واسط مغز و رایانه

از ویکی‌پدیا، دانشنامهٔ آزاد

واسط مغز-رایانه (brain–computer interface) (مخفف: BCI)، که برخی مواقع به آن واسط مغز-ماشین (BMI) نیز گفته می‌شود، یک مسیر مستقیم ارتباطی بین فعالیت‌های الکتریکی مغزی و یک دستگاه خارجی است که اغلب یک کامپیوتر یا عضو رباتیک می‌باشد. واسط‌های مغز و رایانه اغلب برای چنین اهدافی به کار می‌روند: تحقیقات، نگاشت مغزی، یاریگری، ازدیاد توانایی انسان، ترمیم ادراک انسانی یا عملکردهای حسی-حرکتی.[۱] دامنه پیاده‌سازی‌های BCIها در چنین مواردی است: EEG،‏ MEG،‏ EOG،‏ MRI، که برحسب این که الکترودها تا چه میزان نزدیک بافت عصبی باشند، برخی تاحدی تهاجمی (مثل ECoG و درون-عروقی) و برخی دیگر تهاجمی (مثل آرایه میکروالکترودی) هستند.[۲]

تحقیقات بر روی BCIها در دهه ۱۹۷۰ میلادی توسط «ژاک وایدال» (Jacques Vaidal) در دانشگاه کالیفرنیا در لس آنجلس (UCLA) تحت کمک هزینه از سوی بنیاد ملی علوم و در پی بسته شدن قراردادی با دارپا شروع شد.[۳][۴] مقاله ۱۹۷۳ میلادی وایدال، اولین ظهور عبارت «واسط مغز-کامپیوتر» در متون علمی است.

بر اساس قابلیت انعطاف‌پذیری غشای خارجی مغز، پیامهایی که از اندام‌های ساختگی کاشته شده ارسال می‌گردند، پس از سازگاری، می‌توانند مانند ارتباطات طبیعی حسی-حرکتی توسط مغز کنترل شوند.[۵] پس از سال‌ها آزمایش بر روی جانوران، اولین دستگاه‌های نوروپروستتیک کاشته شده در انسان‌ها طی اواسط دهه ۱۹۹۰ میلادی ظهور پیدا کردند.

اخیراً مطالعاتی در زمینهٔ تعامل انسان و رایانه صورت گرفته که در آن از یادگیری ماشین برای تحلیل داده‌های آماری زمانی استخراج شده از لوب پیشانی (نوار مغزی EEG) استفاده کرده‌اند و در نتیجه آن موفقیت بالایی در رده‌بندی حالات ذهنی (استراحت، خنثی، تمرکز)،[۶] حالات هیجانی ذهنی (منفی، خنثی، مثبت)[۷] و دیسریتمیای تالاموکورتیکال بدست آمده‌است.[۸]

منابع

  1. Krucoff MO, Rahimpour S, Slutzky MW, Edgerton VR, Turner DA (1 January 2016). "Enhancing Nervous System Recovery through Neurobiologics, Neural Interface Training, and Neurorehabilitation". Frontiers in Neuroscience. 10: 584. doi:10.3389/fnins.2016.00584. PMC 5186786. PMID 28082858.
  2. Michael L Martini, BA, Eric Karl Oermann, MD, Nicholas L Opie, PhD, Fedor Panov, MD, Thomas Oxley, MD, PhD, Kurt Yaeger, MD, Sensor Modalities for Brain-Computer Interface Technology: A Comprehensive Literature Review, Neurosurgery, Volume 86, Issue 2, February 2020, Pages E108–E117, https://doi.org/10.1093/neuros/nyz286
  3. Vidal JJ (1973). "Toward direct brain-computer communication". Annual Review of Biophysics and Bioengineering. 2 (1): 157–180. doi:10.1146/annurev.bb.02.060173.001105. PMID 4583653.
  4. Vidal J (1977). "Real-Time Detection of Brain Events in EEG" (PDF). Proceedings of the IEEE. 65 (5): 633–641. doi:10.1109/PROC.1977.10542. S2CID 7928242.
  5. Levine SP, Huggins JE, BeMent SL, Kushwaha RK, Schuh LA, Rohde MM, et al. (June 2000). "A direct brain interface based on event-related potentials". IEEE Transactions on Rehabilitation Engineering. 8 (2): 180–185. doi:10.1109/86.847809. PMID 10896180.
  6. Bird JJ, Manso LJ, Ribeiro EP, Ekárt A, Faria DR (September 2018). A Study on Mental State Classification using EEG-based Brain-Machine Interface. Madeira Island, Portugal: 9th international Conference on Intelligent Systems 2018. Retrieved 3 December 2018.
  7. Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Mental Emotional Sentiment Classification with an EEG-based Brain-Machine Interface. St Hugh's College, University of Oxford, United Kingdom: The International Conference on Digital Image and Signal Processing (DISP'19). Archived from the original on 3 December 2018. Retrieved 3 December 2018.
  8. Vanneste S, Song JJ, De Ridder D (March 2018). "Thalamocortical dysrhythmia detected by machine learning". Nature Communications (به انگلیسی). 9 (1): 1103. Bibcode:2018NatCo...9.1103V. doi:10.1038/s41467-018-02820-0. PMC 5856824. PMID 29549239.