今日のニューロインターフェース

マウスが発明されてから半世紀が経ちましたが、これは今でも人がコンピューターと対話する主な方法の1つです。 私はHSE認知神経科学研究所の会議に参加して、地平線を超えており、したがって非常に興味深いBCI分野の最新の開発について調べました。

会議レポートを関連記事の記事に改訂しました。 いくつかの瞬間を簡略化して省略し、他のイベントからの観察とレポートの一部を補足します。 それを読んだ後、BCIへのアプローチとこの分野の現在の状態について共通の理解があることを願っています。 元の解釈については、元の記事を参照することをお勧めします。幸いなことに、ほとんどすべてがパブリックドメインです。

物語

BCIの歴史は、1973年にToward direct brain-computer communication [1]の出版から始まりました。そこでは、Jacques Vidalが人間と機械の通信のアイデアを提示し、そのような目的のためのEEG信号分析の研究室について説明しました。 10年後、Wolpawは、麻痺した人々を助けるためのBCIの使用に焦点を当て、BCIの概念を説明しました[2]。

主なBCI実装により、 孤立症候群の人がテキストを入力できるようになりました。 システムを使用するのは困難でした。ユーザーは長いトレーニングを経る必要があったため[3]、対照的に、 P300の認識に基づいた「スペラー」がありました。 。



90年代には、特に機械学習技術の出現により、トピックはますます知られるようになりました[5]。 BCIの信頼性の向上により、人々はアプリケーションを新しい領域に拡大することに関心を持っています。

Thorsten Zanderは次のBCI分類を提案しました[6]：

• アクティブBCI-ユーザーは無条件でコマンドを開始します
• リアクティブBCI-ユーザーはシステムの露出に応じてコマンドを開始します
• パッシブBCI-ユーザーはコマンドを入力しませんが、システムはそのステータスを読み取り、分析します

これとは別に、脳刺激の問題を検討する価値があります。このトピックは、BCIに直接関連していませんが、BCIの制御機能を拡張する関連技術です。



BCIは、信号を受信する方法によっても分類できます。

• 侵襲的（埋め込み電極、 ECoGなど）
• 非侵襲的（ EEG 、 NIRSなど）

EEGは信号を受信する最も一般的な方法です。したがって、特に明記しない限り、デフォルトではそれを意味します。

アクティブBCI

バスケットパラダイム

これは、想像上の動きを活性化することによる制御の可能性の象徴です。 事実、運動皮質は頭の中央にコンパクトに配置されているため、体のさまざまな部分の想像上の動きがうまく分類され、BCIの構築に使用されます。 このようなBCIを使用するには、ユーザーが身体のさまざまな部分でどのように動きをするかを頭で想像する必要があります。

実験を容易にするために、科学者はBCILABなどの独自のフレームワークを開発しています。 彼の助けを借りて、想像上の動きを使用した制御の可能性を懐疑論者に示すために実験が行われました。 結果は80％でした。通常の選択肢がある人の場合、結果はまあまあですが、特に準備ができていない回答者にとっては賞賛に値します[7]。



同じアプローチを使用して、飛行機シミュレータの地平線を制御しました。 結果はまちまちであり、3人の回答者が94％の結果を達成し、さらに4人が64％、3人が60％未満の結果を達成しました。 成功は、最初の三位一体が舵と同じように航空機を飛んだという事実にあります。 残りのパイロットは内部状態に十分に焦点を合わせておらず、筋肉の動きをしたため、コントロールにマイナスの貢献をしました。

リハビリテーションシステム

運動指令を認識するBCIは十分に研究されており、すでに脳卒中患者のリハビリに使用されています。麻痺した手足を制御するために必要な壊れた接続を回復するために。 Pavel Bobrovは、手の運動機能を回復するためのリハビリテーション施設の臨床試験の結果を示し、使用の有効性を証明しました。 さらに、リハビリテーションを1か月後に開始した患者と脳卒中の6か月後に開始した患者では、リハビリテーションが早く開始されるほど効果が大きくなります。 [11]



g.tec Gunter Edlingerの長は、リハビリテーションのための特別なジムの仕事について話をしました。興味深い点は、リハビリテーションプロセスに四肢の電気刺激が追加されたことです。

ゲームや競争の要素をプロセスに追加すると、関与度が高くなります。つまり、患者はリハビリテーションをよりよく受けることになります。 Alexei Osadchyのリーダーシップの下、HSE Center for Bioelectric Interfacesでは、リハビリテーションプロセスを改善するためのプロトタイプが開発されました。 このビデオは、2人用のプロトタイプシステムを示しています。2人が船舶を制御し、仮想のモーターコマンドを実行し、船舶をその方向に傾けようとしています。

シングルプレイヤーゲーム：

または、たとえば、電極のコンパクトな配列を使用して筋肉の活動によって手書きを認識するためのアルゴリズムにより、書き込まれた内容を再構築できます：[12]





彼らの仕事の頂点は、 ExoAtletプロジェクトでのBCIの仕事です。これにより、障害のある人が独立して移動したり、リハビリに使用したりできます。

侵襲的BCIはより複雑なトピックであり、現在、動物または医療上の理由で電極が取り付けられている人々に対して実験が行われています。 一連の研究が強調され、個々のコンポーネント（同じ架空の動きを意味する）だけでなく、動き、注意、視線の方向を共有することもできることが示されました。 サマラでの会議からの同様の報告の記録が利用可能です。

リアクティブBCI

リアクティブBCIの典型的な例は、P300効果に基づく「スペラー」です。これは、表示された刺激の選択に応じて表示される「波」ですが、「スペラー」では、そのような刺激はアルファベットまたはコマンドの文字が特定の方法でエンコードされます。 ユーザーは、システムが示す刺激と精神的に相互作用する必要があります-選択したキャラクターの閃光の回数を数えます。

Neurochatプロジェクトは言うまでもありません。これは、障害を持つ人々がコミュニケーションをとることを可能にします。

パッシブBCI

パッシブBCIの基本的な考え方は、人の状態の評価です。たとえば、認知負荷（ワークロード）の評価です。トレーニングシステムに適用でき、この問題を解決するために研究が行われました。

分類器は、次のタスクでトレーニングされました。

• 高負荷の場合、回答者は3〜4桁から1〜2桁を差し引き、数十の単純なオプションを除外しました。
• 軽い負荷の場合、彼らは回答者に心地よい記憶に集中するように頼みました。

アルゴリズムの精度は70％でした。 分類器は他のタスク（乗算、スクランブルゲーム）でテストされ、同様の精度が得られたため、人とタスクに依存せずに分類器を作成できることが確認されました。 [13]

この考えは、手術中に外科医を制御するために適用できます[14]。 シミュレータでさまざまな複雑さの操作を実行中に外科医の負荷を決定する問題は解決されました。 システムは、外科医が高精度で手術を行う方法を決定することを学びました。



別のオプションは、緩和の程度を測定することです。 訪問者のインタラクティブインスタレーションの状態に基づいて、 沈黙博物館は彼の内的状態を反映した活気のある写真を作成しました。 [15]

パッシブBCIは制御タスクにも使用できます。これは、カーソルを直接制御するのではなく、カーソルがターゲットへの正しいパスに沿って移動しているかどうかを判断する権利のみを与える独自のアプローチです。 実験は、小さな4x4および6x6ドットマトリックスで実行されました。 最初に、システムはポイントの任意の動きについて訓練され、人のタスクはポイントが正しい方向に動いているかどうかを判断することでした。その後、ライブモードでテストし、結果が最適なパスに近いことを発見しました。 [16] デモンストレーションを見ることができます。

Midasタッチの問題とE-BCIインターフェイス

視線の助けを借りてカーソルを制御することは、アイトラッカー（別名ビデオ眼球運動）の助けを借りて解決できる簡単なタスクです。 しかし、これらのインターフェースには問題があります。たとえば、不随意の眼球運動や選択の問題などです。ちなみに、それはフリギア王のミダスのタッチ問題と非常に象徴的に呼ばれ、タッチがアイテムを金に変えました。 パッシブBCIを使用すると、これらの問題が解決します。

アイトラッカーを使用して制御する際にアクティブなBCIを使用して選択を行うアプローチは長い間知られていますが、速度に違いはありません。 回答者がNASA TLXスケールを使用してさまざまな選択方法を評価した調査では、BCIオプションはオブジェクトを選択するための長い修正オプションよりも時間的には速くありませんが、BCIはそれほどフラストレーションを引き起こしません[10]。



Torsten Zanderチームのさらなる研究により、90％の精度で、物体への意識的な固定と無意識を区別できることが示されました[17]。 実験では、オッドボールパラダイムが使用されました。回答者は、気を散らす図形と組み合わせて選択したい図形を含む一連の図形を調べました。

Sergey Shishkinは、上記のアプローチの改善について話した[8]。 彼らのソリューションの重要なプラスは、選択率を300ミリ秒から500ミリ秒に削減することであり、これには非常に高速な分類が必要です;このため、EEGNetが使用されました[9]。

注意メカニズム-これは、BCIの範囲を拡大し、ADHD患者のリハビリテーションのためのシステムを作成できる別のトピックです。MehdiOrdikhaniはTedtalkの基本的なアイデアについて語っています

刺激

実験の倫理の問題は神経科学にとって非常に深刻であり、動物は国境を越えた研究の矢面に立ちます。 脳内の特定の領域で作業したい場合はどうすればよいですか 現在、これは埋め込み電極でのみ可能です。 しかし、例えば、自然界には磁場に敏感な生き物がいます。ミシガン大学のガリットペルドチームは、この遺伝子を魚から分離し、ラットに導入して、磁場の作用によって行動を制御することを学びました[18]。 したがって、例えばてんかんの発作を止めるなど、目的の領域にターゲットを絞った効果を及ぼすことができます。



そして、アカゲザルのミハイル・レベデフによる侵襲的インターフェースの研究グループ全体：脳-コンピューター-脳インターフェースが構築され、仮想肢を制御することで触覚フィードバックを受け取ることができました。 講義「 脳とコンピューターの間のインターフェース 」からの抜粋をより詳しく見ることができます 。

ディープラーニングの王国

「深層学習」のアルゴリズムにより「機械学習」のすでに高い精度を達成できるという事実に加えて、人々は「逆問題」に取り組んでいることに注意することができます。 EEGおよびMEGの高速データに基づいて、脳内のニューロンの実際の活性化を復元することができます。これは、たとえばfMRIメソッドによって、非常に低い時間分解能で示されています。 楽観主義を喜ぶだけで、この作品の差し迫った成功を信じることができます。



EEGまたはMEGに基づくBCIの別の問題は、同じコンポーネントの脳のさまざまな領域でのアクティビティの結果がユーザー間で異なることです。ユーザーとタスクごとにニューラルネットワークを学習する必要があり、システムでの作業が複雑になり、コストが高くなります。 ただし、ニューラルネットワークがさまざまなユーザーのデータをさまざまなタスクで使用し、オンラインで再トレーニングする場合、「学習の転送」に変更が生じる可能性があります。その結果、キャリブレーション手順をスキップできます。 [19]

ハードウェア

最後に、腺に到達しました！

ここで重要なことは、2つの点を言うことです。一方で、BCIの機器はかなりかさばり、その中の人は注意を引きます。パフォーマンスの1つで、ミニチュア電極が実証されました。 [20]

残念ながら、大きな写真を挿入することはできませんが、 Googleフォトを見ることができます。

すべての小型サイズにもかかわらず、これらの電極の取り付けは便利ではなく、個々の電極を接着する必要があります。 加速するには、さまざまなデバイスを使用します。

• 電極用の穴がマークされているEEGキャップ
• 電極の位置が主に固定されているさまざまなデザインのフープとヘルメットは、OpenBCIのみがUltracortexで際立っており、タスクに応じて電極を再配置できます。

比較的新鮮なアイデアは、耳の領域に取り付けるためのCeeGrid電極の配列です。これは目に見えず、簡単に取り付けられますが、ERP BCIにこのオプションを使用するのが現実的であることが示されています。 。

2番目の問題は、高品質の信号を得るための導電性ゲルの必要性です。ここでは、違いは許容可能であり、乾燥電極の使用が正当化されることが示されています[22]。 たとえば、最近、Florida Research Instrumentsは細長い乾燥電極（左の写真）の販売を開始しました。これは、ピンの丸みが大きいことで元のバージョンとは異なり、ご存知のように、ユーザーに対する否定的な感情が少なくなっています。 さらに高度なオプションは、電極自体のピンにクッションが装備されている場合です。素材のおかげで、またはスプリングの助けを借りて（下の写真では中央と右側にあります）。

おわりに

大衆へのBCIの普及は迅速かつ容易ではなく、脳の状態を理解するための非常に限られた機会が現在開かれていますが、この分野の進歩は無視できません。 主なものは、デバイスのコストを削減/サブスクリプションでデバイスを提供し、愛好家を対象としたプロジェクトの出現に向かって正しい傾向があるということです。

個人的には、昇進したEmotive、MUSE、OpenBCIの中でロシアのプロジェクトが登場し始めたことを非常に嬉しく思います。 サンクトペテルブルクで開催された最近のニューロフォーラムでは、次のことが実証されました。

• ニューロインターフェースオプトリスモグラフ
• ニューロラボ「若い神経生理学者-エンジニア」
• FreeEEG32プロジェクト
• EEG SmartBCIに基づくリハビリテーション複合体iBrain

利用可能なデバイスの拡張により、インターフェース領域は研究や実験に魅力的になります。 エントリーのしきい値は低く、常に適切なタスクを見つけることができ、アルゴリズムをずっと改善して、新しい知識とスキルを獲得できます。 私があなたに望むこと。

それで私はBCIエリアを見ました。来年何が面白いか見てみましょう。

UPDはEBCIインターフェイスの説明を修正しましたが、誤ってアクティブBCIに割り当てられましたが、これは正しくありません