup>a</sup>, P. N. Sabes<sup>a,b</sup> (<sup>a</sup>Departamentul de Fiziologie, Centrul pentru Neuroștiințe Integrative, San Francisco, CA, SUA, <sup>b</sup>UC Berkeley-UCSF Bioengineering Graduate Program, [[University of California]], San Francisco, CA, SUA)
: '''O abordare bazată pe învățare a feedback-ului senzorilor artificiali: microstimularea intracorticală înlocuiește și augmentează vederea'''
*2014: Katsuhiko Hamada, Hiromu Mori, Hiroyuki Shinoda, Tomasz M. Rutkowski, ([[Universitatea Tokio]], JP, Centrul pentru Știința Vieții al TARA, Universitatea Tsukuba, JP, Institutul RIKEN pentru Știința Creierului, JP)
: '''BCI cu afișare tactilă în aer pe baza ultrasunetelor'''
*2015: Guy Hotson, David P McMullen, Matthew S. Fifer, Matthew S. Johannes, Kapil D. Katyal, Matthew P. Para, Robert Armiger, William S. Anderson, Nitish V. Thakor, Brock A. Wester, Nathan E. Crone (Universitatea Johns Hopkins, SUA)
: '''Controlul cu un singur deget al protezelor modulare folosind electrocorticografia de mare densitate la un subiect uman'''
*2016: Gaurav Sharma, Nick Annetta, Dave Friedenberg, Marcie Bockbrader, Ammar Shaikhouni, W. Mysiw, Chad Bouton, Ali Rezai (Institutul Battelle Memorial, Universitatea Statului Ohio, SUA)
: '''Un BCI implantat pentru control cortical în timp real al mișcărilor funcționale ale încheieturii și degetelor la un om cu tetraplegie'''
*2017: S. Aliakbaryhosseinabadi, E. N. Kamavuako, N. Jiang, D. Farina, N. Mrachacz-Kersting (Centrul pentru interacțiune senzori-motoare, Departamentul de Știința și Tehnologia Sănătății, Universitatea Aalborg, Aalborg, Danemarca; Departamentul de ingineria proiectării sistemelor, Facultatea de Inginerie, Universitatea din Waterloo, Waterloo, Canada; și Imperial College London, Londra, Marea Britanie)
: '''Interfață creier-calculator online adaptabilă cu variații de atenție'''


==Note==
==Note==

Versiunea de la 14 mai 2018 22:34

O interfață creier-calculator (abr. ICC, abr. en. BCI), denumită uneori și interfață de control neural (abr. en. NCI), interfață minte-mașină (abr. en. MMI), interfață neurală directă (abr. en. DNI), sau interfață creier-mașină (abr. en. BMI), este o cale de comunicație directă între un creier îmbunătățit sau conectat și un dispozitiv extern. BCI este diferită de neuromodulare în sensul că permite transferul bidirecțional de informații. BCI-urile sunt destinate în special cercetării, cartografierii, asistării, augmentării sau reparării funcțiilor umane cognitive sau senzori-motorii.[1]

Cercetarea BCI-urilor a început în anii 1970 la Universitatea din California (UCLA) printr-un grant al Fundației Naționale de Știință, urmat de un contract al DARPA.[2][3] Articolele publicate în urma acestei cercetări marchează de asemenea apariția expresiei interfață creier-calculator în literatura științifică.

De atunci, domeniul cercetării și dezvoltării BCI s-a concentrat în special pe aplicații ale neuroprtezării care urmăresc restaurarea auzului, vederii și mișcării afectate. Datorită remarcabilei plasticități corticale a creierului, semnalele de la protezele implantate pot fi, după adaptare, gestionate de creier similar canalelor senzoriale și actuariale naturale.[4] După ani de experimente pe animale, au apărut primele neuroproteze implantate în oameni, la jumătatea anilor 1990.

Istorie

Istoria interfețelor creier-calculator (BCI-uri) începe cu descoperirea de către Hans Berger a activității electrice a creierului uman și dezvoltarea electroencefalografiei (EEG). În anul 1924 Berger a fost primul care a înregistrat activitatea creierului uman prin intermediul EEG. Berger a putut identifica activitatea oscilațiilor neurale, precum undele Berger sau undele alfa (8–13 Hz), analizând diagrama EEG.

Primul dispozitiv de înregistrare al lui Berger era foarte rudimentar. El a introdus fire de argint sub scalpul pacienților săi. Mai târziu acestea au fost înlocuite cu foițe de argint lipite de capul pacientului cu leucoplast. Berger a conectat acești senzori la un electrometru capilar Lippmann, însă a fost dezamăgit de rezultate. Totuși, dispozitivele de măsurare mai sofisticate, precum galvanometrul Siemens cu două bobine de înregistrare, care afișa tensiuni electrice chiar și de 1/10.000 volți, au condus la succes.

Berger a analizat legătura alternanțelor din diagramele sale de unde EEG cu bolile creierului. EEG oferea noi posibilități pentru activități de cercetare a creierului uman.

Profesorul Jacques Vidal de la UCLA a inventat termenul „BCI” și a produs primele publicații de evaluare colegială pe această temă. Vidal este recunoscut ca inventatorul BCI-urilor în comunitatea BCI, după cum se reflectă în numeroase articole de evaluare colegială care au analizat și dezbătut domeniul (de ex. [5][6][7]). Experimentul din anul 1977 descris de Vidal a fost controlul EEG neinvaziv al unui obiect grafic asemănător cursorului pe un ecran de calculator. Demonstrația a constat în mișcarea printr-un labirint.[8]

După primele sale contribuții, Vidal nu a mai fost activ în cercetarea BCI, și nici în evenimente BCI precum conferințe, timp de muți ani. În anul 2011, totuși, a ținut o prelegere în Graz, Austria, cu sprijinul proiectului Future BNCI, prezentând primul BCI, care a primit ovații binemeritate. Lui Vidal i s-a alăturat soția sa, Laryce Vidal, care anterior a lucrat cu el la UCLA la primul său proiect BCI.

În anul 1988 s-a raportat controlul EEG neinvaziv al unui obiect fizic, un robot. Experimentul descris a fost controlul EEG a multiple porniri-opriri-reporniri ale mișcărilor robotului, de-a lungul unei traiectorii definite arbitrar printr-o linie trasată pe podea. Comportamentul de urmărire a liniei a fost comportamentul normal al robotului, folosind inteligență autonomă și o sursă de energie autonomă.[9][10]

În anul 1990 s-a raportat un BCI bidirecțional adaptiv care controla un speaker de calculator printr-un potențial anticipatoriu al creierului, potențialul de variație negativă contingentă (CNV).[11][12] Experimentul descria modul în care o stare de așteptare a creierului, manifestată prin CNV, controlează speaker-ul S2 într-o buclă de feedback în paradigma S1-S2-CNV. Unda cognitivă obținută, reprezentând învățarea așteptării în creier, se numește Electroexpectogramă (EXG). Potențialul CNV al creierului a fost o parte din provocarea pentru BCI prezentată de Vidal în articolul său din anul 1973.

În anul 2015, a fost lansată oficial Societatea BCI. Această organizație non-profit este condusă de un consiliu internațional de experți BCI din diverse medii (academic, industrial și medical) cu experiență în diferite tipuri de BCI-uri, precum invazive/ne-invazive și control/non-control. Consiliul este ales de membrii Societății, care sunt câteva sute. Printre alte responsabilități, Societatea BCI organizează întâlniri BCI internaționale. Aceste conferințe mari se țin odată la doi ani și cuprind activități precum prelegeri cheie, seminarii, postere, evenimente satelit și demonstrații. În 2018 întâlnirea se ține în luna mai, la Baza Conferințelor Asilomar în Pacific Grove, California.

Delimitare față de neuroprotezare

Neuroprotezarea este un domeniu al neuroștiințelor concentrat pe protezele neurale, adică utilizarea de dispozitive artificiale pentru înlocuirea funcției sistemelor nervoase care au deficiențe și probleme legate de creier sau a organelor senzoriale. Cel mai folosit dispozitiv de neuroprotezare este implantul cohlear care, începând cu decembrie 2010, a fost implantat în aproximativ 220.000 de oameni din toată lumea.[13] Există mai multe dispozitive de neuroprotezare care urmăresc restaurarea vederii, inclusiv implanturile retinale.

Diferența dintre BCI-uri și neuroproteze constă în special în modul în care sunt folosiți termenii: neuroprotezele conectează de obicei sistemul nervos la un dispozitiv, în timp ce BCI-urile conectează de obicei creierul (sau sistemul nervos) la un calculator. În practică, neuroprotezarea poate fi legată de orice parte a sistemului nervos, de exemplu nervii periferici, pe când termenul „BCI” înseamnă de obicei o clasă mai restrânsă de sisteme care sunt interfețe pentru sistemul nervos central.

Totuși, termenii sunt uneori suprapuși în utilizare. Neuroprotezele și BCI-urile caută să atingă aceleași scopuri, precum restaurarea vederii, auzului, mișcării, abilității de comunicare și chiar funcției cognitive. Ambele folosesc metode experimentale și tehnici chirurgicale similare.

Cercetare BCI pe animale

Mai multe laboratoare au reușit să înregistreze semnale de la cortexurile cerebrale ale maimuțelor și șobolanilor pentru operarea BCI-urilor și producerea mișcării. Maimuțele au mișcat cursoarele de calculator pe ecran și au comandat brațe robotice pentru efectuarea de sarcini simple numai gândindu-se la sarcină și observând feedback-ul vizual, dar fără nicio ieșire motoare.[14] În luna mai 2008 fotografiile care prezentau o maimuță de la Centrul Medical din Pittsburgh care opera un braț robotic cu gândul, au fost publicate într-un număr de jurnale și reviste de știință bine cunoscute.[15] Alte cercetări pe pisici au decodificat semnalele neurale vizuale ale acestora. [necesită citare]

Pionierat

În anul 1969 studiul condiționării operaționale al lui Fetz și colegilor acestuia, de la Centrul regional pentru studiul primatelor și Departmentul de fiziologie și biofizică al Școlii de Medicină a Universității Washington din Seattle, a arătat pentru prima dată că maimuțele pot învăța să controleze înclinarea unui braț de măsură a biofeedbackului cu ajutorul activității neurale.[16] Studii similare din anii 1970 au stabilit că maimuțele pot învăța repede să controleze voluntar vitezele de descărcare ale neuronilor individuali și multipli din coretexul motor principal, dacă sunt recompensate pentru producerea de modele potrivite ale activității neurale.[17]

Studiile care au elaborat algoritmi pentru reconstruirea mișcărilor din neuronii coretexului motor, care controlează mișcarea, au început în anii 1970. În anii 1980, Apostolos Georgopoulos de la Universitatea Johns Hopkins a găsit o relație matematică între răspunsurile electrice ale unui singur neuron din cortexul motor al maimuțelor macac Rhesus și direcția în care acestea își mișcă brațele (pe baza unei funcții cosinus). El a mai descoperit și că grupuri dispersate de neuroni, din diverse zone ale creierelor maimuțelor, controlau colectiv comenzile motorii, dar a putut înregistra descărcările neuronilor numai dintr-o singură zonă la un moment dat, datorită limitărilor tehnice impuse de echipamentul său.[18]

A urmat o dezvoltare rapidă a BCI-urilor până la jumătatea anilor 1990.[19] Mai multe grupuri au putut captura semnale complexe de la cortexul motor al creierului înregistrându-le de la ansambluri neuronale (grupuri de neuroni) și le-au folosit pentru a controla dispozitive externe.

Cercetări de succes proeminente

Kennedy și Yang Dan

Phillip Kennedy (care ulterior a fondat Semnale Neurale în anul 1987) și colegii au construit prima interfață creier-calculator intracorticală prin implantarea de electrozi cu con neurotrofic în maimuțe.[necesită citare]

În anul 1999, cercetătorii conduși de Yang Dan de la Universitatea Berkeley din California au decodificat descărcări neuronale pentru a reproduce imaginile văzute de pisici. Echipa a folosit o matrice de electrozi încastrați în talamusul (care integrează toate intrările senzoriale ale creierului) pisicilor cu vedere foarte bună. Cercetătorii au urmărit 177 de celule ale creierului din zona corpului geniculat lateral al talamusului, care decodifică semnalele de la retină. Pisicilor li s-au prezentat opt filme scurte, iar descărcările lor neuronale au fost înregistrate. Folosind filtre matematice, cercetătorii au decodificat semnalele pentru a genera filme cu ceea ce au văzut pisicile și au putut reconstrui scene și obiecte în mișcare care puteau fi recunoscute.[20] De atunci, au fost obținute rezultate similare și la oameni, de către cercetătorii din Japonia (vedeți mai jos).

Nicolelis

Miguel Nicolelis, un profesor de la Duke University, din Durham, Carolina de Nord, a fost un recunoscut promotor al utilizării de electrozi multipli pe o suprafață mai mare a creierului pentru a obține semnale neuronale necesare pentru un BCI.

După efectuarea studiilor inițiale pe șobolani în anii 1990, Nicolelis și colegii săi au elaborat BCI-uri care decodificau activitatea creierului la maimuțele bufniță și le-au folosit pentru a reproduce mișcările maimuțelor cu brațe robotice. Maimuțele au abilități de apucare și prindere avansate și bune îndemânări de manipulare, fiind subiecți de testare ideali pentru acest tip de lucrări.

Până în anii 2000 grupul a reușit construirea unui BCI care reproducea mișcările maimuței bufniță în timp ce maimuța opera un joystick sau se întindea după mâncare.[21] BCI-ul era operațional în timp real și putea de asemenea să controleze un robot separat de la distanță, prin protocolul Internet. Dar maimuțele nu puteau vedea brațul în mișcare și nu primeau niciun feedback, un așa-zis BCI în buclă deschisă.

Diagrama BCI-ului elaborat de Miguel Nicolelis și colegii săi pentru utilizare pe maimuțe Rhesus

Experimentele ulterioare ale lui Nicolelis pe maimuțe Rhesus au reușit închiderea buclei de feedback și au reprodus mișcările de întindere și apucare ale maimuțelor, într-un braț robotic. Având un creier puternic delimitat și brăzdat, se consideră că maimuțele Rhesus sunt modele mai bune pentru neurofiziologia umană, decât maimuțele bufniță. Maimuțele au fost antrenate să atingă și să prindă obiecte pe un ecran de calculator prin manipularea unui joystick în timp ce mișcările corespunzătoare ale unui braț robotic au fost ascunse.[22][23] Mai târziu maimuțelor le-a fost arătat robotul direct și au învățat să îl controleze vâzăndu-i mișcările. BCI-ul a folosit predicția vitezei pentru a controla mișcările de atingere și a prezis simultan forța de prindere. În anul 2011 O'Doherty și colegii au prezentat un BCI cu feedback senzorial pentru maimuțe Rhesus. Maimuța controla cu creierul său poziția unui braț avatar în timp ce primea feedback senzorial prin stimulare intracorticală (ICMS) directă în zona de reprezentare a brațului din cortexul senzorial.[24]

Donoghue, Schwartz și Andersen

Alte laboratoare care au dezvoltat BCI-uri și algoritmi care decodifică semnalele neuronale cuprind pe cele conduse de John Donoghue de la Universitatea Brown, Andrew Schwartz de la Universitatea Pittsburgh și Richard Andersen de la Caltech. Acești cercetători au reușit să producă BCI-uri funcționale, chiar și folosind semnale înregistrate de la mult mai puțini neuroni decât a reușit Nicolelis (15–30 neuroni față de 50–200 neuroni).

Grupul lui Donoghue a raportat instruirea maimuțelor Rhesus pentru a folosi un BCI să urmărească ținte vizuale de pe ecranul unui calculator (BCI cu buclă închisă) cu sau fără ajutorul unui joystick.[25] Grupul lui Schwartz a creat un BCI pentru urmărirea tridimensională în realitate virtuală și a reprodus controlul prin BCI al unui braț robotic.[26] Același grup a mai ajuns la știri și când a demonstrat că o maimuță poate să se hrănească cu bucăți de fructe și bezele folosind un braț robotic controlat de semnalele propriului creier al animalului.[27][28]

Grupul lui Andersen a folosit înregistrări ale activității neuronale antemergătoare din cortexul parietal posterior pentru BCI-ul lor, inclusiv semnalele create atunci când animalele experimentale au anticipat primirea unei recompense.[29]

Alte cercetări

Pe lângă prezicerea parametrilor cinematici și cinetici ai mișcărilor membrelor, sunt elaborate și BCI-uri care prezic activitatea electromiografică sau electrică a mușchilor primatelor.[30] Asemenea BCI-uri ar putea fi folosite pentru restaurarea mobilității membrelor paralizate stimulând mușchii electric.

Miguel Nicolelis și colegii au demonstrat că activitatea ansamblurilor neurale mari poate prezice poziția brațului. Această lucrare a făcut posibilă crearea de BCI-uri care citesc intenția de mișcare a brațului și le traduc în mișcări ale actuatorilor artificiali. Carmena și colegii au programat codificarea neurală într-un BCI care a permis unei maimuțe să controleze mișcările de atingere și prindere cu un braț robotic. Lebedev și colegii au susținut că rețelele creierului se reorganizează pentru a crea o nouă reprezentare a anexei robotizate pe lângă reprezentarea membrelor proprii ale animalului.

Cel mai mare impediment al tehnologieie BCI din prezent este lipsa unei modalități senzoriale care să asigure un acces sigur, precis și robust la semnalele creierului. Totuși, se presupune sau este chiar probabil, ca un asemenea senzor să fie dezvoltat în următorii 20 de ani. Utilizarea unui asemenea senzor ar trebui să extindă semnificativ numărul funcțiilor de comunicare care pot fi furnizate folosind un BCI.

Dezvoltarea și implementarea unui sistem BCI este complexă și consumatoare de timp. Ca răspuns la această problemă, Gerwin Schalk a dezvoltat un sistem pentru scopuri generale în cercetarea BCI, numit BCI2000. BCI2000 a fost dezvoltat începând cu anul 2000 într-un proiect al Programului de R&D Interfețe Creier-Calculator de la Centrul Wadsworth al Direcției Sănătate a Statului New York din Albany, New York, SUA.

O nouă abordare 'wireless' (fără fire) folosește canale ionice fotoreglate precum rodopsine de canal pentru controlul in vivo al activității subseturilor de neuroni definite genetic. În contextul unei sarcini de învățare simple, iluminarea celulelor transfectate din cortexul somatosenzorial a influențat procesul de luare a deciziei la șoareci aflați în mișcare liberă.[31]

Folosirea BMI-urilor a condus și la o mai bună înțelegere a rețelelor neurale și a sistemului nervos central. Cercetarea a arătat că în ciuda tendinței neurologilor de a considera că neuronii au efect mai mare cînd conlucrează, și neuronii individuali pot fi condiționați prin utilizarea BMI-urilor, pentru descărcare după un model care permite primatelor să controleze ieșirile motorii. Folosirea de BMI-uri a condus la elaborarea principiului insuficienței de un neuron care spune că chiar și cu o viteză de descărcare bine reglată, neuronii individuali pot transporta numai o cantitate mică de informație și de aceea cel mai mare nivel de acuratețe este obținut prin înregistrarea descărcărilor ansamblului colectiv. Alte principii descoperite cu utilizarea BMI-urilor cuprind principiul sarcinilor neuronale multiple, principiul masei neuronale, principiul degenerării neurale și principiul plasticității.[32]

BCI-urile sunt propuse și pentru aplicarea la utilizatorii fără dizabilități. O categorisire a abordărilor BCI orientată pe utilizator realizată de Thorsten O. Zander și Christian Kothe a introdus termenul BCI pasiv.[33] Urmând BCI-urilor active și reactive folosite pentru control direcționat, BCI-urile pasive permit evaluarea și interpretarea modificărilor stării utilizatorului în timpul interacțiunii om-calculator (IOC). Într-o buclă secundară de control implicit, sistemul de calculator se adaptează utilizatorului său îmbunătățindu-și uzabilitatea generală.

Premiul BCI

Premiul anual pentru cercetare BCI este acordat pentru recunoașterea cercetărilor deosebite și inovative din domeniu Interfețelor Creier-Calculator. În fiecare an, unui laborator de cercetare renumit i se solicită să decidă asupra proiectelor transmise. Juriul constă în experți BCI de renume mondial aleși de către laboratorul care acordă premiul. Juriul alege 12 nominalizări, apoi alege primul, al doilea și al treilea câștigător, care primesc sume de 3.000, 2.000 și respectiv 1.000 de dolari. Următoarea listă arată câștigătorii primului loc ai premiului:[34]

  • 2010: Cuntai Guan, Kai Keng Ang, Karen Sui Geok Chua și Beng Ti Ang, (A*STAR, Singapore)
Reabilitare cu Interfață Creier-Calculator robotică pentru accidente vasculare bazată pe imagistică dinamică.
  • 2011: Moritz Grosse-Wentrup și Bernhard Schölkopf, (Institutul Max Planck pentru Sisteme Inteligente, Germania)
Care sunt cauzele neuro-fiziologice ale variațiilor de performanță ale interfațării creier-calculator?
  • 2012: Surjo R. Soekadar și Niels Birbaumer, (Laoratorul de neurotehnologii aplicate, Spitalul Universitar Tübingen și Institutul de Psihologie Medicală și Neurobiologie comportamentală, Universitatea Eberhard Karls, Tübingen, Germania)
Imbunătățirea eficienței instruirii interfeței creier-calculator ipsilezionale în neuroreabilitarea accidentului vascular cronic
  • 2013: M. C. Dadarlata,b, J. E. O’Dohertya, P. N. Sabesa,b (aDepartamentul de Fiziologie, Centrul pentru Neuroștiințe Integrative, San Francisco, CA, SUA, bUC Berkeley-UCSF Bioengineering Graduate Program, University of California, San Francisco, CA, SUA)
O abordare bazată pe învățare a feedback-ului senzorilor artificiali: microstimularea intracorticală înlocuiește și augmentează vederea
  • 2014: Katsuhiko Hamada, Hiromu Mori, Hiroyuki Shinoda, Tomasz M. Rutkowski, (Universitatea Tokio, JP, Centrul pentru Știința Vieții al TARA, Universitatea Tsukuba, JP, Institutul RIKEN pentru Știința Creierului, JP)
BCI cu afișare tactilă în aer pe baza ultrasunetelor
  • 2015: Guy Hotson, David P McMullen, Matthew S. Fifer, Matthew S. Johannes, Kapil D. Katyal, Matthew P. Para, Robert Armiger, William S. Anderson, Nitish V. Thakor, Brock A. Wester, Nathan E. Crone (Universitatea Johns Hopkins, SUA)
Controlul cu un singur deget al protezelor modulare folosind electrocorticografia de mare densitate la un subiect uman
  • 2016: Gaurav Sharma, Nick Annetta, Dave Friedenberg, Marcie Bockbrader, Ammar Shaikhouni, W. Mysiw, Chad Bouton, Ali Rezai (Institutul Battelle Memorial, Universitatea Statului Ohio, SUA)
Un BCI implantat pentru control cortical în timp real al mișcărilor funcționale ale încheieturii și degetelor la un om cu tetraplegie
  • 2017: S. Aliakbaryhosseinabadi, E. N. Kamavuako, N. Jiang, D. Farina, N. Mrachacz-Kersting (Centrul pentru interacțiune senzori-motoare, Departamentul de Știința și Tehnologia Sănătății, Universitatea Aalborg, Aalborg, Danemarca; Departamentul de ingineria proiectării sistemelor, Facultatea de Inginerie, Universitatea din Waterloo, Waterloo, Canada; și Imperial College London, Londra, Marea Britanie)
Interfață creier-calculator online adaptabilă cu variații de atenție

Note

  1. ^ Krucoff, Max O.; Rahimpour, Shervin; Slutzky, Marc W.; Edgerton, V. Reggie; Turner, Dennis A. (). „Îmbunătățirea recuperării sistemului nervos prin neurobiologie, instruirea cu interfață neurală și neuroreabilitare”. Neuroprotezarea (en.). 10: 584. doi:10.3389/fnins.2016.00584. PMID 28082858. 
  2. ^ Vidal, JJ (). „Către comunicația creier-calculator directă”. Analize anuale de biofizică și bioinginerie (en.). 2 (1): 157–80. doi:10.1146/annurev.bb.02.060173.001105. PMID 4583653. 
  3. ^ J. Vidal (). „Detecția în timp real a evenimentelor din creier în EEG” (PDF). Lucrări IEEE (en.). 65 (5): 633–641. doi:10.1109/PROC.1977.10542. 
  4. ^ Levine, SP; Huggins, JE; Bement, SL; Kushwaha, RK; Schuh, LA; Rohde, MM; Passaro, EA; Ross, DA; Elisevich, KV; et al. (). „O interfață directă cu creierul bazată pe potențiale corelate evenimentelor”. Lucrări IEEE despre ingineria reabilitării: o publicație a Societății de Inginerie în Medicină și Biologie a IEEE (en.). 8 (2): 180–5. doi:10.1109/86.847809. PMID 10896180. 
  5. ^ Wolpaw, J.R. și Wolpaw, E.W. (2012). „Interfețe creier-calculator: ceva nou sub soare”. În: Interfețe creier-calculator: principii și practică, Wolpaw, J.R. și Wolpaw (ed.), E.W. Oxford University Press.
  6. ^ Wolpaw J.R.; Birbaumer N.; McFarland D.J.; Pfurtscheller G.; Vaughan T. M. (). „Interfețe creier-calculator pentru comunicare și control”. Neurofiziologie Clinică (en.). 113 (6): 767–791. doi:10.1016/s1388-2457(02)00057-3. 
  7. ^ Allison B.Z.; Wolpaw E.W.; Wolpaw J.R. (). „Sisteme de interfață creier-calculator: progres și viitor”. Analiza britanică a dispozitivelor medicale (en.). 4 (4): 463–474. doi:10.1586/17434440.4.4.463. 
  8. ^ [1]
  9. ^ S. Bozinovski, M. Sestakov, L. Bozinovska: Utilizarea ritmului EEG alfa pentru controlul unui robot mobil, În G. Harris, C. Walker (ed.) Lucrările Conferinței Anuale IEEE a Societății de Medicină și Bilogie (en.), p. 1515-1516, New Orleans, 1988
  10. ^ S. Bozinovski: Controlul traiectoriei unui robot mobil: de la șine fixe la control bioelectric direct, În O. Kaynak (ed.) Lucrările seminarului IEEE privind Controlul Inteligent al Mișcării (en.), p. 63-67, Istanbul, 1990
  11. ^ L. Bozinovska, G. Stojanov, M. Sestakov, S. Bozinovski: Recunoașterea modelului CNV: avans către observarea undei cognitive, În L. Torres, E. Masgrau, E. Lagunas (ed.) Procesarea Semnalelor V: teorie și aplicații, Lucrările EUSIPCO-90: A cincea conferință europeană de procesarea semnalelor (en.), Elsevier, p. 1659-1662, Barcelona, 1990
  12. ^ L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectograma: proiectare experimentală și algoritmi, În Lucrările IEEE Zilele Internaționale ale Biomedicinei (en.), p. 55-60, Istanbul, 1992
  13. ^ Publicația NIH Nr. 11-4798 (en.). „Implanturile cohleare”. Institutul Național al Surzeniei și alte tulburări de comunicare. 
  14. ^ Miguel Nicolelis et al. (2001) Un neurobiolog de la Duke a dezvoltat un sistem care permite maimuțelor să controleze brațe robotice cu semnalele creierului (en.)
  15. ^ Baum, Michele. „Maimuța folosește puterea creierului pentru a se hrăni cu ajutorul unui braț robotic”. Cronica din Pitt (en.). 
  16. ^ Fetz, E. E. (). „Condiționarea operațională a activiății unității corticale”. Șttința (en.). 163 (3870): 955–8. Bibcode:1969Sci...163..955F. doi:10.1126/science.163.3870.955. PMID 4974291. 
  17. ^ Schmidt, EM; McIntosh, JS; Durelli, L; Bak, MJ (). „Controlul fin al modelelor de descărcare condiționate operațional a neuronilor corticali”. Neurologie experimentală (en.). 61 (2): 349–69. doi:10.1016/0014-4886(78)90252-2. PMID 101388. 
  18. ^ Georgopoulos, A.; Lurito, J.; Petrides, M; Schwartz, A.; Massey, J. (). „Rotația mentală a vectorului populației neuronale”. Știința (en.). 243 (4888): 234–6. Bibcode:1989Sci...243..234G. doi:10.1126/science.2911737. PMID 2911737. 
  19. ^ Lebedev, MA; Nicolelis, MA (). „Interfețele creier-mașină: trecut, prezent și viitor” (PDF). Tendințe în Neuroștiințe (en.). 29 (9): 536–46. doi:10.1016/j.tins.2006.07.004. PMID 16859758. 
  20. ^ Stanley, GB; Li, FF; Dan, Y (). „Reconstruirea scenelor naturale din răspunsurile ansamblurilor din corpul geniculat lateral” (PDF). Jurnalul de Neuroștiințe (en.). 19 (18): 8036–42. PMID 10479703. 
  21. ^ Nicolelis, Miguel A. L.; Wessberg, Johan; Stambaugh, Christopher R.; Kralik, Jerald D.; Beck, Pamela D.; Laubach, Mark; Chapin, John K.; Kim, Jung; Biggs, S. James; et al. (). „Predicția în timp real a traiectoriei mâinii prin ansambluri de neuroni corticali la primate”. Natura (en.). 408 (6810): 361–5. doi:10.1038/35042582. PMID 11099043. 
  22. ^ Carmena, JM; Lebedev, MA; Crist, RE; O'Doherty, JE; Santucci, DM; Dimitrov, DF; Patil, PG; Henriquez, CS; Nicolelis, MA (). „Învățarea primatelor să controleze o interfață creier-mașină pentru atingere și apucare”. PLoS Biologie (en.). 1 (2): E42. doi:10.1371/journal.pbio.0000042. PMID 14624244. 
  23. ^ Lebedev, M. A.; Carmena, JM; O'Doherty, JE; Zacksenhouse, M; Henriquez, CS; Principe, JC; Nicolelis, MA (). „Adaptarea ansamblului cortical pentru reprezentarea unui actuator artificial controlat de o interfață creier-mașină”. Jurnalul de Neuroștiințe (en.). 25 (19): 4681–93. doi:10.1523/JNEUROSCI.4088-04.2005. PMID 15888644. 
  24. ^ O’Doherty, JE; Lebedev, MA; Ifft, PJ; Zhuang, KZ; Shokur, S; Bleuler, H; Nicolelis, MA (). „Explorarea tactilă activă folosind o interfață creier-mașină”. Natura (en.). 479 (7372): 228–231. Bibcode:2011Natur.479..228O. doi:10.1038/nature10489. PMID 21976021. 
  25. ^ Serruya, MD; Hatsopoulos, NG; Paninski, L; Fellows, MR; Donoghue, JP (). „Controlul neural instantaneu al unui semnal de mișcare”. Natura (en.). 416 (6877): 141–2. Bibcode:2002Natur.416..141S. doi:10.1038/416141a. PMID 11894084. 
  26. ^ Taylor, D. M.; Tillery, SI; Schwartz, AB (). „Controlul cortical direct al neuroprotezelor tridimensionale”. Știința (en.). 296 (5574): 1829–32. Bibcode:2002Sci...296.1829T. doi:10.1126/science.1070291. PMID 12052948. 
  27. ^ Echipa Pitt va construi un braț controlat de creier Arhivat în , la Wayback Machine., Pittsburgh Tribune Review, 5 Septembrie 2006.
  28. ^ Velliste, M; Perel, S; Spalding, MC; Whitford, AS; Schwartz, AB (). „Controlul cortical al unei proteze-braț pentru hrănire”. Nature. 453 (7198): 1098–101. Bibcode:2008Natur.453.1098V. doi:10.1038/nature06996. PMID 18509337. 
  29. ^ Musallam, S.; Corneil, BD; Greger, B; Scherberger, H; Andersen, RA (). „Semnale cu control cognitiv pentru proteze neurale”. Science. 305 (5681): 258–62. Bibcode:2004Sci...305..258M. doi:10.1126/science.1097938. PMID 15247483. 
  30. ^ Santucci, David M.; Kralik, Jerald D.; Lebedev, Mikhail A.; Nicolelis, Miguel A. L. (). „Ansamblurile corticale frontale și parietale prezic activitatea musculară fără mediere pentru mișcările de apucare la primate”. Jurnalul European Journal de Neuroștiințe. 22 (6): 1529–40. doi:10.1111/j.1460-9568.2005.04320.x. PMID 16190906. 
  31. ^ Huber, D; Petreanu, L; Ghitani, N; Ranade, S; Hromádka, T; Mainen, Z; Svoboda, K (). „Microstimularea optică difuză în cortexul rădăcinii de mustață influențează comportamentul instruit la șoareci în mișcare liberă”. Natura(en.). 451 (7174): 61–4. Bibcode:2008Natur.451...61H. doi:10.1038/nature06445. PMID 18094685. 
  32. ^ Nicolelis Miguel A. L; Lebedev Mikhail A (). „Principiile fiziologiei ansamblului neural de la baza funcționării interfețelor creier-mașină”. Analizele Naturii Neuroștiințe (en.). 10 (7): 530–540. doi:10.1038/nrn2653. PMID 19543222. 
  33. ^ Zander, Thorsten O; Kothe, Christian (). „Spre interfețele creier-calculator pasive: aplicarea tehnologiei interfețelor creier-calculator la sistemele om-mașină în general”. Jurnalul de Inginerie Neurală (en.). 8 (2): 025005. doi:10.1088/1741-2560/8/2/025005. 
  34. ^ „Premiul anual pentru cercetare BCI 2016 – Câștigătorii”. Biosignal.at. 
Adus de la https://ro.wikipedia.org/w/index.php?title=Interfață_creier-calculator&oldid=12214811