Besturing computercursor met hersenen flink verbeterd
Onderzoekers hebben een nieuw algoritme ontwikkeld waarmee signalen die worden opgevangen door hersenimplantaten voor de aansturing van computers sterk verbeterd kunnen worden. De bewegingen worden met het algoritme niet alleen sneller, maar ook nauwkeuriger.
Bij patiënten die hun ledematen niet kunnen bewegen, kunnen hersenimplantaten signalen van motorische centra, die verantwoordelijk waren voor het bewegen van die ledematen, opvangen. Die signalen kunnen vervolgens gebruikt worden om een muiscursor van een computer te bewegen en de patiënt zo de computer te laten bedienen. Een nieuw algoritme moet de nauwkeurigheid van de vertaalde signalen sterk verbeteren, terwijl ook de snelheid waarmee de muis bediend kan worden, verbeterd wordt.
Het algoritme werd ontwikkeld door onderzoekers van de Stanford-universiteit en is ReFIT genoemd. De software werd niet met menselijke proefpersonen getest, maar met rhesusaapjes. In vergelijkingen met bestaande algoritmes bleek ReFIT tweemaal sneller en veel nauwkeuriger een muiscursor aan te kunnen sturen: volgens de onderzoekers zouden de prestaties die van een echte arm benaderen. Na de testen met de rhesusaapjes zouden klinische tests met menselijke patiënten moeten volgen.
Proefpersonen zouden een silicium implantaat krijgen die via elektrodes signalen van motorneuronen ontvangt. De signalen worden doorgestuurd naar een computer die meet hoe vaak de neuronen geactiveerd worden: op basis van die analyse wordt een cursor aangestuurd. Het nieuwe algoritme onderscheidt zich door zijn feedback-systeem: oog-'hand'-coördinatie wordt gebruikt om de nauwkeurigheid te verbeteren. Tevens werd data van intacte ledematen gebruikt om het algoritme de juiste bewegingen te leren.
Reacties (26)
Waar komt deze opmerking vandaan? Motor neuronen bevinden zich doorgaans veel later in de aansturing van beweging; de celkern van de meeste motor neuronen bevindt zich in het ruggemerg, en projecteert naar spiercellen. Dit artikel gaat specifiek over de motor cortex, een gebied waar je eerder een specifiek soort pyramidaalcellen vindt (die op hun beurt via het interneuroncircuit weer motorneuronen aansturen).Proefpersonen zouden een silicium implantaat krijgen die via elektrodes signalen van motorneuronen ontvangt.
En, helaas voor mensen met een handicap, dit systeem trainen ze initieel door de echte beweging van een arm te vergelijken met de signalen vanuit de hersenen; ergo, het werkt vooral als je nog steeds je ledematen kan bewegen. Nochtans een interessante aanpak; een online leeralgoritme is een logische stap hier, ik ben vooral benieuwd of dit ook toepasbaar is op technieken als electroencephalography zodat niet eerst je schedel opengemaakt hoeft te worden.
[Reactie gewijzigd door FragFrog op dinsdag 20 november 2012 14:36]
Daarnaast gebruiken ze niet individuele neuronen, maar kleine groepjes. Om het meer fout tolerant te maken. Vanwege de kleine schaal waar neuron/ implantaat interactie plaats vindt voorkom je zo beter problemen die ontstaan door verschuiving in contact tussen neuron/ implantaat.
Overigens is deze alinea interessant:
"The system relies on a silicon chip implanted into the brain, which records “action potentials” in neural activity from an array of electrode sensors and sends data to a computer. The frequency with which action potentials are generated provides the computer key information about the direction and speed of the user’s intended movement."
Dit soort dingen werkt dus alleen bij mensen die geen hersenbeschadiging hebben opgelopen in hun motorische cortex door bv een hersenbloeding. Maar dus wel bij mensen die hun nek gebroken hebben en daarmee zenuwen in hun ruggemerg beschadigd hebben.
Dit is niet het geval. Geamputeerden genereren nog altijd signalen als ze hun fantoomledemaat proberen te bewegen. Ondanks dat er dus geen beweging uit voorkomt, zijn deze signalen wel degelijk sterk genoeg om door middel van elektromyografie te meten. Aangezien het hier om een hersenimplantaat gaat welke dicht op de motorcortex geplaatst wordt, is het al dan niet kunnen bewegen van ledematen in nog mindere mate relevant. Integendeel, het principe achter dit soort prostheses is dat slechts het denken aan een beweging voldoende is.En, helaas voor mensen met een handicap, dit systeem trainen ze initieel door de echte beweging van een arm te vergelijken met de signalen vanuit de hersenen; ergo, het werkt vooral als je nog steeds je ledematen kan bewegen.
Daarnaast is een belangrijk element dat adaptatie tweeledig is, namelijk zowel in het algoritme als in de patient. Het komt vaak voor dat de patient namelijk een bepaalde mapping moet leren tussen de signalen die hij/zij afgeeft en het resultaat dat dit heeft op het ledemaat. Aangezien dit om het besturen van een cursor gaat (2 dimensies dus), kun je bijvoorbeeld denken dat de signalen voor de antagonisten biceps/triceps voor de controle in een horizontale dimensie ingezet worden, terwijl twee andere spieren voor de verticale dimensie ingezet worden. In dit voorbeeld kun je dus niet spreken van een directe en natuurlijke relatie tussen de oorspronkelijke ledematen/spieren en het gedrag van de prosthesis en vereist het de patient om geleidelijk vertrouwd te raken met de nieuwe functies van deze controlesignalen.
Overigens heb ik persoonlijk enige twijfels bij deze studie. In meerdere publicaties van deze groep worden harde conclusies getrokken uit resultaten met slechts een (1) aap. Dit is voor mij eerder al reden geweest een van hun papers te verwerpen voor een conferentie. Helaas kan ik hun recente journalpaper (nog) niet inzien, dus ik kan hier weinig met zekerheid over zeggen.
[Reactie gewijzigd door narotic op dinsdag 20 november 2012 15:46]
http://www.nature.com/neu...current/full/nn.3265.htmlThe aforementioned training protocol used arm-controlled reaches as training data. In a paralyzed individual, it is not possible to record arm kinematics for this step. Instead, this training step could rely on the individual imagining a set of instructed movements. To test this possible strategy, we trained the initial algorithm based on visual-cue observation8,12, removing the requirement for arm control in step one.[snip]The performance, as measured by Fitts’s law25 (Supplementary Modeling), for these sessions was similar to that attained for the native arm control–initiated sessions described (Figs. 1 and 2).
Overigens zijn deze resultaten inderdaad gebaseerd op meerdere trials met slechts 2 apen.
Op dit item kan niet meer gereageerd worden.
Onderwerpen
Populair: Samsung Websites en communities Mobiele telefoons Laptops Sony Games Microsoft Politiek en recht Consoles Microsoft Xbox One
© 1998 - 2013 Tweakers.net B.V. Contact Over Tweakers Jouw privacy Algemene voorwaarden Cookies
Tweakers wordt uitgegeven door De Persgroep en wordt gehost door True
