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 148: Linia 148:


=====Spectroscopie funcțională în infraroșu-apropiat=====
=====Spectroscopie funcțională în infraroșu-apropiat=====
În anii 2014 și 2017, un BCI pe baza spectroscopiei funcționale în infraroșu-apropiat pentru pacienții „blocați” cu [[scleroză laterală amiotrofică]] (ALS, SLA) a reușit să redea pacienților câteva abilități de a comunica cu alți oameni.<ref>{{cite journal|last1=Gallegos-Ayala|first1=G|last2=Furdea|first2=A|last3=Takano|first3=K|last4=Ruf|first4=CA|last5=Flor|first5=H|last6=Birbaumer|first6=N|title=Comunicare cu creierul la un pacient blocat complet, folosind spectroscopia în infraroșu-apropiat|journal=Neurologia (en.)|year= 2014|volume=82|issue=21|pages=1930–2|pmid=24789862|doi=10.1212/WNL.0000000000000449|pmc=4049706}}</ref><ref>{{cite journal|last1=Ramsey|first1=Nick F.|last2=Chaudhary|first2=Ujwal|last3=Xia|first3=Bin|last4=Silvoni|first4=Stefano|last5=Cohen|first5=Leonardo G.|last6=Birbaumer|first6=Niels|title=Comunicație bazată pe interfață creier-calculator în starea de blocare completă|journal=PLOS Biologie (en.)|volume=15|issue=1|year=2017|pages=e1002593|issn=1545-7885|doi=10.1371/journal.pbio.1002593}}</ref>
În anii 2014 și 2017, un BCI pe baza spectroscopiei funcționale în infraroșu-apropiat pentru pacienții „blocați” cu [[scleroză laterală amiotrofică]] (ALS, SLA) a reușit să redea pacienților câteva abilități de a comunica cu alți oameni.<ref>{{cite journal|last1=Gallegos-Ayala|first1=G|last2=Furdea|first2=A|last3=Takano|first3=K|last4=Ruf|first4=CA|last5=Flor|first5=H|last6=Birbaumer|first6=N|title=Comunicare cu creierul la un pacient blocat complet, folosind spectroscopia în infraroșu-apropiat|journal=Neurologia (en.)|year= 2014|volume=82|issue=21|pages=1930–2|pmid=24789862|doi=10.1212/WNL.0000000000000449}}</ref><ref>{{cite journal|last1=Ramsey|first1=Nick F.|last2=Chaudhary|first2=Ujwal|last3=Xia|first3=Bin|last4=Silvoni|first4=Stefano|last5=Cohen|first5=Leonardo G.|last6=Birbaumer|first6=Niels|title=Comunicație bazată pe interfață creier-calculator în starea de blocare completă|journal=PLOS Biologie (en.)|volume=15|issue=1|year=2017|pages=e1002593|issn=1545-7885|doi=10.1371/journal.pbio.1002593}}</ref>

====Interfețe creier-calculator bazate pe electroencefalografie (EEG)====

=====Overview=====
[[File:ElectroEncephalogram.png|thumb|Înregistrări ale undelor cerebrale într-o [[electroencefalogramă]]]]

[[Electroencefalografie|Electroencefalografia]] (EEG) este cea mai studiată interfață neinvazivă, în special datorită bunei rezoluții temporale, ușurinței de utilizare, portabilității și costului redus al instalării. Totuși, tehnologia este predispusă la [[zgomot]].

La începuturile cercetării BCI, o altă mare barieră în folosirea EEG ca interfață creier-calculator era instruirea excesivă necesară înainte ca utilizatorii să poată utiliza tehnologia. De exemplu, la experimentele începute la jumătatea anilor 1990, Niels Birbaumer de la [[Universitatea din Tübingen]] din [[Germania]] a instruit mai mulți oameni paralizați în auto-reglarea ''potențialelor corticale lente'' din EEG-urile lor în așa măsură încât acestea puteau fi folosite ca semnale binare pentru a controla cursorul calculatorului.<ref>[http://www.psychologytoday.com/articles/200307/communicating-brain-waves Comunicarea cu unde cerebrale], ''Psihologia Azi'' (en.), 2016</ref> (Birbaumer a instruit mai devreme [[epilepsie|epilepticii]] să prevină convulsiile iminente prin controlul acestei unde de joasă tensiune.) Experimentul a văzut zece pacienți instruiți să miște un cursor de calculator controlându-și undele cerebrale. Procedeul era lent, fiind nevoie de mai mult de o oră ca pacienții să scrie 100 de caractere cu ajutorul cursorului, iar instruirea dura și câteva luni. Totuși, abordarea potențialului cortical lent pentru BCI-uri nu se mai folosește de câțiva ani, deoarece alte abordări care necesită instruire puțină sau deloc, sunt mai rapide și mai precise, și funcționează pentru mai mulți utilizatori.

Un alt parametru cercetat este tipul activității neurale oscilatorii care se măsoară. Ultimele cercetări ale lui Birbaumer și Jonathan Wolpaw de la [[State University of New York|Universitatea statului New York]] s-au concentrat pe elaborarea tehnologiei care să permită utilizatorilor să aleagă semnalele cerebrale pe care le pot folosi ușor în operarea BCI, cuprinzând ritmurile undelor ''mu'' și ''beta''.

Tot un parametru este și metoda de feedback folosită și acest lucru este prezentat în studierea semnalelor P300. Formele undelor P300 sunt generate involuntar ([[Potențial corelat cu evenimentul|feedback-stimul]]) atunci când oamenii văd ceva ce recunosc și poate permite BCI-urilor să decodifice categorii de gânduri fără a mai instrui pacienții. Prin contrast, metodele de [[biofeedback]] descrise mai sus necesită învățare pentru a controla undele cerebrale astfel încât activitatea cerebrală rezultantă să poată fi detectată.

Numeroase laboratoare de cercetare au căutat să construiască o interfață creier-calculator bazată pe EEG, progresul recent făcut de Bin He și echipa sa de la [[Universitatea din Minnesota]] arată posibilitatea unei interfețe creier-calculator bazată pe EEG de a realiza sarcini aproape la fel ca și interfața creier-calculator invazivă. Folosind neuro-imagistică funcțională avansată care cuprinde BOLD, imagistică funcțională [[Imagistică prin rezonanță magnetică|IRM]] și [[Electroencefalografie|EEG]], Bin He și colegii au identificat co-variația și co-localizarea semnalelor electrofiziologice și hemodinamice induse de imaginația motorie.<ref>{{cite journal|pmid=19850134|year=2010|last1=Yuan|first1=H|title=Covariația negativă între răspunsurile corelate cu sarcina din activitatea benzilor alfa/ beta și BOLD în cortexul uman senzori-motor: un studiu EEG și fMRI al imagisticii motorii și mișcării|volume=49|issue=3|pages=2596–2606|journal=NeuroImage (en.)|doi=10.1016/j.neuroimage.2009.10.028|last2=Liu|first2=Tao|last3=Szarkowski|first3=Rebecca|last4=Rios|first4=Cristina|last5=Ashe|first5=James|last6=He|first6=Bin}}</ref>
Folosind o abordare neuro-imagistică și un protocol de instruire, Bin He și colegii au demonstrat abilitatea unei interfețe creier-calculator neinvazive pe bază de EEG de a controla zborul unui elicopter virtual în spațiu tridimensional, folosind imaginația motorie.<ref>{{cite journal|pmid=22046274|year=2011|last1=Doud|first1=AJ|title=Controlul tridimensional continuu al unui elicopter virtual folosind o interfață creier-calculator pe bază de imagistică motorie|volume=6|issue=10|pages=e26322|journal=PLoS UNU (en.)|doi=10.1371/journal.pone.0026322|editor1-last=Gribble|editor1-first=Paul L|last2=Lucas|first2=John P.|last3=Pisansky|first3=Marc T.|last4=He|first4=Bin|bibcode = 2011PLoSO...626322D }}</ref> În iunie 2013 s-a anunțat că Bin He a elaborat tehnica ce permite ca un elicopter teleghidat să fie dirijat pe un traseu cu obstacole.<ref>{{cite web |url=http://www.bbc.co.uk/news/science-environment-22764978 |title=Elicopterul dirijat cu gândul decolează |publisher=bbc.co.uk (en.)|year= 2013 |accessdate=20 mai 2018}}</ref>
Pe lângă o interfață creier-calculator bazată pe unde cerebrale înregistrate de la electrozi EEG de pe scalp, Bin He și colegii au explorat și o interfață creier-calculator bazată pe un semnal EEG virtual, rezolvând mai întâi problema EEG inversă și apoi au folosit EEG-ul virtual rezultat pentru sarcinile BCI. Studii bine controlate au indicat meritele BCI-ului bazat pe analiza unei astfel de surse.<ref>{{cite journal|pmid=15876632|year=2004|last1=Qin|first1=L|title=Clasificarea imagisticii motorii prin intermediul analizei sursei pentru aplicații BCI|volume=1|issue=3|pages=135–141|journal=Jurnalul de Inginerie neurală (en.)|doi=10.1088/1741-2560/1/3/002|last2=Ding|first2=Lei|last3=He|first3=Bin|bibcode = 2004JNEng...1..135Q }}</ref>

Un studiu din anul 2014 a descoperit că pacienții cu disfuncționalități motorii severe pot comunica mai rapid și mai bine cu BCI-uri EEG neinvazive, decât cu orice canal de comunicare pe bază de mușchi.<ref>{{cite journal|last1=Höhne|first1=J|last2=Holz|first2=E|last3=Staiger-Sälzer|first3=P|last4=Müller|first4=KR|last5=Kübler|first5=A|last6=Tangermann|first6=M|title=Imagistică motorie pentru pacienți cu disfuncționalitate motorie severă: dovezi ale superiorității interfețelor BCI ca soluții de control|journal=PLOS UNU (en.)|date=2014|volume=9|issue=8|pages=e104854|pmid=25162231|doi=10.1371/journal.pone.0104854|bibcode = 2014PLoSO...9j4854H}}</ref>


==Note==
==Note==

Versiunea de la 20 mai 2018 03:09

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 înregistrare din două bobine, 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

Cercetare BCI pe oameni

BCI-uri invazive

Vedere

Cercetarea BCI-urilor invazive a urmărit repararea vederii afectate și furnizarea unei funcționalități noi pentru paralitici. BCI-urile invazive sunt implantate direct în materia cenușie a creierului prin neurochirurgie. Deoarece se găsesc în materia cenușie, dispozitivele invazive produc cele mai bune semnale dar sunt predispuse la cicatrizare, ducând la slăbirea semnalului, sau chiar dispariția acestuia, pe măsură ce corpul reacționează la prezența unui obiect străin în creier.[35]

În știința vederii, implanturile cerebrale directe au fost folosite pentru tratarea orbirii necongenitale (dobândite). Unul dintre primii oameni de știință care au produs o interfață a creierului funcțională pentru restaurarea vederii a fost cercetătorul independent William Dobelle.

Primul prototip al lui Dobelle a fost implantat în „Jerry”, un om care a orbit la vârsta adultă, în anul 1978. Un BCI cu o singură matrice cu 68 electrozi a fost implantat în cortexul vizual al lui Jerry și a reușit să producă fosfene, senzația de vedere a luminii. Sistemul cuprindea camere instalate pe ochelari pentru a trimite semnale la implant. Inițial, implantul i-a permis lui Jerry să vadă nuanțe de gri într-un câmp vizual redus și la o rată de reîmprospătare mică. Mai era necesar ca el să fie conectat la un calculator puternic, dar reducerea circuitelor electronice și calculatoarele mai rapide au făcut ochiul său artificial mai portabil și acum îi permit să efectueze sarcini simple fără ajutor.[36]

O unitate manechin care ilustrează conceptul interfeței BrainGate

În anul 2002, Jens Naumann, care a orbit tot la vârsta adultă, a fost primul dintr-o serie de 16 pacienți care au achiziționat a doua generație a implantului lui Dobelle, marcând una dintre primele utilizări comerciale ale BCI-urilor. Dispozitivul din a doua generație a folosit un implant mai sofisticat care permitea o asociere mai bună a fosfenelor în vedere coerentă. Fosfenele sunt împrăștiate în câmpul vizual în ceea ce cercetătorii numesc „efectul nopții înstelate”. Imediat după implant, Jens a putut folosi vederea sa imperfect restaurată pentru a conduce încet o mașină prin parcarea institutului de cercetare.[37] Din nefericire, Dobelle a decedat în anul 2004[38] înainte ca procesele și dezvoltările sale să fie documentate. Ulterior, când dl. Naumann și ceilalți pacienți din program au început să aibă probleme cu vederea, nu a existat remediu și aceștia și-au pierdut din nou „văzul”. Naumann a scris despre experiența sa cu lucrarea lui Dobelle și s-a întors la ferma sa din sud-estul provinciei Ontario, Canada, reluându-și activitățile normale.[39]

Mișcare

BCI-urile pentru neuroprotezare motorie urmăresc ori să restabilească mobilitatea la persoanele cu paralizie ori să fie folosite la dispozitive care să îi ajute, precum la interfețe pentru calculator sau brațe robotice.

Cercetătorii de la Universitatea Emory din Atlanta, conduși de Philip Kennedy și Roy Bakay, au fost primii care au montat un implant cerebral la un om, care producea semnale de suficientă calitate pentru simularea mișcării. Pacientul acestora, Johnny Ray (1944–2002), suferea de ‘pseudocomă’ după ce a avut un atac cerebral în anul 1997. Implantul lui Ray a fost montat în anul 1998 și acesta trăit suficient de mult pentru a începe să lucreze cu implantul, în cele din urmă învățând să controleze un cursor de calculator; el amurit în anul 2002 de anevrism cerebral.[40]

Tetraplegicul Matt Nagle a fost prima persoană care a controlat o mână artificială folosind un BCI în anul 2005 în cadrul testelor de nouă luni ale implantului cu cipul BrainGate al firmei Cyberkinetics. Implantat în girusul precentral (zona cortexului motor pentru mișcarea brațului) drept al lui Nagle, implantul BrainGate cu 96 de electrozi i-a permis lui Nagle să controleze un braț robotic gândindu-se la mișcarea mâinii sale, precum și un cursor de calculator, becurile și televizorul.[41] După un an, profesorul Jonathan Wolpaw a primit premiul pentru Inovare al Fundației Altran pentru a dezvolta o Interfață Creier-Calculator cu electrozii amplasați pe suprafața craniului și nu direct în creier.

Mai recent, echipele de cercetare conduse de grupul Braingate de la Universitatea Brown[42] și un grup condus de Centrul Medical al Universității din Pittsburgh,[43] ambele încolaborare cu Departamentul pentru Veterani al SUA, au avut succes în controlul direct al membrelor tip proteză robotică cu multe grade de libertate folosind conexiuni directe la matrici neuronale din cortexul motor al pacienților cu tetraplegie.

BCI-uri parțial invazive

Dispozitivele BCI parțial invazive sunt implantate în interiorul craniului dar se găsesc în afara creierului și nu în materia cenușie. Acestea produc semnale cu o mai bună rezoluție decât BCI-urile neinvazive la care țesutul osos al craniului deflectă și deformează semnalele și au un risc mai redus decât BCI-urile complet invazive de a forma cicatrici în creier. Au existat demonstrații preclinice ale BCI-urilor intracorticale din cortexul perilezional cu accident vascular.[44]

Electrocorticografia (ECoG) măsoară activitatea electrică a creierului de sub craniu într-un mod asemănător electroencefalografiei neinvazive, da electrozii sunt înveliți într-un material subțire din plastic care este amplasat deasupra cortexului, sub dura mater.[45] Tehnologiile ECoG au fost testate pe oameni prima dată în anul 2004 de Eric Leuthardt și Daniel Moran de la Universitatea Washington din Saint Louis. Ulterior, cercetătorii au permis unui tânăr să joace Space Invaders folosindu-și implantul ECoG.[46] Aceste cercetări arată că controlul este rapid, necesită instruire minimă și poate fi un compromis ideal între fidelitatea semnalului și invazivitate.

Semnalele pot fi subdurale sau epidurale, dar nu provin chiar din parenchimul creierului.

Dispozitivele BCI cu imagistică foto-reactivă sunt încă de domeniul teoretic. Acestea ar presupune implantarea unui laser în interiorul craniului. Acesta ar fi instruit pe un singur neuron, iar reflectanța neuronului ar fi măsurată cu un alt senzor. Atunci când neuronul se descarcă, aspectul luminii laser și lungimile de undă pe care le reflectă ar suferi mici modificări. Acest lucru ar permite cercetătorilor să monitorizeze neuroni individuali dar ar necesita un contact mai redus cu țesutul și ar reduce riscul cicatrizării.[necesită citare]

BCI-uri neinvazive

Au existat și experimente pe oameni folosind ca interfețe tehnologiile de neurovizualizare neinvazive. Marea majoritate a lucrărilor BCI publicate implică BCI-uri neinvazive bazate pe EEG. Tehnlogiile neinvazive bazate pe EEG și interfețele au fost folosite pentru o diversitate mai largă de aplicații. Deși interfețele bazate pe EEG sunt ușor de purtat și nu necesită chirurgie, acestea au rezoluție spațială destul de redusă și nu pot utiliza semnalele de frecvențe mai înalte efectiv deoarece craniul le atenuează, dispersând și amestecând undele electromagnetice create de neuroni.

Interfețe creier-calculator fără EEG

Oscilația dimensiunii pupilei

Într-un articol din 2016, a fost dezvoltat un dispozitiv de comunicație complet nou cu o interfață creier-calculator care nu este bazată pe EEG, care nu necesită fixare vizuală sau orice fel de capacitate de mișcare a ochilor, bazat pe interesul (emoțional) ascuns în (adică fără a fixa ochii pe) litera aleasă de pe o tastatură virtuală cu literele încadrate într-un cerc a cărui strălucire are mici oscilații la diverse momente de timp, iar selecția literei se bazează pe cea mai bună aproximație dintre modelul oscilației neintenționate a mărimii pupilei pe de o parte și, modelul oscilației strălucirii cercului de fundal, pe de altă parte. Acuratețea este îmbunătățită suplimentar de utilizator prin repetarea mentală a cuvintelor 'luminos' și 'întunecat' în sincron cu tranzițiile de luminozitate ale cercului/ literei.[47]

Spectroscopie funcțională în infraroșu-apropiat

În anii 2014 și 2017, un BCI pe baza spectroscopiei funcționale în infraroșu-apropiat pentru pacienții „blocați” cu scleroză laterală amiotrofică (ALS, SLA) a reușit să redea pacienților câteva abilități de a comunica cu alți oameni.[48][49]

Interfețe creier-calculator bazate pe electroencefalografie (EEG)

Overview
Înregistrări ale undelor cerebrale într-o electroencefalogramă

Electroencefalografia (EEG) este cea mai studiată interfață neinvazivă, în special datorită bunei rezoluții temporale, ușurinței de utilizare, portabilității și costului redus al instalării. Totuși, tehnologia este predispusă la zgomot.

La începuturile cercetării BCI, o altă mare barieră în folosirea EEG ca interfață creier-calculator era instruirea excesivă necesară înainte ca utilizatorii să poată utiliza tehnologia. De exemplu, la experimentele începute la jumătatea anilor 1990, Niels Birbaumer de la Universitatea din Tübingen din Germania a instruit mai mulți oameni paralizați în auto-reglarea potențialelor corticale lente din EEG-urile lor în așa măsură încât acestea puteau fi folosite ca semnale binare pentru a controla cursorul calculatorului.[50] (Birbaumer a instruit mai devreme epilepticii să prevină convulsiile iminente prin controlul acestei unde de joasă tensiune.) Experimentul a văzut zece pacienți instruiți să miște un cursor de calculator controlându-și undele cerebrale. Procedeul era lent, fiind nevoie de mai mult de o oră ca pacienții să scrie 100 de caractere cu ajutorul cursorului, iar instruirea dura și câteva luni. Totuși, abordarea potențialului cortical lent pentru BCI-uri nu se mai folosește de câțiva ani, deoarece alte abordări care necesită instruire puțină sau deloc, sunt mai rapide și mai precise, și funcționează pentru mai mulți utilizatori.

Un alt parametru cercetat este tipul activității neurale oscilatorii care se măsoară. Ultimele cercetări ale lui Birbaumer și Jonathan Wolpaw de la Universitatea statului New York s-au concentrat pe elaborarea tehnologiei care să permită utilizatorilor să aleagă semnalele cerebrale pe care le pot folosi ușor în operarea BCI, cuprinzând ritmurile undelor mu și beta.

Tot un parametru este și metoda de feedback folosită și acest lucru este prezentat în studierea semnalelor P300. Formele undelor P300 sunt generate involuntar (feedback-stimul) atunci când oamenii văd ceva ce recunosc și poate permite BCI-urilor să decodifice categorii de gânduri fără a mai instrui pacienții. Prin contrast, metodele de biofeedback descrise mai sus necesită învățare pentru a controla undele cerebrale astfel încât activitatea cerebrală rezultantă să poată fi detectată.

Numeroase laboratoare de cercetare au căutat să construiască o interfață creier-calculator bazată pe EEG, progresul recent făcut de Bin He și echipa sa de la Universitatea din Minnesota arată posibilitatea unei interfețe creier-calculator bazată pe EEG de a realiza sarcini aproape la fel ca și interfața creier-calculator invazivă. Folosind neuro-imagistică funcțională avansată care cuprinde BOLD, imagistică funcțională IRM și EEG, Bin He și colegii au identificat co-variația și co-localizarea semnalelor electrofiziologice și hemodinamice induse de imaginația motorie.[51] Folosind o abordare neuro-imagistică și un protocol de instruire, Bin He și colegii au demonstrat abilitatea unei interfețe creier-calculator neinvazive pe bază de EEG de a controla zborul unui elicopter virtual în spațiu tridimensional, folosind imaginația motorie.[52] În iunie 2013 s-a anunțat că Bin He a elaborat tehnica ce permite ca un elicopter teleghidat să fie dirijat pe un traseu cu obstacole.[53]

Pe lângă o interfață creier-calculator bazată pe unde cerebrale înregistrate de la electrozi EEG de pe scalp, Bin He și colegii au explorat și o interfață creier-calculator bazată pe un semnal EEG virtual, rezolvând mai întâi problema EEG inversă și apoi au folosit EEG-ul virtual rezultat pentru sarcinile BCI. Studii bine controlate au indicat meritele BCI-ului bazat pe analiza unei astfel de surse.[54]

Un studiu din anul 2014 a descoperit că pacienții cu disfuncționalități motorii severe pot comunica mai rapid și mai bine cu BCI-uri EEG neinvazive, decât cu orice canal de comunicare pe bază de mușchi.[55]

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 activității 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 a neuronilor corticali condiționate operațional”. 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”. Știința (en.). 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 de Neuroștiințe (en.). 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 (en.). 
  35. ^ Polikov, Vadim S., Patrick A. Tresco și William M. Reichert (). „Răspunsul țesutului de creier la implanturile cronice de electrozi neurali”. Jurnalul de Metode în Neuroștiințe (en.). 148 (1): 1–18. doi:10.1016/j.jneumeth.2005.08.015. 
  36. ^ Cursa vederii, Revista Conectat (en.), Septembrie 2002
  37. ^ Naumann, J. Căutarea paradisului: povestea unui pacient al experimentului vederii artificiale (2012), Xlibris Corporation, ISBN: 1-479-7092-04
  38. ^ Tuller, David (1 Noiembrie 2004) Dr. William Dobelle, pionierul vederii artificiale a murit la 62 de ani. New York Times (en.)
  39. ^ nurun.com. „Paradisul high-tech pierdut al d-lui Jen Naumann”. Thewhig.com (en.). Accesat în . 
  40. ^ Kennedy, PR; Bakay, RA (). „Restabilirea ieșirii neurale la un pacient paralizat printr-o conexiune directă la creier”. NeuroRaport (en.). 9 (8): 1707–11. doi:10.1097/00001756-199806010-00007. PMID 9665587. 
  41. ^ Leigh R. Hochberg; Mijail D. Serruya; Friehs; Mukand; Saleh; Caplan; Branner; Chen; Penn; Donoghue. Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh, Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn și John P. Donoghue. „Controlul ansamblului neuronal asupra protezelor la un tetraplegic”. Natura (en.). 442 (7099): 164–171. Bibcode:2006Natur.442..164H. doi:10.1038/nature04970. PMID 16838014. 
  42. ^ Hochberg, L. R.; Bacher, D.; Jarosiewicz, B.; Masse, N. Y.; Simeral, J. D.; Vogel, J.; Haddadin, S.; Liu, J.; Cash, S. S.; Van Der Smagt, P.; Donoghue, J. P. (). „Atingerea și prinderea la persoane cu tetraplegie folosind un braț robotic cu control neural”. Natura (en.). 485 (7398): 372–5. Bibcode:2012Natur.485..372H. doi:10.1038/nature11076. PMID 22596161. 
  43. ^ Collinger, Jennifer L.; et al. (). „Controlul de înaltă performanță al neuroprotezei la un tetraplegic”. Bisturiul (en.). 381 (9866): 557–564. doi:10.1016/S0140-6736(12)61816-9. 
  44. ^ Gulati, Tanuj; Won, Seok Joon; Ramanathan, Dhakshin S.; Wong, Chelsea C.; Bodepudi, Anitha; Swanson, Raymond A.; Ganguly, Karunesh (). „Controlul robust al neuroprotezei din cortexul perilezional cu accident vascular”. Jurnalul de Neuroștiințe (en.). 35 (22): 8653–8661. doi:10.1523/JNEUROSCI.5007-14.2015. PMID 26041930. 
  45. ^ Serruya MD, Donoghue JP. (2003) Capitolul III: Principiile proiectării unei proteze neuromotoare în neuroprotezare: teorie și practică, ed. Kenneth W. Horch, Gurpreet S. Dhillon. Imperial College Press.
  46. ^ Un tânăr deplasează iconițe video numai cu imaginația, comunicat de presă, Universitatea Washington din Saint Louis, 9 ctombrie 2006
  47. ^ Mathôt, Sebastiaan; Melmi, Jean-Baptiste; Van Der Linden, Lotje; Van Der Stigchel, Stefan (). „Pupila de scris cu mintea: o interfață om-calculator bazată pe decodarea atenției ascunse prin pupilometrie”. PLoS UNU (en.). 11 (2): e0148805. doi:10.1371/journal.pone.0148805. PMID 26848745. 
  48. ^ Gallegos-Ayala, G; Furdea, A; Takano, K; Ruf, CA; Flor, H; Birbaumer, N (). „Comunicare cu creierul la un pacient blocat complet, folosind spectroscopia în infraroșu-apropiat”. Neurologia (en.). 82 (21): 1930–2. doi:10.1212/WNL.0000000000000449. PMID 24789862. 
  49. ^ Ramsey, Nick F.; Chaudhary, Ujwal; Xia, Bin; Silvoni, Stefano; Cohen, Leonardo G.; Birbaumer, Niels (). „Comunicație bazată pe interfață creier-calculator în starea de blocare completă”. PLOS Biologie (en.). 15 (1): e1002593. doi:10.1371/journal.pbio.1002593. ISSN 1545-7885. 
  50. ^ Comunicarea cu unde cerebrale, Psihologia Azi (en.), 2016
  51. ^ Yuan, H; Liu, Tao; Szarkowski, Rebecca; Rios, Cristina; Ashe, James; He, Bin (). „Covariația negativă între răspunsurile corelate cu sarcina din activitatea benzilor alfa/ beta și BOLD în cortexul uman senzori-motor: un studiu EEG și fMRI al imagisticii motorii și mișcării”. NeuroImage (en.). 49 (3): 2596–2606. doi:10.1016/j.neuroimage.2009.10.028. PMID 19850134. 
  52. ^ Doud, AJ; Lucas, John P.; Pisansky, Marc T.; He, Bin (). Gribble, Paul L, ed. „Controlul tridimensional continuu al unui elicopter virtual folosind o interfață creier-calculator pe bază de imagistică motorie”. PLoS UNU (en.). 6 (10): e26322. Bibcode:2011PLoSO...626322D. doi:10.1371/journal.pone.0026322. PMID 22046274. 
  53. ^ „Elicopterul dirijat cu gândul decolează”. bbc.co.uk (en.). . Accesat în . 
  54. ^ Qin, L; Ding, Lei; He, Bin (). „Clasificarea imagisticii motorii prin intermediul analizei sursei pentru aplicații BCI”. Jurnalul de Inginerie neurală (en.). 1 (3): 135–141. Bibcode:2004JNEng...1..135Q. doi:10.1088/1741-2560/1/3/002. PMID 15876632. 
  55. ^ Höhne, J; Holz, E; Staiger-Sälzer, P; Müller, KR; Kübler, A; Tangermann, M (). „Imagistică motorie pentru pacienți cu disfuncționalitate motorie severă: dovezi ale superiorității interfețelor BCI ca soluții de control”. PLOS UNU (en.). 9 (8): e104854. Bibcode:2014PLoSO...9j4854H. doi:10.1371/journal.pone.0104854. PMID 25162231. 
Adus de la https://ro.wikipedia.org/w/index.php?title=Interfață_creier-calculator&oldid=12221550