Zastosowania kliniczne interfejsów mózg-komputer: obecny stan i perspektywy na przyszłość

Rodzaje sygnałów mózgowych

Zasadniczo różne sygnały neurofizjologiczne odzwierciedlające aktywność mózgu in vivo mogą być rejestrowane i wykorzystywane do napędzania BCI. W zależności od biofizycznej natury źródła sygnału, sygnały te można ogólnie podzielić na trzy kategorie: elektrofizjologiczne, magnetyczne i metaboliczne.

Sygnały elektrofizjologiczne

Sygnały elektrofizjologiczne wynikające z aktywności mózgu można ogólnie sklasyfikować w zależności od stopnia inwazyjności urządzenia rejestrującego [30]. Ryc. 1 ilustruje systemy BCI oparte na sygnałach elektrofizjologicznych mierzonych za pomocą nieinwazyjnych (EEG), powierzchni korowej (ECoG) i wewnątrzkorowych urządzeń rejestrujących. Każda z metod nagrywania ma swoje zalety i wady. Sygnały elektroencefalograficzne (EEG) są rejestrowane ze skóry głowy. Ponieważ BCI oparte na EEG są nieinwazyjne, zapewniają najprostsze i najbezpieczniejsze metody rejestracji BCI. Jednak EEG ma ograniczony zakres częstotliwości i rozdzielczość przestrzenną i jest bardziej podatny na zakłócenia linii energetycznych i inne artefakty, takie jak sygnały elektromiograficzne (EMG) z mięśni czaszki lub aktywność elektrookulograficzną (EOG). Rysunek 1a pokazuje dwa nieinwazyjne systemy BCI oparte na różnych cechach sygnału EEG. Sygnały elektrokortykograficzne (ECoG) są rejestrowane z elektrod chirurgicznie umieszczonych na powierzchni kory. Elektrody te mierzą te same sygnały, co w EEG, ale ich bliższa odległość od mózgu i eliminacja cech izolacyjnych czaszki i opony twardej skutkuje większą amplitudą sygnału, szerszym wykrywalnym zakresem częstotliwości i lepszą rozdzielczością topograficzną. Rysunek 1b pokazuje przykład ludzkich sygnałów ECoG i topografii podczas dwuwymiarowej kontroli ruchu. Wreszcie, metody wewnątrzkorowe mogą być stosowane dla BCI poprzez rejestrowanie lokalnych potencjałów pola (LFP) i neuronalnych potencjałów czynnościowych (skoki). Te metody wewnątrzkorowe stanowią najbardziej inwazyjne metody BCI, ponieważ rejestrują aktywność elektryczną z elektrod wszczepionych do mózgu. Rysunek 1c pokazuje matrycę mikroelektrod do rejestracji wewnątrzkorowej, jej umiejscowienie w ludzkiej korze ruchowej oraz wyniki wewnątrzkorowych badań BCI u małp. Zarówno zapisy ECoG, jak i wewnątrzkorowe zapewniają szerszy zakres częstotliwości, wyższą rozdzielczość topograficzną oraz lepszą jakość i wymiarowość sygnału niż EEG. Jednak obie metody wymagają operacji i pojawiają się takie kwestie, jak ryzyko uszkodzenia tkanek i infekcji oraz długoterminowa stabilność zapisu [18, 30]. Możliwe jest, że zapis wewnątrzkorowy może nie powodować szybkości i dokładności działania znacznie większej niż to, co można osiągnąć za pomocą EEG, nieinwazyjnej metody niewymagającej operacji ani żadnego z towarzyszących jej zagrożeń [31]. Porównywalne zalety metod nieinwazyjnych (EEG) i inwazyjnych (ECoG i wewnątrzkorowych) metod pozostają obecnie nierozwiązane. Ponieważ każda metoda ma swoje mocne i słabe strony, decyzja potencjalnego użytkownika BCI dotycząca jednej metody w stosunku do drugiej może ostatecznie zależeć od ogólnego celu stosowania BCI przez daną osobę [32].

Open in a separate window

1

a) Systemy BCI oparte na EEG: i) BCI rytmu sensomotorycznego (SMR) [83, 109]. Aktywność EEG jest rejestrowana w korze czuciowo-ruchowej. Użytkownicy są szkoleni w zakresie kontrolowania amplitudy rytmu μ (8-12 Hz) lub rytmu β (18-26 Hz) w celu przesunięcia kursora komputera do najwyższego celu lub dolnego celu na ekranie komputera. Widma częstotliwości dla pionowego ruchu kursora (górny lub dolny cel) wskazują, że kontrola użytkownika skupia się w paśmie częstotliwości rytmu μ. Przykładowe ślady EEG (na dole) pokazują, że rytm μ jest widoczny z górnymi celami i minimalny z dolnymi celami. SMR BCI może zapewnić dwu- lub nawet trójwymiarową kontrolę ruchu. (Na podstawie Wolpaw JR et al [136], za zgodą Instytutu Inżynierów Elektryków i Elektroników); ii) Potencjalny BCI związany ze zdarzeniem P300 [6, 19]. Macierz możliwych wyborów jest wyświetlana na ekranie komputera. Aktywność EEG jest rejestrowana w korze ośrodkowo-ciemieniowej, podczas gdy te selekcje kolejno. Tylko wybór pożądany przez użytkownika wywołuje potencjał P300 (np. dodatnie ugięcie napięcia około 300ms po błysku). (Na podstawie Donchin E et al [11], za zgodą Instytutu Inżynierów Elektryków i Elektroników);

b) systemy BCI oparte na ECoG: przykładowe topografie sterowania pionowego i poziomego za pomocą sygnałów ECoG. Te topografie pokazują korelację oznaczoną kolorami (tj. r² wartości) aktywności korowej z ruchem pionowym lub poziomym. Wskazany jest poziom kontroli zadaniowej różnych obszarów korowych. Rzeczywiste i wyobrażone ruchy języka były używane do kontroli pionowej, podczas gdy rzeczywiste i wyobrażone ruchy rąk były używane do kontroli poziomej. Ślady poniżej każdej topografii pokazują r² wartości lokalizacji (gwiazdek) używanych online. Pasma częstotliwości używane online są oznaczone żółtymi paskami. Rzeczywiste i wyobrażone zadania przedstawiały podobne wzorce aktywności w lokalizacjach aktywnych z zadaniami motorycznymi i motorycznymi. (Na podstawie Schalk G et al [20], za zgodą Institute of Physics Publishing);

c) wewnątrzkorowe systemy BCI:

Lewy górny panel - Przykład matrycy 100 mikroelektrod do przewlekłej implantacji w ludzkiej korze ruchowej w celu rejestrowania neuronalnych potencjałów czynnościowych i / lub lokalnych potencjałów pola. Prawy górny panel - Umieszczenie matrycy elektrod w korze ruchowej człowieka (strzałka). (Na podstawie Hochberg LR et al [18], za zgodą Macmillan Publisher Ltd.) Dolny panel - trójwymiarowe ruchy kursora przez grupy pojedynczych neuronów w korze ruchowej małpy; (po lewej) średnia korelacja szybkości wystrzeliwania pojedynczego neuronu korowego z kierunkiem docelowym podczas codziennych sesji treningowych; (po prawej) wynikająca z poprawy skuteczności BCI, mierzona jako średni promień celu wymagany do utrzymania docelowego wskaźnika trafień na poziomie 70%. Rozmiar potrzebnego celu zmniejszył się wraz ze wzrostem korelacji szybkości wystrzeliwania neuronów kontrolujących ruch kursora z kierunkiem docelowym. (Reprodukcja z Taylor DM et al [13], za zgodą American Association for the Advancement of Science.)

Większość badań klinicznych BCI u ludzi przeprowadzono z BCI opartymi na EEG. Wykazały one, że BCI oparte na EEG mogą pozwolić osobie kontrolować kursor komputera w co najmniej trzech wymiarach, wybierać litery do przetwarzania tekstu, uruchamiać programy komputerowe Windows™ i przeprowadzać kontrolę środowiska. Kilka osób poważnie niepełnosprawnych z powodu ALS zaczęło używać BCI opartego na EEG w Wadsworth Center w domu do codziennego, niezależnego użytku [33]. Badania ECoG u ludzi przeprowadzono na ochotnikach, którzy są poddawani ocenie pod kątem operacji padaczki. Przed operacją neurochirurdzy oceniają aktywność mózgu pacjenta za pomocą szeregu elektrod ECoG w celu zlokalizowania krytycznych funkcji korowych [16, 20, 34, 35]. Jeśli pacjent zgłosi się na ochotnika, badacz BCI może przeprowadzić badania BCI podczas okresu oceny pacjenta, który zwykle trwa tylko jeden lub dwa tygodnie. Tak więc dostępność uczestników badań ECoG jest nieco ograniczona i zawsze jest drugorzędna w stosunku do potrzeb klinicznych pacjentów [36]. Co więcej, lokalizacja matrycy elektrod ECoG opiera się wyłącznie na potrzebach klinicznych pacjenta, a zatem może nie obejmować regionów korowych związanych z wzorcami mózgu przydatnymi dla BCI [37]. Pomimo tych przeszkód pojawiły się imponujące wyniki krótkoterminowych badań ECoG, koncentrujących się głównie na zdolnościach sygnałów ECoG do wykorzystania w ludzkim BCI [16, 20, 34, 35, 38-48]. Większość wewnątrzkorowych danych BCI uzyskano do tej pory od zwierząt, głównie od małp [45-52]. Podczas gdy wykazano, że małpy są w stanie wykorzystać sygnały wewnątrzkorowe do kontrolowania ramienia robota, porównywalne dane dotyczące ludzi są bardzo ograniczone [8, 18, 49]. Ze względu na obecne praktyczne ograniczenia inwazyjnych badań BCI u ludzi, dotychczasowe zastosowania kliniczne BCI wykorzystywały głównie sygnały EEG zarejestrowane przez skórę głowy.

Sygnały magnetyczne i metaboliczne

Magnetoencefalografia (MEG) została niedawno zaproponowana jako potencjalne nowe źródło sygnałów pochodzących z mózgu do obsługi BCI [50-53]. MEG jest atrakcyjny, ponieważ jest nieinwazyjny, potrafi wykryć zakresy częstotliwości powyżej tych dostępnych w zapisach EEG [54] i ma nieco wyższą rozdzielczość przestrzenną niż EEG [55]. MEG mierzy bardzo małe pola magnetyczne wytwarzane przez aktywność elektryczną mózgu [56]. Naukowcy zbadali potencjał MEG BCI w rehabilitacji pacjentów po udarze mózgu z zachęcającymi wstępnymi wynikami [17, 50]. Ostatnie badania BCI z wykorzystaniem sygnałów MEG wykazały niezawodną samokontrolę amplitudy rytmu sensomotorycznego [51] i zadowalającą dwuwymiarową kontrolę BCI [53]. Pomimo szerszego zakresu częstotliwości i doskonałej rozdzielczości czasoprzestrzennej, MEG wymaga obecnie nieporęcznego i drogiego sprzętu oraz chronionego środowiska, a zatem jest obecnie niepraktyczny do powszechnego zastosowania klinicznego [30].

W ostatnich latach rośnie zainteresowanie BCI opartymi na sygnałach metabolicznych pochodzących z mózgu [57-69]. Aktywność metaboliczną ocenia się poprzez pomiar utlenowania krwi (odpowiedź zależna od poziomu tlenu we krwi (BOLD)) za pomocą funkcjonalnego rezonansu magnetycznego (fMRI) lub spektroskopii bliskiej podczerwieni (NIRS). Wiadomo, że pomiary te są skorelowane z aktywnością neuronalną w mózgu [17, 70-72]. Wykorzystują fakt, że podczas aktywacji psychicznej następuje wzrost oksyhemoglobiny i spadek deoksyhemoglobiny.

Weiskopf i in. [63] wykazali, że osoba może kontrolować odpowiedź fMRI BOLD z ograniczonych regionów korowych i podkorowych. Badania wielokrotnie wykazały, że istnieje ścisła korelacja między dobrowolnymi zmianami w metabolizmie mózgu a zachowaniem (przegląd patrz [73]). Korzystając z wysokiej rozdzielczości przestrzennej fMRI i ostatnich postępów w jednoczesnym pozyskiwaniu, analizie i wizualizacji obrazów całego mózgu, naukowcy z powodzeniem wyszkolili ludzi, aby wolicjonalnie kontrolowali zlokalizowane regiony mózgu za pomocą informacji zwrotnych z fMRI BCI w czasie rzeczywistym (pełny przegląd patrz [74, 75]). Co więcej, ostatnie prace Lee i in. [59] wykazały możliwość dwuwymiarowej kontroli ramienia robota w czasie rzeczywistym poprzez zadanie obrazowania motorycznego przez ludzi, przy użyciu BCI opartego na fMRI.

Pomimo wyżej wymienionych wybitnych cech MEG i fMRI w pozyskiwaniu cennych informacji neuronowych z mózgu, ich kliniczne zastosowanie w systemach BCI do codziennego użytku w prawdziwym życiu jest obecnie nierealistyczne, ze względu na wysoki koszt i rozmiar sprzętu oraz związane z tym trudności techniczne [76]. Ponadto odpowiedź BOLD jest sygnałem o stosunkowo niskiej częstotliwości (<1 Hz) w porównaniu z EEG lub MEG, co ogranicza jego zdolność do przenoszenia informacji BCI. Obecnie zastosowanie MEG i fMRI pozostaje zarezerwowane do identyfikacji ognisk specyficznych dla funkcji w celu późniejszego umieszczenia elektrod korowych [60], do szkolenia rehabilitacyjnego pacjentów i do innych celów badawczych innych niż BCI.

Spektroskopia bliskiej podczerwieni (NIRS), która również mierzy utlenowanie krwi, jest kolejną potencjalną metodą BCI. W NIRS światło w zakresie bliskiej podczerwieni (700-100 nm) [73] śledzi metabolizm nerwowy poprzez monitorowanie względnych ilości oksyhemoglobiny i deoksyhemoglobiny. Przypływ krwi bogatej w tlen występuje w obszarze aktywnym i otaczającej tkance [70]. Jak dotąd BCI oparte na NIRS nie dorównują wydajnościom BCI opartych na EEG [67]. Niemniej jednak są obiecujące, ponieważ w przeciwieństwie do fMRI i MEG, NIRS jest niedrogi i przenośny [65, 67-69]. Tak więc metody NIRS BCI mogą mieć praktyczną wartość dla zastosowań klinicznych w najbliższej przyszłości.

Działanie BCI

Każdy BCI, niezależnie od metod i zastosowań nagrywania, składa się z czterech zasadniczych elementów, opisanych przez Wolpawa [14]: 1) akwizycja sygnału, 2) ekstrakcja cech; 3) translacja cech; i 4) wyjście urządzenia. Ryc. 2 ilustruje istotne elementy i działanie systemu BCI, a także jego zastosowania kliniczne. Te cztery elementy są zarządzane za pomocą protokołu operacyjnego systemu. Ponieważ BCI oparte na sygnałach elektrofizjologicznych są w najbardziej zaawansowanym stadium rozwoju i doprowadziły do pewnych zastosowań klinicznych, pozostała część tego artykułu koncentruje się na BCI tego typu.

Open in a separate window

2

Istotne elementy i działanie systemu BCI (zmodyfikowane z Wolpaw JR i in. [14] oraz Leuthardt EC i in. [36], za zgodą odpowiednio Elsevier i Wolters Kluwer). Sygnały mózgowe, które niosą intencję użytkownika, są najpierw odbierane przez elektrody umieszczone na skórze głowy (EEG), pod czaszką i nad powierzchnią korową (ECoG) lub w tkance mózgowej (wewnątrzkorowe). Te sygnały mózgowe są digitalizowane, a specyficzne cechy sygnału są wyodrębniane. Wyodrębnione cechy sygnału są tłumaczone na polecenia urządzenia, które aktywują i sterują technologią wspomagającą używaną do: komunikacji (np. pisowni na ekranie komputera); kontrola ruchu (np. ramię robota) (Źródło: Copyright Fraunhofer IPA)); kontrola środowiska (np. telewizor, światło, temperatura itp.); lokomocja (np. elektryczny wózek inwalidzki); lub neurorehabilitacja (zaadaptowana z Daly JJ i in. [129], za zgodą Journal of Rehabilitation Research and Development).

Akwizycja sygnału

Akwizycja sygnału to pomiar stanu neurofizjologicznego mózgu. W działaniu BCI interfejs rejestrujący (tj. Elektrody, dla elektrofizjologicznych systemów BCI) śledzi informacje neuronowe odzwierciedlające intencję osoby osadzoną w bieżącej aktywności mózgu. Jak omówiono w poprzedniej sekcji, najczęstsze sygnały elektrofizjologiczne stosowane w systemach BCI obejmują: EEG rejestrowane przez elektrody na skórze głowy; ECoG rejestrowane przez elektrody umieszczone pod czaszką i nad powierzchnią kory mózgowej; oraz lokalne potencjały pola (LFP) i neuronalne potencjały czynnościowe (skoki) rejestrowane przez mikroelektrody w tkance mózgowej. Sygnały elektryczne mózgu używane do działania BCI są odbierane przez elektrody, wzmacniane i digitalizowane.

Wyodrębnianie cech

Etap przetwarzania sygnału działania BCI przebiega w dwóch etapach. Pierwszy krok, wyodrębnianie funkcji, wyodrębnia cechy sygnału, które kodują intencje użytkownika. Aby uzyskać skuteczne działanie BCI, wyodrębnione cechy elektrofizjologiczne powinny mieć silną korelację z intencją użytkownika. Wyodrębnione cechy sygnału mogą znajdować się w dziedzinie czasu lub częstotliwości [6, 11, 49, 77-80], lub w obu [81]. Najczęstsze cechy sygnału stosowane w obecnych systemach BCI to: amplitudy lub opóźnienia potencjałów wywołanych zdarzeniami (np. P300), widma mocy częstotliwości (np. rytmy sensomotoryczne) lub szybkości wyzwalania poszczególnych neuronów korowych. Algorytm filtruje zdigitalizowane dane i wyodrębnia funkcje, które będą używane do kontrolowania BCI. W tym kroku usuwane są mylące artefakty (takie jak szum 60 Hz lub aktywność EMG), aby zapewnić dokładny pomiar cech sygnału mózgowego.

Tłumaczenie funkcji

Drugi etap przetwarzania sygnału jest realizowany przez algorytm translacji, który konwertuje wyodrębnione cechy sygnału na polecenia urządzenia. Cechy lub parametry elektrofizjologiczne mózgu są tłumaczone na polecenia, które generują dane wyjściowe, takie jak wybór liter, ruch kursora, sterowanie ramieniem robota lub obsługa innego urządzenia wspomagającego. Algorytm translacji musi być dynamiczny, aby dostosować się do ciągłych zmian cech sygnału oraz zapewnić, że możliwy zakres określonych cech sygnału od użytkownika obejmuje pełny zakres sterowania urządzeniem [14, 82, 83].

Wyjście urządzenia

Cechy sygnału w ten sposób wyodrębnione i przetłumaczone zapewniają wyjście do obsługi urządzenia zewnętrznego. Dane wyjściowe mogą być wykorzystywane do obsługi programu ortograficznego na ekranie komputera poprzez wybór liter [6, 11], do przesuwania kursora po ekranie komputera [12, 84, 85], do prowadzenia wózka inwalidzkiego [86, 87] lub innych urządzeń wspomagających [88], do manipulowania ramieniem robota [89, 90], a nawet do kontrolowania ruchu sparaliżowanej ręki przez neuroprotezę [15, 91]. Obecnie najczęściej używanym urządzeniem wyjściowym jest ekran komputera i służy do komunikacji.

Możliwe zastosowania BCI

Ważne jest rozróżnienie między BCI a jego zastosowaniami [23]. Termin BCI odnosi się do systemu, który rejestruje, analizuje i tłumaczy dane wejściowe (tj. Sygnały mózgowe użytkownika) na polecenia urządzenia. Natomiast termin aplikacja odnosi się do konkretnych celów lub urządzeń, do których stosowane są polecenia wyjściowe. Niedawne skupienie się na rzeczywistych zastosowaniach technologii BCI [93, 94] przyspiesza przejście badań BCI z laboratorium do produktów klinicznych przydatnych w życiu codziennym. Chociaż zastosowania BCI mogą być kliniczne lub niekliniczne (np. Gry komputerowe), niniejszy przegląd omawia wyłącznie zastosowania kliniczne.

Potencjalne zastosowania kliniczne BCI można sklasyfikować jako: (1) bezpośrednią kontrolę technologii wspomagających; oraz (2) neurorehabilitacja. Ponieważ BCI służy jako zamiennik normalnych szlaków nerwowo-mięśniowych, najbardziej oczywistymi aplikacjami BCI są te, które aktywują i kontrolują technologie wspomagające, które już istnieją, aby umożliwić komunikację i kontrolę środowiska. Te zastosowania BCI do technologii wspomagających obejmują obszary komunikacji, kontroli ruchu, kontroli środowiska i lokomocji. Możliwe zastosowania BCI w neurorehabilitacji dopiero zaczęły być badane [29, 73].

Komunikacja

Komunikacja dla osób "zamkniętych" stanowi prawdopodobnie najbardziej palący obszar wymagający interwencji z technologią BCI [93, 95]. Chociaż inne zastosowania są w trakcie opracowywania, przywrócenie komunikacji było do tej pory głównym celem społeczności badawczej BCI [83, 96, 97].

Trzy typy systemów BCI opartych na EEG zostały przetestowane na ludziach w celu komunikacji, w szczególności te oparte na: 1) powolnych potencjałach korowych (SCP); 2) potencjały związane ze zdarzeniami P300; oraz 3) rytmy sensomotoryczne (SMR). Zarówno SCP BCI, jak i SMR BCI wymagają znacznego przeszkolenia użytkowników, aby uzyskać wystarczającą kontrolę nad aktywnością ich mózgu w celu wytworzenia sygnałów, które można skutecznie zastosować do użycia BCI. Natomiast P300 BCI mierzy reakcję mózgu na bodźce (wzrokowe lub słuchowe) o szczególnym znaczeniu i wymaga minimalnego przeszkolenia użytkownika.

SCP to powolne zmiany napięcia w korze mózgowej. Występują one w ciągu 0,5-10,0 sekundy i należą do cech EEG o najniższej częstotliwości. Negatywne przesunięcia SCP reprezentują aktywację korową związaną z ruchem lub innymi funkcjami, podczas gdy pozytywne przesunięcia SCP towarzyszą zmniejszonej aktywacji korowej [98, 99]. Wczesne badania [100] potwierdziły znaczenie przednich obszarów mózgu w fizjologicznej regulacji sygnałów SCP i zasugerowały, że obszary te są ważne dla pomyślnego stosowania tego typu BCI [73]. Dzięki intensywnemu szkoleniu, czasami miesiącom [17], użytkownik uczy się kontrolować dodatnie lub ujemne zmiany napięcia SCP. BCI przekłada te zmiany napięcia na pionowy ruch kursora lub obiektu na ekranie komputera. W ten sposób można osiągnąć selekcję binarną lub kontrolę. Opierając się na tej zasadzie, Birbaumer i in. opracowali wczesne urządzenie do sprawdzania pisowni kontrolowane przez BCI [10, 101]. Seria badań u osób z ALS i innymi ciężkimi chorobami neurologicznymi w różnych stadiach upośledzenia fizycznego potwierdziła zdolność SCP BCI do zapewnienia podstawowej zdolności komunikacyjnej [102-104]. Pomimo tych osiągnięć, SCP zapewniają bardzo powolną komunikację (np. jedna minuta na literę [17]). Co więcej, badanie porównawcze [17] sugerowało, że dla osób poważnie niepełnosprawnych przez ALS, system BCI oparty na SMR lub P300 jest lepszym rozwiązaniem niż BCI oparty na SCP.

Rytmy sensomotoryczne (SMR), również rejestrowane przez EEG, okazały się również zapewniać cechy odpowiednie dla komunikacji z BCI i były z powodzeniem stosowane przez kilka grup badawczych [37, 83, 85]. Zazwyczaj SMR są rejestrowane w korze czuciowo-ruchowej, a cechy przydatne w BCI to rytm μ (8-12 Hz) i rytm β (18-26 Hz). Rysunek 1a (i) ilustruje BCI na podstawie SMR. Zmiany amplitud rytmu μ i β są określane jako desynchronizacja związana ze zdarzeniem (ERD) (tj. Spadek) i synchronizacja związana ze zdarzeniem (ERS) (tj. wzrost). Zazwyczaj zmiany rytmu μ i β są związane z ruchem, czuciami i obrazami motorycznymi. Rytmy zmniejszają się lub desynchronizują z ruchem lub jego przygotowaniem, a zwiększają się lub synchronizują po ruchu i z relaksacją [105]. Jednak ludzie mogą nauczyć się używać obrazów motorycznych, a nie rzeczywistego ruchu, aby zmienić amplitudy SMR i mogą używać tej kontroli do obsługi BCI. Prace w kilku laboratoriach wykazały, że BCI oparty na SMR może umożliwić podstawowe przetwarzanie tekstu i wybór ikon [7, 12, 37, 83, 85, 106-111]. Badania te wyczerpująco pokazują, że dzięki treningowi większość osób z niepełnosprawnością ruchową lub bez niej może używać amplitud SMR do wyboru celów poprzez kontrolowanie jedno-, dwu- lub trójwymiarowych ruchów kursora [22, 83].

Trzeci główny typ komunikacji BCI opartej na EEG wykorzystuje dobrze zbadany potencjał mózgu P300 [6, 11], aby wskazać odpowiedź na istotny lub rzadki bodziec w strumieniu częstych bodźców standardowych. Rysunek 1a (ii) ilustruje BCI oparte na P300. Wykrywany w zapisach EEG nad regionem centralnym i ciemieniowym, sygnał P300 jest dodatnim ugięciem fali mózgowej z opóźnieniem około 300 ms [112-114]. Bodźce stosowane w większości systemów P300 BCI zgłoszonych do tej pory są wizualne i opierają się na pisowni P300 opracowanej po raz pierwszy przez Donchina i in. [11, 112]. W tym BCI użytkownik ma do czynienia z macierzą 6 × 6 liter, cyfr, symboli i / lub funkcyjnych. Wiersze i kolumny w macierzy w losowej kolejności, a użytkownik zajmuje się elementem macierzy, który chce wybrać. Wykrywając wiersz i kolumnę, które wywołują największy P300, BCI rozpoznaje docelową literę / symbol użytkownika. Ponieważ odpowiedź P300 występuje normalnie, korzystanie z P300 BCI nie wymaga znacznego szkolenia. Ta jakość, w połączeniu ze względną łatwością pozyskiwania sygnałów mózgowych przez EEG, sprawia, że BCI oparty na P300 jest potencjalnie bardzo praktyczny do użytku klinicznego. Sellers i in. [19] oraz Nijboer i in. [92] poinformowali, że pacjenci z ALS są w stanie komunikować się za pomocą literatora P300. Skuteczne stosowanie P300 BCI odnotowano również u osób niepełnosprawnych wynikających z udaru, uszkodzenia rdzenia kręgowego, porażenia mózgowego, stwardnienia rozsianego i innych zaburzeń [115, 116]. W tych systemach komunikacja może być znacznie usprawniona przez odpowiednie oprogramowanie, takie jak syntezator tekstu na mowę i program do przewidywania słów. System P300 BCI oparty na bodźcach słuchowych byłby przydatny dla pacjentów z ograniczonymi lub ograniczonymi ruchami gałek ocznych lub wzroku; a takie BCI są obecnie w fazie rozwoju [19, 21, 117, 118].

Kontrola ruchu

Przywrócenie kontroli motorycznej u sparaliżowanych pacjentów jest kolejnym kluczowym zastosowaniem BCI i jest głównym celem wielu badaczy w tej dziedzinie. Badania w tym zastosowaniu klinicznym są rzadkie i wykorzystywały głównie systemy oparte na SMR. Wolpaw i jego koledzy zademonstrowali jednowymiarowe, dwuwymiarowe [83], a nawet trójwymiarowe sterowanie kursorem za pomocą systemu SMR [22] i przeprowadzili wstępne eksperymenty z kontrolą SMR ramienia robota [119]. Eksperymenty te wskazują, że systemy SMR BCI mogą być w stanie wspierać wielowymiarową kontrolę ruchu neuroprotezy ruchowej lub urządzenia ortopedycznego, takiego jak ramię robota. Pfurtscheller i współpracownicy przetestowali BCI oparte na SMR w celu przywrócenia kontroli motorycznej u sparaliżowanych pacjentów (przegląd patrz [37]). Pacjent z tetraplegią został przeszkolony w zakresie kontrolowania napędzanej elektrycznie ortezy ręki za pomocą sygnałów EEG zarejestrowanych przez korę czuciowo-ruchową [120]. Ucząc się generować rozłączne zadania związane z obrazowaniem motorycznym, pacjent ten był w stanie otwierać i zamykać sparaliżowaną rękę za pomocą ortezy ręki.

Funkcjonalna stymulacja elektryczna (FES) może być również stosowana do przywracania funkcji motorycznych u sparaliżowanych pacjentów z nienaruszonym dolnym neuronem ruchowym i funkcją nerwów obwodowych. W celu dalszego wzmocnienia odbudowy motorycznej u sparaliżowanych pacjentów, Pfurtscheller i jego koledzy połączyli SMR BCI z systemami FES i przetestowali połączony system u dwóch pacjentów z wysokim uszkodzeniem rdzenia kręgowego [67,68].

Kontrola środowiska

Kontrola środowiskowa oparta na BCI może znacznie poprawić jakość życia osób o znacznym stopniu niepełnosprawności. Osoby z poważną niepełnosprawnością ruchową są często związane z domem. Skuteczne środki kontrolowania ich otoczenia (np. Kontrolowanie temperatury w pomieszczeniu, światła, łóżek elektrycznych, telewizora itp.) zwiększyłyby ich samopoczucie i poczucie niezależności [88, 93, 121]. Niedawne badanie pilotażowe przeprowadzone przez Cincotti i wsp.[88] próbowało zintegrować technologię BCI z krajowym systemem kontroli środowiska. Dzięki ujednoliconemu sterowaniu za pomocą technologii BCI opartej na EEG, użytkownik może zdalnie obsługiwać urządzenia domowe, takie jak neony i żarówki, telewizory i zestawy stereo, zmotoryzowane łóżko, alarm akustyczny, mechanizm otwierania drzwi wejściowych i telefon, a także monitorować otoczenie za pomocą kamer bezprzewodowych. Walidacja kliniczna prototypu systemu odbyła się w symulowanym środowisku domowym na oddziale terapii zajęciowej. Zbadano czternastu zdrowych zdrowych i cztery osoby cierpiące na rdzeniowy zanik mięśni typu II (SMA II) lub dystrofię mięśniową Duchenne'a (DMD). Pacjenci byli w stanie kontrolować system ze średnią dokładnością 60-75% w ciągu ostatnich trzech sesji testowych (łącznie 8-12 sesji). Wstępne wyniki tego badania sugerowały, że samokontrola środowiska domowego realizowana za pomocą technologii BCI zwiększa poczucie niezależności pacjenta. Ponadto opiekunowie mogą być w pewnym stopniu zwolnieni z konieczności ciągłej obecności.

Lokomocji

Przywrócenie samodzielnej lokomocji jest kolejną ważną kwestią dla osób sparaliżowanych. W związku z tym kilka grup badawczych BCI próbowało opracować wózki inwalidzkie napędzane BCI, aby przywrócić jakąś formę mobilności. Tanaka i in. opracowali elektryczny wózek inwalidzki kontrolowany przez EEG [122]. Polecenia kierunkowe zostały wykryte przez EEG, a następnie zastosowane do bezpośredniego sterowania wózkiem inwalidzkim. Tak precyzyjna kontrola może być dość wymagająca dla użytkownika. Rebsamen i in. zgłosili wózek inwalidzki kontrolowany przez system P300-BCI [123], w którym użytkownik po prostu wybiera miejsce docelowe z menu miejsc docelowych. Chociaż takie podejście jest mniej wymagające dla użytkownika, zdolność do kierunkowej kontroli wózka inwalidzkiego w czasie rzeczywistym jest ograniczona przez wybór i konieczne jest wcześniejsze zdefiniowanie możliwych ścieżek. Millán i jego grupa badali wózek inwalidzki sterowany BCI, który opiera się na aktywności EEG związanej z różnymi zadaniami umysłowymi i wspólnym systemem kontroli [86, 124]. Zastosowano w nim inteligentne algorytmy, które pomagały użytkownikowi w ciągłym sterowaniu systemem podczas nawigacji na wózku inwalidzkim. Konieczne są dalsze prace, aby potwierdzić użyteczność wózka inwalidzkiego napędzanego BCI w rzeczywistym środowisku. W przypadku tego zastosowania, ze względów bezpieczeństwa, muszą istnieć surowsze wymagania dotyczące dokładności niż w przypadku wielu innych zastosowań BCI.

Prace w laboratorium autorów były wspierane przez National Institutes of Health (NIH) (Granty HD30146 (NCMRR / NICHD) i EB00856 (NIBIB & NINDS)), James S. McDonnell Foundation, NEC Foundation, Altran Foundation, ALS Hope Foundation i Brain Communication Foundation.