교정이 필요 없는 BCI 교육(제공: 텍사스 대학교 오스틴 캠퍼스)

텍사스 대학교 오스틴 캠퍼스의 엔지니어들은 일반적으로 환자의 운동 장애를 돕는 데 사용되는 뇌-컴퓨터 인터페이스에 머신러닝 기능을 통합했다.

피험자는 뇌의 전기 신호를 측정하여 데이터를 수집하는 전극이 달린 모자를 착용하고 디코더는 해당 정보를 해석하여 게임 동작으로 변환한다.

뇌 기능 개선

이 실험은 환자의 뇌 기능을 개선하고 뇌-컴퓨터 인터페이스로 제어되는 장치를 사용하여 환자의 삶을 더 쉽게 만들기 위해 설계되었다.

이 실험은 피험자 간 전이 학습 접근 방식을 통해 경험이 없는 사용자가 비침습적 뇌-컴퓨터 인터페이스(BCI)를 즉시 작동하여 표준 개별 교정 세션의 필요성을 피할 수 있는 방법을 처음으로 보여준다.

BCI 디코더를 구축하기 위한 보정 데이터를 획득하는 것은 비용이 많이 들고 오류가 발생하기 쉽다. 왜냐하면 순진한 피험자는 피드백 부족으로 인해 부적절한 판별력으로 뇌 신호를 생성할 수 있기 때문이다. 결과적으로 결과 디코더의 성능이 저하되어 BCI 훈련이 방해된다.

이들의 접근 방식은 교정이 필요하지 않은 단일 전문 주제의 데이터를 기반으로 구축된 주제 독립적 디코더에 의존하므로 이 문제에 대한 솔루션을 제공한다. 제안된 접근 방식의 효율성은 온라인 연속 및 개별 피드백 작업에서 입증되었다.

디코더는 피험자들이 바 게임과 좀 더 복잡한 자동차 경주 게임을 동시에 훈련할 수 있을 만큼 충분히 잘 작동했는데, 이 게임은 회전을 하기 위해 몇 단계 앞서 생각해야 했다.

무보정 인터페이스에 대한 연구 결과는 PNAS Nexus에 게재되었다.

임상적 활용도 향상

임상 환경에서 이 기술은 길고 지루한 교정 과정을 수행하기 위해 전문 팀이 필요하지 않다고 연구원들은 지적한다.

이 프로젝트에는 운동 장애가 없는 18명의 피험자가 참여했다. 그들은 이것을 임상 환경의 더 큰 그룹에 적용하기 위해 운동 장애가 있는 사람들을 대상으로 테스트할 계획이다.

연구원들은 이 기술의 또 다른 잠재적인 용도를 보여주었다. 손과 팔을 위한 두 대의 재활 로봇을 제어하는 것이다.