رمزگشایی ژست دست با استفاده از داده های تصویربرداری غیرتهاجمی مغز

محققان دانشگاه کالیفرنیا سن دیگو با بررسی تنها داده‌های تصویربرداری غیرتهاجمی مغز، بدون اطلاعات دست‌ها، راهی برای تشخیص حرکات دستی که افراد انجام می‌دهند، یافته‌اند. نتایج یک گام اولیه در توسعه یک رابط مغز و کامپیوتر غیر تهاجمی است که ممکن است روزی به بیماران مبتلا به فلج، اعضای قطع شده یا سایر چالش‌های فیزیکی اجازه دهد تا از ذهن خود برای کنترل دستگاهی استفاده کنند که به کارهای روزمره کمک می‌کند.

این تحقیق اخیراً به صورت آنلاین قبل از چاپ در مجله منتشر شده است غشاء مغزی، نشان دهنده بهترین نتایج تا کنون در تشخیص حرکات تک دستی با استفاده از یک تکنیک کاملاً غیرتهاجمی، در این مورد، مگنتوآنسفالوگرافی (MEG) است.

دکتر Mingxiong Huang، نویسنده ارشد این مقاله و یکی از مدیران مرکز MEG در موسسه کوالکام در UC San Diego گفت: “هدف ما دور زدن اجزای مهاجم بود.” هوانگ همچنین به دپارتمان مهندسی برق و کامپیوتر در دانشکده مهندسی UC San Diego Jacobs و گروه رادیولوژی در دانشکده پزشکی UC San Diego و همچنین سیستم مراقبت های بهداشتی سن دیگو (VA) مربوط به امور جانبازان وابسته است. MEG گزینه ای مطمئن و دقیق برای توسعه یک رابط مغز و کامپیوتر ارائه می دهد که در نهایت می تواند به بیماران کمک کند.

محققان بر مزایای MEG تاکید کردند که از کلاه ایمنی با آرایه حسگر 306 تعبیه شده برای تشخیص میدان های مغناطیسی تولید شده توسط جریان های الکتریکی عصبی در حال حرکت بین نورون های مغز استفاده می کند. تکنیک‌های جایگزین مغز و رایانه شامل الکتروکورتیکوگرافی (ECoG) است که به کاشت الکترودهای جراحی در سطح مغز نیاز دارد و الکتروانسفالوگرافی پوست سر (EEG) که فعالیت مغز را با دقت کمتری مشخص می‌کند.

با MEG می توانم مغز را ببینم که بدون برداشتن جمجمه و قرار دادن الکترود روی خود مغز فکر می کند. فقط باید کلاه ایمنی MEG را روی سرشان بگذارم. هیچ الکترودی وجود ندارد که بتواند در حین کاشت در داخل سر بشکند. بدون جراحی گران و ظریف مغز؛ هیچ عفونت مغزی احتمالی وجود ندارد.”


رولاند لی، MD، نویسنده مطالعه، مدیر مرکز MEG در مؤسسه کوالکام UC San Diego، استاد بازنشسته رادیولوژی در دانشکده پزشکی UC San Diego، و پزشک با سیستم بهداشت و درمان VA San Diego

لی ایمنی MEG را به اندازه گیری دمای بیمار تشبیه می کند. MEG انرژی مغناطیسی را که مغز شما بیرون می‌دهد اندازه‌گیری می‌کند، مانند دماسنج، گرمای خارج شده از بدن را اندازه‌گیری می‌کند. این باعث می‌شود کاملا غیرتهاجمی و ایمن باشد.

READ  در خانه های سالمندان کالیفرنیا، Omicron بد است، اما انزوا نیز چنین است

سنگ کاغذ قیچی

مطالعه حاضر توانایی استفاده از MEG را برای تمایز بین حرکات دست انجام شده توسط 12 داوطلب ارزیابی کرد. داوطلبان به کلاه ایمنی MEG مجهز شدند و به طور تصادفی به آنها دستور داده شد تا یکی از حرکات مورد استفاده در بازی Rock Paper Scissors (مانند مطالعات قبلی از این دست) را انجام دهند. اطلاعات عملکردی MEG بر روی تصاویر MRI قرار داده شد که اطلاعات ساختاری مغز را ارائه می کرد.

برای تفسیر داده های تولید شده، Yifeng (“Troy”) Bu، دانشجوی دکترای مهندسی برق و کامپیوتر در دانشکده مهندسی UC San Diego Jacobs و اولین نویسنده مقاله، یک مدل یادگیری عمیق با کارایی بالا به نام MEG-RPSnet نوشت.

بو گفت: ویژگی خاص این شبکه این است که ویژگی های مکانی و زمانی را به طور همزمان ترکیب می کند. این دلیل اصلی عملکرد بهتر نسبت به مدل های قبلی است.

هنگامی که نتایج مطالعه به پایان رسید، محققان دریافتند که از تکنیک های آنها می توان برای تمایز بین حرکات دست با دقت بیش از 85 درصد استفاده کرد. این نتایج با نتایج مطالعات قبلی با حجم نمونه بسیار کوچکتر با استفاده از رابط تهاجمی مغز و کامپیوتر ECoG قابل مقایسه بود.

این تیم همچنین دریافت که اندازه‌گیری‌های MEG تنها از نیمی از مناطق مغز نمونه‌برداری شده می‌تواند نتایجی را با کاهش دقت کوچک (2 تا 3%) ایجاد کند، که نشان می‌دهد کلاه‌های MEG آینده ممکن است به حسگرهای کمتری نیاز داشته باشند.

با نگاهی به آینده، بو خاطرنشان کرد: “این کار پایه ای را برای توسعه رابط مغز و کامپیوتر مبتنی بر MEG در آینده ایجاد می کند.”

READ  دستگاه های تصفیه هوا توسط بوئینگ مانند نمونه هایی که به طور گسترده در مدارس استفاده می شوند. تصمیم گرفت از آنها در هواپیما استفاده نكند.

منبع:

مرجع مجله:

بو، ی.، و همکاران (2023) رابط مغز و کامپیوتر مبتنی بر مگنتوانسفالوگرام برای رمزگشایی حرکات دست با استفاده از یادگیری عمیق. غشاء مغزی. doi.org/10.1093/cercor/bhad173.