Desarrollan nueva clase de electrodo usando aprendizaje profundo para controlar amplia gama de dispositivos desde computadoras hasta sillas de ruedas

Persona probando el circuito de electrónica inalámbrica flexible colocado en la parte posterior del cuello
Persona probando el circuito de electrónica inalámbrica flexible colocado en la parte posterior del cuello

La combinación de nuevas clases de electrodos de nanomembrana con electrónica flexible y un algoritmo de aprendizaje profundo podría ayudar a las personas discapacitadas a controlar de forma inalámbrica: una silla de ruedas eléctrica; interactuar con una computadora; y hasta operar un pequeño vehículo robótico. Sin tener que ponerse un voluminoso casco de electrodos capilares o enredarse con los cables.

Interfaz cerebro-máquina inalámbrica totalmente portátil

Al proporcionar una interfaz cerebro-máquina inalámbrica totalmente portátil, el sistema podría ofrecer una mejora con respecto a la electroencefalografía (EEG) para medir “señales potenciales visualmente evocadas” en el cerebro humano

La capacidad del sistema para medir las señales de EEG para la Interfaz Cerebro-Máquina (ICM) se ha evaluado con 6 sujetos humanos. Pero no se ha estudiado con personas con discapacidad.

El proyecto, realizado por investigadores del Instituto de Tecnología de Georgia;, la Universidad de Kent; y la Universidad Estatal de Wichita, se informó en el artículo “Fully portable and wireless universal brain–machine interfaces enabled by flexible scalp electronics and deep learning algorithm” (Interfaces cerebro-máquina universales totalmente portátiles e inalámbricas habilitadas por electrónica flexible del cuero cabelludo y algoritmo de aprendizaje profundo). Fue publicado el 11 de septiembre de 2019 en la revista Nature Machine Intelligence.

Este trabajo informa sobre estrategias fundamentales para diseñar un sistema de EEG ergonómico y portátil para una amplia gama de dispositivos de asistencia, sistemas domésticos inteligentes e interfaces de neurojuegos“, dijo Woon-Hong Yeo; profesor asistente en la Escuela George W. Woodruff de Georgia Tech. Ingeniería Mecánica y Wallace H. Coulter, del Departamento de Ingeniería Biomédica. “La principal innovación está en el desarrollo de un paquete completamente integrado de sistemas y circuitos de monitoreo de EEG de alta resolución dentro de un sistema miniaturizado para ser colocado en la piel“.

La ICM es una parte esencial de la tecnología de rehabilitación que permite a las personas con esclerosis lateral amiotrófica (ELA); accidente cerebrovascular crónico u otras discapacidades motoras graves controlar los sistemas protésicos. La recopilación de señales cerebrales conocidas como potenciales virtualmente evocados en estado estacionario (SSVEP, steady-state visually evoked potential) actualemten requieren del uso de una gorra para el cabello con electrodos que utiliza electrodos húmedos; adhesivos y cables para conectarse con equipos informáticos que interpretan las señales.

Sensores inalámbricos y electrónicos flexibles

sensores inalámbricos y electrónicos flexibles
Electrodo estirable, impreso con chorro de aerosol. La estructura de malla abierta que se muestra en el recuadro.

Yeo y sus colaboradores están aprovechando una nueva clase de sensores inalámbricos; y electrónicos flexibles que se pueden aplicar fácilmente a la piel. El sistema incluye 3 componentes principales:

  1. Electrodos altamente flexibles colocados en el cabello que hacen contacto directo con el cuero cabelludo a través del cabello
  2. Electrodo de nanomembrana ultradelgada
  3. Un circuito suave y flexible con una unidad de telemetría usando Bluetooth

Los datos del EEG grabados del cerebro se procesan en el circuito flexible. Posteriormente se envían inalámbricamente a una tableta a través de Bluetooth desde una distancia de hasta 15 metros.

Retos y desafíos

Más allá de los requisitos de sensibilidad, la detección y el análisis de las señales SSVEP han sido un desafío debido a la baja amplitud de la señal. Las cuales se encuentran en el rango de decenas de microvoltios, similar al ruido eléctrico en el cuerpo. Los investigadores también deben lidiar con la variación en el cerebro humano. Sin embargo, medir con precisión las señales resulta esencial para determinar lo que el usuario quiere que ejecute el sistema.

Para abordar esos desafíos, el equipo de investigación recurrió a algoritmos de redes neuronales de aprendizaje profundo que se ejecutan en los circuitos flexibles.

Los métodos de aprendizaje profundo, comúnmente utilizados para clasificar imágenes de cosas cotidianas como gatos y perros; se utilizan para analizar las señales de EEG“, dijo Chee Siang (Jim) profesor titular de Multimedia/Sistemas Digitales en la Universidad de Kent. “Al igual que las imágenes de un perro que pueden tener muchas variaciones; las señales de EEG tienen el mismo desafío de alta variabilidad. Los métodos de aprendizaje profundo han demostrado funcionar bien con imágenes; y demostramos que también funcionan muy bien con las señales de EEG“.

Además, los investigadores utilizaron modelos de aprendizaje profundo para identificar qué electrodos son los más útiles en recopilar información para clasificar las señales de EEG. “Descubrimos que el modelo es capaz de identificar las ubicaciones relevantes en el cerebro para el ICM; lo cual está de acuerdo con expertos humanos“, agregó Ang. “Esto reduce la cantidad de sensores que necesitamos, disminuyendo costos y mejorando la portabilidad“.

El sistema utiliza 3 electrodos elastoméricos del cuero cabelludo colocados en la cabeza con una banda de tela electrónica inalámbrica ultradelgada sujetada al cuello y un electrodo impreso colocado sobre la piel debajo de una oreja. Los electrodos son suaves y secos; se adhieren a la piel y no usan adhesivo ni gel. Junto con la facilidad de uso, el sistema podría reducir el ruido y la interferencia. Lo que proporciona mayores tasas de transmisión de datos, en comparación con los sistemas existentes.

Evaluación

El sistema fue evaluado con 6 sujetos humanos. El algoritmo de aprendizaje profundo con clasificación de datos en tiempo real podría controlar una silla de ruedas eléctrica y un pequeño vehículo robótico. Las señales también podrían usarse para controlar un sistema de visualización sin usar un teclado; joystick u otro dispositivo controlador, dijo Yeo.

Los sistemas EEG típicos deben cubrir la mayoría del cuero cabelludo para recibir señales. Pero los usuarios potenciales pueden ser sensibles al usarlos“, agregó Yeo. “Este dispositivo miniaturizado es blando y portátil. Es totalmente integrado y diseñado para ser cómodo para un uso de largo plazo“.

Siguiente paso

En un siguiente paso se incluirán mejoras en los electrodos y hacer que el sistema sea más útil para las personas con discapacidad motriz.

Un siguiente estudio se centraría en la investigación de electrodos autoadhesivos inalámbricos totalmente elastoméricos que se puedan montar en el cuero cabelludo sin ningún soporte del casco, junto con una mayor miniaturización de la electrónica para incorporar más electrodos que mejoren su uso con otros estudios“, dijo Yeo. “El sistema EEG también se puede reconfigurar para monitorear los potenciales evocados por el motor o la imaginación motora de los sujetos con discapacidad motora, que se estudiará más a fondo como un trabajo futuro en aplicaciones terapéuticas“.

A largo plazo, el sistema puede tener potencial para otras aplicaciones donde un monitoreo EEG más simple sería útil.  Por ejemplo, en los estudios de sueño realizados por Audrey Duarte, profesora asociada de la Facultad de Psicología de Georgia Tech.

Este sistema de monitoreo de EEG tiene el potencial de finalmente permitir a los científicos monitorear la actividad neuronal humana de una manera relativamente discreta a medida que los sujetos realizan sus vidas“, afirmo Duarte. “Por ejemplo, el Dr. Yeo y yo estamos usando un sistema similar para monitorear la actividad neuronal mientras las personas duermen en la comodidad de sus hogares. En lugar de estar en el laboratorio con equipos voluminosos, rígidos e incómodos, como se hace habitualmente. la actividad neuronal relacionada con un sistema imperceptible puede permitirnos identificar nuevos biomarcadores no invasivos de la patología neural relacionada con la enfermedad de Alzheimer que predice la demencia

Los comentarios están cerrados.