Brain-computer interface
Brain-computer interface (BCI), neuralink, je neurální rozhraní propojující mozek s počítačem, je pojítkem pro spolupráci mezi biologickým mozkem a umělým zařízením, pro jejich oboustrannou komunikaci. Na BCI je možné pohlížet jako na nástroj, ve kterém akce jedince neprocházejí obvyklými výstupy z mozku. BCI umožňuje díky nasnímaným signálům z mozku provádět vnější aktivitu. Můžeme se setkat s pojmem rozhraní mysl-stroj (MMI), někdy i jako přímé nervové rozhraní nebo rozhraní mozek-stroj (BMI). Jde o přímou komunikační cestu mezi mozkem a externím zařízením. BCI systémy jsou často zaměřeny na pomoc, rozšíření nebo opravu lidské kognitivní či smyslově-motorické funkce. Praktické využití lze nalézt v mnoha aplikacích, např. rychlé odpovědi na jednoduché otázky, převod myšlenek na text, ovládání prostředí na monitoru a v neposlední řadě provoz neuro-protéz, které se zaměřují na náhradu či obnovu poškozeného sluchu, zraku a pohybu. Pojem kyberneticko-neurálního propojení úzce souvisí s pojmy bionika a neurotechnologie.
Historie
[editovat | editovat zdroj]První velký průlom nastal v roce 1969, kde Eberhard E. Fetz s kolegy na Regional Primate Research Center, Department of Physiology & Biophysics, University of Washington School of Medicine v Seattlu, poprvé ukázal, že opice dokáží ovládat pohyblivé elektrické rameno díky jejich neuronové aktivitě mozku. Postupně došlo v tomto oboru k rychlému rozvoji. Podobný experiment z roku 1970 zjistil, že opice se mohly dobrovolně a rychleji učit ovládat elektromagnetické impulzy jednotlivých neuronů v primární motorické oblasti, pokud byly odměněny za vytvoření správných modelů nervové činnosti. Neurolog Niels Birbaumer, zakladatel tohoto oboru, z university Tübingen přišel na to, že některé elektromagnetické vlny mozkové aktivity mohou subjekty do určité míry ovládat vůlí. N. Birbaumer se zaměřil na vlny vznikající v kůře mozkové, které se dají lehce zachytit v horních vrstvách mozku a trvají řádově sekundy, těmto vlnám se říká „pomalé vlny“. Úkolem subjektu je soustředit se na jeden znak a pokud se vybraný znak rozsvítí na monitoru, mozek vyšle impuls (Nejblíže se to dá představit, jako si subjekt v duchu řekne „To je ono!“. Událost se tak stává pro subjekt „malým překvapením“. Toto "překvapení" ale může vznikat i v podvědomí, subjekt ho tedy nemusí ani vědomě zaregistrovat. Díky tomu vzniká v mozku vlna P300, kterou počítač prostřednictvím BCI zaregistruje. José del Millán pracující ve švýcarském Ústavu pro umělou inteligenci vyvinul systém, který se řídí změnami zaznamenanými osmi elektrodami připevněnými k hlavě subjektu. Subjekt se soustředí na různé akce, například si představuje otáčející krychli nebo pohyb ruky. Každá z těchto aktivit mozku se projeví jiným elektrickým napětím. Tyto změny napětí pak dokáže počítač od sebe odlišit a správně interpretovat. Člověk napojený na BCI tak může vědomou změnou aktivity mozku pohybovat kurzorem na monitoru počítače, volit písmena abecedy a vytvářet tím jednotlivá slova či věty anebo řídit pohyb jednoduchých strojů či protéz.
Princip
[editovat | editovat zdroj]Jak již bylo zmíněno výše, BCI systémy převádějí mozkovou aktivitu na signály vhodné k dalšímu využití. Jejich základní princip je znázorněn na Obr. "Schéma architektury systému BCI". Lidský mozek není ani na okamžik v klidovém stavu. Miliardy nervových buněk neustále pracují a tím vznikají slabé elektromagnetické vlny. U neinvazivního BCI systému se tyto vlny se dají zachytit i přes kůži na hlavě a kosti lebky pomocí technologie EEG (elektroencefalogram). Obecně se dá využít mimo EEG i fMRI či PET. Technologii EEG využívají systémy BCI, které signály zpracují díky počítačovým algoritmům a ze specifických vlastností mozkové aktivity tak mohou odvodit signály vhodné pro ovládání koncového zařízení. Aktivita EEG signálu je zpravidla snímána ve čtyřech základních kanálech:
- Alfa (8 -13 Hz)
Vyskytuje se s převahou nad okcipitálními částmi lbi během relaxované bdělosti, při zavřených očích. Po otevření očí dochází k rozpadu alfa aktivity a objevuje se rychlejší aktivita, ve frekvenčním pásmu beta.
- Beta (14 - 30 Hz)
Beta aktivita se tedy objevuje při zvýšení úrovně pozornosti po otevření očí.
- Theta (4 - 7,5 Hz) a Delta (0,5 - 4 Hz)
Pomalé frekvence theta a delta se v bdělém záznamu zdravého dospělého jedince nevyskytují. Fyziologicky jsou tyto aktivity přítomny během spánku a dále v ontogenezi (individuální vývoj jedince), kdy do 6. měsíce věku převládá aktivita delta, poté theta, koncem prvního roku se vedle theta aktivity již objevuje alfa aktivita, jejíž poměr postupně narůstá a začíná kolem 4. roku věku v EEG záznamu převládat. Příměs pomalých frekvencí nad zadními částmi lbi jsou běžné u dětí a mladistvých asi do 15 let. V 5 % případů se však mohou vyskytovat až do 30. roku věku. Tyto pomalé frekvence by však neměly přesahovat 120 % amplitudy alfa rytmu. Převod mozkové aktivity na elektrické impulzy zpracovávané počítačem není snadný, protože signály získané z mozku nejsou stálé, tzn. že vlastnosti signálů se mění v závislosti na čase. Problémem také je, že každý mozek je specifický a tudíž každý funguje trochu jinak. To znamená, že snímání magnetických vln mozku musí být pro každý mozek zvlášť upravené. Algoritmus pro převod EEG signálu na signál vhodný k řízení cílového mozku, tak bude spolehlivě pracovat pouze s mozkem jednoho konkrétního subjektu. Vzniklý algoritmus bude s vysokou pravděpodobností fungovat u jiného subjektu velice špatně, či vůbec fungovat nebude. Kvůli této překážce byly vyvinuty algoritmy, které jsou odolné vůči časovým změnám elektromagnetických vln a jsou tak obecně použitelné. Jedná se zejména o algoritmy založené zpravidla na neuronových sítích. Při správném fungování je zapotřebí odstínit všechny nežádoucí jevy, které vznikají přímo v mozku nebo vnějším okolím díky elektromagnetickým vlnám. Jde například o svalovou aktivitu, jako je mrkání očí apod., dále pak i samotné rušení přístrojem EEG. Toho se docílí tak, že snímaný signál ze snímačů je před samotným zpracováním zesílen a filtrován pomocí číslicových filtrů. Na snímání mozkové aktivity se používají tři různé metody, které se od sebe liší konstrukčním zapojením.
- 1) Invazivní systémy
Nejpřesnějším měřením mozkové aktivity je zavedení senzorů přímo do šedé kůry mozkové pomocí neurochirurgického zákroku. Získané signály jsou tak zachycovány v nejvyšší možné kvalitě. Nevýhodou je náchylnost k rozšiřování zjizvené tkáně v mozku, což může způsobit zeslabení nebo úplnou ztrátu signálu. V praxi má tak pacient na hlavě napevno zavedený kabel nebo připojovací konektor.
- 2) Neinvazivní systémy
Druhou metodou je neinvazivní systém, který není přímo implantován do mozku, ale nacházejí se celý mimo organismus. Jde o zatím nejpoužívanější typ zavádějící metody BCI systému. Elektromagnetické vlny aktivity mozku jsou zaznamenávány skrze kůži i lebku. Tato metoda tak nepotřebuje náročný chirurgický zákrok. Její nevýhoda ale tví v omezené citlivosti elektromagnetických vln a tak má o proti invazivnímu systému nižší rozlišovací schopnost. Jedná se o převážně různé nasazovací čepice s citlivými senzory. Každý senzor se nachází nad jinou částí mozku.
- 3) Částečné invazivní systémy
Posledním typem je částečný invazivní systém, který je charakterizován rozdělením systému na dvě části. Jedna část je implantována do šedé kůry mozkové a druhá část se pak nachází mimo organismus. Tento typ má pozitivní vlastnosti obou výše zmíněných typů metod. Produkuje přesnější signál než systém neinvazivní a zároveň je u zákroku nižší nebezpečí tvorby zjizvené tkáně v mozku než v případě invazivního systému.
Experimenty BCI
[editovat | editovat zdroj]Prvním uvedeným experimentem využití BCI technologie je pokusná opice, která se sama dokáže krmit robotickou rukou. Opice (Macaca mulatta) využívá kortikální motorickou aktivitu k řízení mechanické ruky pro úkol sebe krmení. Subjekt mohl kromě tří dimenzionálního pohybu mechanické ruky také ovládat uchopovací mechanismus na konci této robotické ruky. Vzhledem k fyzické interakci mezi opicí a mechanickou rukou ovládanou v prostoru tento úkol představil vyšší úroveň obtížnosti, než předchozí experimenty s virtuálním kurzorem na obrazovce. Experiment se uskutečnil v Schwartz lab, University of Pittsburgh, USA.
YouTube: Monkey controls robotic arm with brain computer interface (29. 05. 2008)
Dalšími důležitými a úspěšnými experimenty bylo připojení člověka na BCI. Prvním subjektem byl hendikepovaný Tim Hemmes, který se pomocí mysli naučil hýbat nejdříve ve virtuálním dvourozměrném prostředí skrze monitor a poté i reálnou robotickou rukou v trojrozměrném prostředí.
YouTube: Paralyzed man moves robotic arm with his thoughts (7. 10. 2011)
Při pohledu na úspěch studie subjektu Tima Hemmese v projektu Brain Computer Interface, kontaktovala paní Scheuermannová vědce a stala se tak také součástí vědeckého průlomu. Oba subjekty jsou těžce hendikepováni a sami nejsou schopni jakéhokoliv pohybu. BCI technologie jim ale pohyb, i když zatím omezený, skrze robotické ruce dovoluje.
YouTube: One Giant Bite: Woman with Quadriplegia Feeds Herself Chocolat (16. 12. 2012)
Obecnější neurální propojení
[editovat | editovat zdroj]Kybernetické propojení elektroniky na nervovou soustavu může být provedeno v různých bodech: Buď přímo v/na mozku, jak je zde popisováno především, jednou zvládnutá technologie napojení na jednotlivé neurony však umožní vytvoření rozhraní kdekoli v těle: Na různé části mozku, nejen přes šedý neokortex, ba i na míchu, a dále nejen přes somatické periferní senzorické nebo motorické nervy, nýbrž dokonce i přes nervy autonomní soustavy.
Odkazy
[editovat | editovat zdroj]Externí odkazy
[editovat | editovat zdroj]Obrázky, zvuky či videa k tématu Brain-computer interface na Wikimedia Commons
- PETR, Jaroslav. BCI – brain computer interface, 2003 [online]. [cit. 2014-01-10]. Dostupné online
- KNAPOVSKY, Martin a Michal SMRHA. Brain-computer interface, 2013 [online]. [cit. 2014-01-10] Dostupné online
- ŽÁK, Roman. Zpracování mozkové aktivity v bci systémech, 2012 [online]. [cit. 2014-01-10] Dostupné online
- BUŠEK, Petr. Fyziologická podstata vzniku EEG signálu a limity rutinního EEG vyšetření, 2001 [online]. [cit. 2014-01-10] Dostupné online