Erste nicht-invasive Gehirn-Computer-Schnittstelle entwickelt
Ein Forscherteam der Carnegie Mellon University hat in Zusammenarbeit mit der University of Minnesota einen Durchbruch auf dem Gebiet der nicht-invasiven Steuerung von Robotern erzielt. Mit Hilfe eines nicht-invasiven Brain-Computer-Interface (BCI) haben die Forscher den ersten erfolgreichen gedankengesteuerten Roboterarm entwickelt, der in der Lage ist, einen Computer-Cursor kontinuierlich zu verfolgen und ihm zu folgen.
Die Möglichkeit, Robotergeräte nicht-invasiv nur mit Hilfe von Gedanken zu steuern, wird eine breite Anwendung finden und insbesondere das Leben von gelähmten Patienten und Menschen mit Bewegungsstörungen erleichtern.
BCIs haben gezeigt, dass sie eine gute Leistung bei der Steuerung von Robotergeräten erzielen, indem sie nur die von den Gehirnimplantaten erfassten Signale nutzen. Wenn Robotergeräte mit hoher Präzision gesteuert werden können, können sie zur Erledigung einer Vielzahl von täglichen Aufgaben eingesetzt werden. Bis jetzt haben BCIs, die Roboterarme erfolgreich steuern, jedoch invasive Gehirnimplantate verwendet. Diese Implantate erfordern ein beträchtliches Maß an medizinischer und chirurgischer Expertise, um sie korrekt zu installieren und zu betreiben, ganz zu schweigen von den Kosten und den potenziellen Risiken für die Probanden. Daher ist ihr Einsatz auf wenige klinische Fälle beschränkt.
Eine große Herausforderung in der BCI-Forschung ist es, eine weniger invasive oder sogar völlig nicht-invasive Technologie zu entwickeln, die es gelähmten Patienten ermöglichen würde, ihre Umgebung oder Roboter-Gliedmaßen mit ihren eigenen „Gedanken“ zu steuern. Eine solche nicht-invasive BCI-Technologie würde, wenn sie erfolgreich ist, zahlreichen Patienten und möglicherweise sogar der Allgemeinbevölkerung diese dringend benötigte Technologie zugänglich machen.
Bei BCIs, die nicht-invasive externe Sensoren anstelle von Hirnimplantaten verwenden, werden jedoch „schmutzigere“ Signale empfangen, was zu einer derzeit geringeren Auflösung und weniger präzisen Steuerung führt. Wenn also nur das Gehirn zur Steuerung eines Roboterarms verwendet wird, kann ein nicht-invasives BCI nicht mit der Verwendung von implantierten Geräten mithalten. Trotzdem haben BCI-Forscher das Ziel vor Augen, eine weniger oder nicht-invasive Technologie zu entwickeln, die Patienten überall im Alltag helfen könnte.
Bin He, Trustee Professor und Department Head of Biomedical Engineering an der Carnegie Mellon University, erreicht dieses Ziel, eine wichtige Entdeckung nach der anderen.
„Es gab große Fortschritte bei der Steuerung von Robotern durch das Gehirn mit Hilfe von Gehirnimplantaten. Das ist exzellente Wissenschaft“, sagt He. „Aber nicht-invasiv ist das ultimative Ziel. Fortschritte bei der neuronalen Dekodierung und der praktischen Anwendbarkeit der nicht-invasiven Steuerung eines Roboterarms werden große Auswirkungen auf die letztendliche Entwicklung der nicht-invasiven Neurorobotik haben.“
Mit Hilfe neuartiger Abtast- und maschineller Lerntechniken konnten He und sein Labor auf Signale tief im Gehirn zugreifen und eine hohe Auflösung der Steuerung eines Roboterarms erreichen. Mit nicht-invasivem Neuroimaging und einem neuartigen Continuous-Pursuit-Paradigma überwindet er die verrauschten EEG-Signale, was zu einer deutlich verbesserten EEG-basierten neuronalen Dekodierung führt und eine kontinuierliche 2D-Robotersteuerung in Echtzeit ermöglicht.
Mit einem nicht-invasiven BCI zur Steuerung eines Roboterarms, der einen Cursor auf einem Computerbildschirm verfolgt, hat er zum ersten Mal an menschlichen Probanden gezeigt, dass ein Roboterarm dem Cursor nun kontinuierlich folgen kann. Während Roboterarme, die von Menschen nicht-invasiv gesteuert wurden, zuvor einem sich bewegenden Cursor in ruckartigen, diskreten Bewegungen folgten – als ob der Roboterarm versuchte, die Befehle des Gehirns „einzuholen“ – folgt der Arm dem Cursor jetzt in einem gleichmäßigen, kontinuierlichen Pfad.
In einer in Science Robotics veröffentlichten Arbeit hat das Team einen neuen Rahmen geschaffen, der die „Gehirn“- und „Computer“-Komponenten von BCI adressiert und verbessert, indem er das Engagement und das Training des Benutzers sowie die räumliche Auflösung der nicht-invasiven neuronalen Daten durch EEG-Quellen-Bildgebung erhöht.
Die Arbeit „Noninvasive neuroimaging enhances continuous neural tracking for robotic device control“ zeigt, dass der einzigartige Ansatz des Teams zur Lösung dieses Problems nicht nur das BCI-Lernen um fast 60 % für traditionelle Center-Out-Aufgaben verbessert, sondern auch die kontinuierliche Verfolgung eines Computer-Cursors um über 500 %.
Die Technologie hat auch Anwendungen, die einer Vielzahl von Menschen helfen könnten, indem sie eine sichere, nicht-invasive „Gedankensteuerung“ von Geräten bietet, die es Menschen ermöglichen, mit ihrer Umgebung zu interagieren und sie zu kontrollieren. Die Technologie wurde bisher an 68 gesunden Menschen getestet (bis zu 10 Sitzungen für jeden Probanden), einschließlich der virtuellen Gerätesteuerung und der Steuerung eines Roboterarms zur kontinuierlichen Verfolgung. Die Technologie ist direkt auf Patienten anwendbar, und das Team plant, in naher Zukunft klinische Studien durchzuführen.
„Trotz der technischen Herausforderungen bei der Verwendung von nicht-invasiven Signalen sind wir fest entschlossen, diese sichere und wirtschaftliche Technologie zu Menschen zu bringen, die davon profitieren können“, sagt He. „Diese Arbeit stellt einen wichtigen Schritt für nicht-invasive Gehirn-Computer-Schnittstellen dar, eine Technologie, die eines Tages zu einer allgegenwärtigen assistiven Technologie werden könnte, die jedem Menschen hilft, wie Smartphones.“
Referenz: Edelman, B. J., Meng, J., Suma, D., Zurn, C., Nagarajan, E., Baxter, B. S., … He, B. (2019). Noninvasive neuroimaging enhances continuous neural tracking for robotic device control. Science Robotics, 4(31), eaaw6844. https://doi.org/10.1126/scirobotics.aaw6844
Dieser Artikel wurde aus den folgenden Materialien neu veröffentlicht. Hinweis: Das Material kann für Länge und Inhalt bearbeitet worden sein. Für weitere Informationen wenden Sie sich bitte an die zitierte Quelle.