Elena Pitsik— znanstveni novak u Laboratoriju za neuroznanost i kognitivne tehnologije Sveučilišta
Veza između računala i mozga
Sučelje mozak-računalo je sustav koji omogućuje interakciju između mozga i računala.Otvara kanal komunikacije između mozga iračunalo i omogućuje im međusobnu razmjenu informacija. Najjednostavniji primjer je generiranje naredbi za vanjski uređaj pomoću moždane aktivnosti. Vanjski uređaj može biti računalo, aplikacija, robot, dron, proteza, egzoskelet ili bilo što drugo. Opseg takvih sučelja vrlo je širok.
Najvažnija komponenta sučelja je tehnologija za bilježenje bioloških signala iz mozga.Postoje mnoge tehnologije koje mogu bitiprimijeniti u sučeljima. Signali električne aktivnosti bilježe se pomoću pojačivača - elektroencefalografa. Oni se prenose na poslužitelj koji obrađuje te signale. Postoje vrlo mala, kompaktna sučelja koja koriste bežičnu tehnologiju. Postoji doslovno jedan mali čip. Ali ako planirate koristiti sučelje u kliničkom okruženju (za rehabilitaciju nakon moždanog udara, na primjer), tada vjerojatno želite imati mnogo kanala i velike podatke. Obrada Big Data zahtijeva mnogo računalnih resursa, pa se najčešće koristi zasebno računalo s posebnim softverom. A nakon što ovaj softver obradi moždani signal, on se prevodi u naredbe za vanjski uređaj, dajući povratnu informaciju. Umjesto klasičnog monitora može biti bilo što: od aplikacije za praćenje vašeg raspoloženja do sustava upravljanja robotom.
Sučelja mozga i računala može se klasificirati u tri glavne vrste.Prvo, ovo je aktivno neuronsko sučelje kojepodrazumijeva da korisnik izravno i svjesno upravlja vanjskim uređajem ili aplikacijom. Neurosučelje je moždana aktivnost koju korisnik generira, čita, obrađuje i pretvara u naredbe. Drugi tip je reaktivno neuralno sučelje. U njemu moždanu aktivnost ne proizvodi mozak svjesno, već je stimuliraju vanjski utjecaji - svjetlo, zvuk, taktilni osjećaji, naredbe. Na primjer, slike ili zvučna stimulacija koja izaziva određenu reakciju u našem umu. I ne možemo svjesno generirati ovaj odgovor, bez vanjskog poticaja, pa nam je potrebna neka vrsta povratne informacije. Sučelje mozak-računalo traži ovaj odgovor na vanjski podražaj u našem mozgu i koristi ga za generiranje naredbi i kontrolu vanjskog uređaja ili za profiliranje povratnih informacija. Treća vrsta neuralnog sučelja je pasivno neuralno sučelje. Najsloženiji i najnerazumljiviji, jer ne uključuje generiranje nikakvih naredbi za vanjski uređaj i nikakvu kontrolu. Ovo sučelje pasivno sjedi na vama i prati vaše stanje tijekom dnevnih aktivnosti. Odnosno, čitate, radite, vozite auto, a neuralno sučelje vas prati. Može se koristiti za praćenje razine pažnje, fokusa, umora, kognitivnog opterećenja, a također vam daje povratne informacije o vašem stanju.
Neurorehabilitacija i druge namjene sučelja
Neurosučelje ima visoko društveno značenje za razvoj različitih rehabilitacijskih sustava i poboljšanje kvalitete života osoba s dodatnim potrebama.Kao što su ljudi sa sindromom zatvorenosti -izgubili su svaku mogućnost kontakta s vanjskim svijetom, ali su istovremeno zadržali svijest; To su potpuno paralizirani ljudi koji ne mogu govoriti, kretati se, pa čak ni pomicati očima. Stoga nemaju druge opcije za komunikaciju osim korištenja neuronskih sučelja za čitanje njihove moždane aktivnosti i prevođenje u određene naredbe. Te naredbe mogu biti generiranje govora, upravljanje različitim aplikacijama u cilju održavanja svakodnevne funkcionalnosti, kao i pružanje osnovne komunikacije s drugim ljudima. Lakše stanje je djelomična paraliza. Na primjer, osobe u invalidskim kolicima koje ne mogu hodati ili razne pareze nakon moždanog udara ili kao posljedica ozljeda. U slučaju paralize, ako je neizlječiva, tada se kvaliteta života takve osobe može poboljšati tako da joj se osigura neka vrsta egzoskeleta ili ortoze kojom se može upravljati pomoću neuralnog sučelja. Ovo je jedno od najpopularnijih područja u razvoju neuronskih sučelja.
Najpopularnija primjena neuralnih sučelja u medicini je neurorehabilitacija.Ovo je prilika da se ubrza proces rehabilitacijeosoba nakon ozljede ili moždanog udara pomoću treninga sa sučeljem "mozak-računalo", koji uključuje podržavanje motoričke aktivnosti, odnosno niz zamišljenih pokreta. Brojna su istraživanja koja su pokazala da takva sučelja doista značajno ubrzavaju i poboljšavaju proces rehabilitacije ljudi, vraćajući im izgubljene motoričke funkcije.
Nedavno su se sučelja mozga i računala probila na glavno tržište i stekla širu publiku.Danas se neuronsko sučelje može kupiti na eBayu zamali novac, koštat će čak i manje od pametnog telefona. Prije svega, koriste se za zabavu – u gaming industriji. Također, vrlo često se neuronska sučelja koriste za praćenje raznih stanja – raspoloženja ili faza spavanja. Neuronska sučelja za meditaciju pomažu osobi da se opusti i vode je prema rezultatima praćenja aktivnosti mozga. Slični uređaji također se koriste za razvoj različitih sustava za treniranje kognitivnih vještina – pažnje, koncentracije ili kognitivnog opterećenja. Ovo je važno područje jer se može koristiti, na primjer, u razvoju kognitivnih sustava opterećenja za pilote zrakoplova i vozače kamiona.
Što je mozak i kako možete izmjeriti njegovu aktivnost
Ti i ja smo naš mozak.Mozak se sastoji od stanica tzvneuroni. A svaki se neuron sastoji od jezgre, tijela i raznih procesa koji osiguravaju njegovu komunikaciju s drugim neuronima - to su dendriti, aksoni i terminal (nastavak aksona za komunikaciju s drugim neuronima - "High-Tech"). Jedan neuron je prilično jednostavna struktura, ali postoje milijarde neurona u glavi. Stoga zajedno stvaraju ogromnu mrežu koja može obraditi složene skupove podataka i pružiti nam kao pojedincima.
Mozak je superračunalo, odnosno sustav koji je sposoban obrađivati ogromne količine informacija.Neuroni uglavnom međusobno djelujudva načina - električne i kemijske veze. Električni signal proizvodi neuron i prenosi ga kroz akson u sinapse (veze između neurona - “High-Tech”) drugog neurona. Kada električni signal stigne na izlaz jednog neurona, on se pretvara u neke kemijske poruke koje se nazivaju neurotransmiteri. I oni se prenose od izlaza jednog neurona do ulaza drugog, koji ih, zauzvrat, prima, obrađuje, pretvara u električni signal i prenosi dalje duž ovog lanca. Neuron može ili primiti i propustiti električni signal kroz sebe, ili ga ugasiti, ne primiti i prekinuti lanac. Svaka naša aktivnost tvori mrežu neurona koji neprestano bljeskaju, tvoreći određeni obrazac koji nam omogućuje obradu mnogih aktivnih vrsta ljudskih aktivnosti.
Postoji nekoliko metoda za mjerenje električne aktivnosti mozga.Prvo, ovo je magnetska encefalografija,koji uključuje mjerenje elektromagnetskih polja koja nastaju kao rezultat električne aktivnosti u mozgu. MEG aparat je veliki uređaj u kojem osoba sjedi nepomično jer elektrode koje očitavaju magnetsko polje nisu postavljene na glavu, već su udaljene od nje. MEG je vrlo osjetljiv na različite vanjske smetnje – uključujući magnetsko polje zemlje i druga magnetska polja kojima je doslovno ispunjena cijela naša stvarnost. Stoga, da bi MEG dobro radio, mora se smjestiti u oklopljenu prostoriju. Druga metoda je spektroskopija blizu infracrvenog zračenja. Ovo je tehnologija neuroimaginga koja nam omogućuje vizualizaciju procesa koji se odvijaju u mozgu. Koristi infracrveno svjetlo za mjerenje koncentracije oksi- i deoksihemoglobina. Uređaj se sastoji od kape na koju su pričvršćeni cilindri, tijesno pripijeni uz površinu vlasišta i podijeljeni u dvije vrste - izvor i detektor. Izvor emitira snop svjetlosti u infracrvenom području. Ta svjetlost prolazi kroz kožu, lubanju i gornji sloj korteksa, odnosno mozga. Prolazi, vraća se natrag na površinu vlasišta i hvata ga detektor. Štoviše, sve što se može vidjeti nosi vrlo važne informacije o razini kisika u krvi. Kada izvodimo radnju, kao što je tapkanje, naša krv u motoričkoj zoni je zasićena kisikom. To možemo izmjeriti i definirati kao obrazac. Sljedeća tehnologija je elektroencefalografija, najučinkovitija od njih. Može se koristiti u neuronskom sučelju jer je relativno jeftin i prilično jednostavan. Stavio sam kapu, zavrtio elektrode, namazao ih pastom - i radile su. EEG instalacija - elektroencefalograf - također je kapa koja se stavlja na glavu osobe. Potrebno je čvršće pritisnuti elektrode na glavu osobe i pravilno ih postaviti.
Zašto bi neurosučelja trebala biti ugrađena u mozak?
Elektroencefalografi su različiti.Zapisuju signale s različitim rezolucijama i imajurazličit broj kanala. EEG također postoje dvije vrste. U osnovi, postoji invazivni i neinvazivni EEG. Invazivni EEG uključuje operaciju otvaranja lubanje i postavljanje elektroda izravno na površinu vašeg mozga. Jasno je da se ova tehnologija ne koristi kod ljudi. Uglavnom se koristi u znanosti o životinjama za proučavanje njihove aktivnosti, koja je vrlo slična ljudskoj aktivnosti. EEG signal, koji se očitava izravno s površine korteksa i vrlo male skupine neurona, ima bolju izvedbu od neinvazivne tehnologije. Budući da nema raznih artefakata koji su karakteristični za EEG.
Postoje područja u kojima su invazivna sučelja vrlo važna i zapravo jedina tehnologija koja može olakšati stanje osobe.Na primjer, ovo je epilepsija.Naš laboratorij proučava vrstu epilepsije koja se naziva absansna epilepsija. Ovo je epilepsija koja nije povezana s napadajima. Osoba ne doživljava konvulzije tijekom napada, jednostavno se na neko vrijeme isključi iz svijeta. A on ne zna za to, da je isključen. Ovo stanje je također vrlo opasno, unatoč činjenici da nema vanjskih manifestacija osim činjenice da se osoba odvojila od stvarnosti. Jer može, primjerice, ne znati da ima apsansnu epilepsiju i onesvijestiti se tijekom vožnje. Stoga je sprječavanje svih napada također vrlo važno, a sučelje to može spriječiti. Kad osoba ima napad, prvo se sinkroniziraju različiti moždani ritmovi - to je vrlo lako uhvatiti. Osim toga, napadu prethodi određena vrsta aktivnosti - neko vrijeme prije napada možemo odrediti što će se sljedeće dogoditi. Kada neuronsko sučelje to otkrije, može poslati impulse mozgu koji pomažu u suzbijanju ovog napada. Istovremeno, osoba koja redovito nosi ovo sučelje neće ništa osjetiti i neće znati da je upravo imala napad.
Neuralink Elona Musk razlikuje se od ostalihinvazivna neurosučelja po tome što su elektrode koje pišu EEG smještene na vrlo tankim nitima (tanjim od ljudske dlake), a puno elektroda smješteno je na jednom filamentu.Moguće je snimiti do 3 tisuće elektroda.Ovo je ogromna količina podataka. S obzirom da se nalaze na korteksu, vrlo su mali i pišu signal iz male skupine neurona. Na taj način možemo uhvatiti vrlo suptilnu aktivnost.
Muskova tehnologija djelomično rješava problem koji je čest kod korištenja neinvazivnog EEG - širenja polja (od engleskog "jakost električnog polja" - "Hi-tech").Kada pišemo neinvazivni EEG, superponiramoelektroda na glavi, a snima iz velike skupine neurona. On stvara opće energetsko polje. Električna polja iz različitih neurona preklapaju se i interferiraju jedno s drugim. Dakle, kada napišemo određenu vrstu aktivnosti, zapravo imamo mnogo različitih aktivnosti, što ometa obradu. A vrlo veliki problem sa svim invazivnim sučeljima je taj što naše tijelo ne želi da se strani predmeti uguraju u njega.
Neinvazivni EEG je EEG koji kontinuirano koristimo.U biti, to su postavljene elektrodepovršina glave s kapom. Svaka elektroda bilježi aktivnost određene skupine neurona. Položaj elektroda je vrlo važan jer uvelike utječe na rezultat obrade.
Elektroencefalogram je električni signal.Обработка этого сигнала — задача радиофизики. Мы можем применять обычные методы анализа для того, чтобы выделять особенности этого сигнала. Наша задача выделить определенные паттерны, которые соответствуют этому движению.
Glavne poteškoće u stvaranju neuronskih sučelja
Почему вообще так сложно создать нейроинтерфейс? Потому что это очень сложные задачи: обрабатывать ЭЭГ и выделять паттерны. Они требуют комплексного и аккуратного подхода. Во-первых, потому что каждый человек индивидуален, как и его мозг. Даже у гомозиготных близнецов очень разные мозги, как отпечатки пальцев. Мы не можем создать одну универсальную систему, работающую со всеми людьми одинаково. Ее надо под каждого подстраивать, калибровать и постоянно изменять. Следующая причина — специфика задания. Каждый человек может одно и то же задание выполнять по-разному и аккумулировать разные активности. Расположение сенсоров — тоже человеческий фактор. В разных экспериментах сенсоры могут располагаться немного по-другому, но это тоже очень важно, потому что они будут писать другую активность. Еще одна причина — нестационарная динамика мозга во всех временных масштабах. Это значит, что она постоянно меняется во всех временных масштабах. Мы можем взять большой отрезок сигнала ЭЭГ, разбить его на секунды, и каждая секунда будет разной. Мозги постоянно меняются, эволюционируют и подстраиваются под внешнюю среду. Важная проблема — высокий уровень шума в записях ЭЭГ и артефакты. Поскольку мы накладываем электроды на поверхность кожи головы, а под ней, между кожей и черепом, присутствуют мышечные волокна, которые работают, приходят в движение и создают какие-то двигательные артефакты на ЭЭГ-сигнале. Помимо этого мы постоянно двигаем глазами, моргаем, и это всё тоже дает наводку на ЭЭГ, которая видна не только на каналах на лбу, но и на затылке. Кроме того, у нас бьется сердце. Сердечные артефакты присутствуют на ЭЭГ почти у всех людей. Они возникают от пульсации крови в сосудах под кожей.
Существуют классные методы, которые помогают нам избавиться от всех артефактов. Можно удалить артефакты или отфильтровать их. Существуют методы, позволяющие удалять компоненты, соответствующее сердцебиению, глазодвигательным артефактам, и отфильтровать ЭЭГ-сигнал в нужном нам диапазоне. Далее применяется частотно-временной анализ как метод анализа сигнала. Мы оцениваем энергию каждого ритма и смотрим, какой из них содержит некую динамику, ассоциированную с эффектом, который ищем. Частотно-временной анализ — это вейвлеты, анализ Фурье и прочее.
Sljedeći je korak uspostaviti funkcionalne veze između različitih područja mozga. Когда мы что-то делаем (двигаем руками, воображаем движения руками), наши области мозга взаимодействуют либо синхронно, либо десинхронно. Они влияют друг на друга в процессе этого взаимодействия. На основе этих влияний можно построить сеть функциональных связей, описывающую, какие связи усиливаются, какие слабеют, и на основе этого делать вывод о том, как в масштабе всего мозга строится и обрабатывается наша активность нейронами. Здесь наиболее перспективны искусственные нейронные сети, потому что они быстро работают и основаны на биологической модели нейронов.
Сигнал ЭЭГ — это сложная структура, где много компонентов, но ее сложность меняется со временем и в зависимости от того, что мы делаем. По динамике этой сложности мы можем понять, что происходит, оценить это, классифицировать и сделать какой-то классификатор на этой основе. Конкретный пример — удаление артефактов. Допустим, у нас есть многоканальный сигнал ЭЭГ, и на нем видны артефакты, которые дают наводку почти на всех каналах. И они похожи на глазодвигательные артефакты. Они удаляются методом независимых компонентов. Каждый сигнал раскладывается на несколько компонентов, которые содержат свою информацию. Один из них содержит то, что нам не нужно в сигнале — тот самый глазодвигательный артефакт. Мы берем его и выкидываем. Получаем чистый, более информативный сигнал, содержащий то, что нам нужно. Фильтрация — базовая вещь.
Jedan signal može se filtrirati u različitim frekvencijskim rasponima. Альфа-ритм (8–14 Гц) и бета-ритм (15–30 Гц) — это два ритма мозга, две частотные компоненты, которые содержат в себе наибольшее количество информации о том, как мозг обрабатывает моторную активность. Если мы хотим классифицировать воображаемые или реальные движения, мы обращаемся к альфа- и бета-ритму и ищем на них паттерн.
Pronalaženje uzorka zadatak je klasifikacije. Чтобы посмотреть на паттерн, мы можем воспользоваться методом частотно-временного анализа. Паттерн — это двигательная активность на ЭЭГ, а наиболее часто упоминаемый — это десинхронизация, связанная с событием. Мы берем активность альфа-ритма. Он содержит в себе много информации о том, как мы двигаемся. Эта информация заключается в следующем: когда мы совершаем движение, уменьшается количество нейронов, которые участвуют в обработке информации. Таким образом, альфа-ритм подавляется. У него уменьшается амплитуда и он генерирует меньше энергии. Вот это подавление альфа-ритма продолжается на всем протяжении совершения движения. Если мы видим, что альфа-ритм упал, можно сказать, что в этот момент произошло движение. Например, человек сжимает кисть в кулак. Альфа-ритм падает, его энергия уменьшается. Он десинхронизируется, и мы это видим. Потом человек разжимает руку, и альфа-ритм восстанавливается и возвращается к своему обычному состоянию. Вся проблема заключается в том, что десинхронизация хорошо видна на усредненных данных. Мы берем несколько движений, для каждого считаем вейвлетную поверхность, усредняем их, получаем яркую картинку. Мы берем одно движение, считаем его вейвлетную поверхность и не видим ничего. Нам ничего не понятно, потому что это движение — это очень тонкий эффект.
Pogledajte i:
Pogledajte kako izgleda ljeto na Saturnu
Nastala je fotografija kako pustinjska prašina "teče" u Atlantski ocean
Pogledajte što Hubbleov nasljednik može vidjeti u svemiru