EEG/Wstęp

Z Brain-wiki
Wersja z dnia 19:39, 23 maj 2015 autorstwa Jarekz (dyskusja | edycje) (→‎Referencje)
(różn.) ← poprzednia wersja | przejdź do aktualnej wersji (różn.) | następna wersja → (różn.)

Interfejs mózg-komputer (ang. Brain-Computer Interface, BCI) to system, w którym polecenia lub komendy przekazywane są do komputera nie za pomocą mięśni, lecz za pomocą sygnałów generowanych w mózgu. Termin „BCI” pojawił się w literaturze po raz pierwszy w artykule opisującym potencjalne zastosowania tego rodzaju komunikacji do sterowania protezami lub statkami kosmicznymi (Vidal, 1973). Istnieje wiele metod służących do monitorowania pracy mózgu. Oprócz elektroencefalografii (EEG) oraz inwazyjnych metod elektrofizjologicznych (elektrokortykografia ECoG (elektrody umieszczone są na powierzchni kory mózgowej) oraz rejestracja wewnątrzkorowa (elektrody wszczepione w tkankę mózgową), można wymienić magnetoencefalografię (MEG), pozytonową tomografię emisyjną (PET), funkcjonalny rezonans magnetyczny (fMRI), obrazowanie optyczne (NIRS). Jednakże, MEG, PET i fMRI są kosztowne i zaawansowane technicznie. Poza tym, PET, fMRI i NIRS zależą od przepływu krwi w mózgu, co prowadzi do długiej stałej czasowej obrazowanego procesu, nie nadającej się do szybkiej komunikacji. Obecnie tylko EEG, mające krótką stałą czasową i będące metodą nieinwazyjną i stosunkowo tanią, jest szeroko stosowane w praktyce jako kanał komunikacji w systemach BCI.

Wśród BCI opartych o EEG, można wyróżnić trzy podstawowe paradygmaty:

  • SSVEP (ang. steady state visual evoked potentials), oparte o wzrokowe potencjały wywołane stanu ustalonego. Koncentrowanie uwagi na bodźcu migającym z pewną częstością, może prowadzić do wystąpienia tej częstości, oraz jej harmonicznych, w sygnale EEG. Interfejs użytkownika składa się z macierzy symboli lub znaków, każdy migający z inną częstością. Użytkownik może się komunikować z Interfejsem poprzez koncentracje na wybranym bodźcu, ignorując inne bodźce podawane jednocześnie. Intencja użytkownika jest rozpoznawana na podstawie analizy częstości występujących w rejestrowanych sygnałach EEG.
  • P300, oparte o detekcję potencjałów wywołanych, będących reakcją na podświetlenie np. oczekiwanej litery. Interfejs użytkownika składa się najczęściej z macierzy symboli lub znaków podświetlanych losowo. Podświetlenie wiersza lub kolumny, w której znajduje się symbol na którym użytkownik skoncentrował uwagę, powoduje pojawienie się specyficznego potencjału wywołanego w EEG. Znając momenty podświetlania elementów macierzy oraz momenty wystąpienia potencjału P300, można stwierdzić, po pewnej liczbie powtórzeń, na którym symbolu użytkownik się koncentrował.
  • ERD/ERS (ang. event-related desynchronization/synchronization), oparte o zmiany mocy w specyficznych pasmach częstości sygnału EEG i w specyficznych lokalizacjach na czaszce, związane z intencją ruchu np. prawą/lewą ręką, językiem, stopą. Odróżnienie intencji ruchu np. lewą i prawą kończyną możliwe jest częściowo dzięki lateralizacji funkcji mózgu, lecz wymaga stosunkowo dużej ilości elektrod. Dzięki specyficznym zmianom w wielokanałowym zapisie EEG, mającym miejsce podczas wyobrażania ruchu, intencja użytkownika może być rozpoznana i przetłumaczona na polecenie np. poruszenia kursorem na ekranie monitora w prawo lub lewo.


Każda z wymienionych strategii ma swoje „za” i „przeciw”. SSVEP może mieć wysoką szybkość transferu informacji (do 90 bit/s) lecz wymaga koncentracji uwagi i może powodować zmęczenie. Metoda P300 wymaga większej ilości powtórzeń, co spowalnia szybkość transferu informacji (7 przedmiotów/s). Z drugiej strony, obie te metody mogą być stosowane bez wcześniejszego treningu. Metoda ERD/ERS wymaga okresu treningu sięgającego wielu tygodni. Istotną zaletą metody ERD/ERS, jest fakt, że może ona być stosowana w modzie asynchronicznym, co oznacza, że moment generacji informacji nie jest określany przez system lecz wewnętrznie przez użytkownika. Pozwala to na bardziej naturalny sposób komunikacji i może być stosowane np. jako przełącznik „On-Off” dla innych paradygmatów.

Składowe systemu BCI

Schemat działania systemu BCI. Sygnały EEG są rejestrowane a następnie analizowane w celu wyodrębnienia cech (np. amplitudy potencjałów wywołanych), które zależą od intencji użytkownika. Cechy te są następnie klasyfikowane i zamieniane na sygnały wyjściowe będące poleceniami dla aplikacji i urządzeń (np. program do pisania testu, proteza, wózek inwalidzki).

Na system BCI składa się:

  • Rejestracja sygnału, czyli zapis sygnałów EEG pochodzących od użytkownika.
  • Przetwarzanie sygnału; składa się ono z wydobywanie charakterystycznych cech sygnału, klasyfikacji wzorców i ich przełożenia na sygnał wyjściowy.
  • Sygnał wyjściowy, czyli polecenia dla sterowanych urządzeń i aplikacji zewnętrznych.

Rysunek pokazuje trzy wymienione elementy oraz zależności między nimi.

Referencje

J J Vidal. Toward Direct Brain-Computer Communication. Annual Review of Biophysics and Bioengineering. Vol. 2: 157-180, 1973.