বায়ুবাহিত আল্ট্রাসোনিক স্পর্শ প্রদর্শন ব্রেইন-কম্পিউটার ইন্টারফেস প্যারাডাইম

সূচিপত্র

1. ভূমিকা

ব্রেইন-কম্পিউটার ইন্টারফেস (BCI) ঐতিহ্যগতভাবে দৃশ্য, শ্রবণ বা মোটর ইমেজারি প্যারাডাইমের উপর নির্ভর করে যা ব্যাপক ব্যবহারকারী প্রশিক্ষণ এবং অক্ষত সংবেদনশীল ক্ষমতা প্রয়োজন। এই গবেষণা একটি আরও অ্যাক্সেসযোগ্য এবং স্বাস্থ্যসম্মত BCI প্যারাডাইম তৈরি করতে সংস্পর্শবিহীন বায়ুবাহিত আল্ট্রাসোনিক স্পর্শ প্রদর্শন (AUTD) প্রযুক্তি ব্যবহার করে একটি নতুন পদ্ধতি উপস্থাপন করে।

2. উপকরণ ও পদ্ধতি

2.1 পরীক্ষামূলক সেটআপ

তেরোজন পুরুষ স্বেচ্ছাসেবী BCI ব্যবহারকারী (গড় বয়স 28.54 ± 7.96 বছর) জাপানের একাধিক গবেষণা প্রতিষ্ঠানে পরিচালিত পরীক্ষায় অংশগ্রহণ করেন। গবেষণাটি WMA হেলসিঙ্কি ঘোষণার নির্দেশিকা অনুসরণ করে এবং নৈতিক অনুমোদন পেয়েছে।

2.2 AUTD প্রযুক্তি

AUTD উদ্দীপনা জেনারেটর ফেজড অ্যারে কৌশল ব্যবহার করে ফোকাসড আল্ট্রাসাউন্ডের মাধ্যমে কম্পন স্পর্শ সংস্পর্শবিহীন উদ্দীপনা উৎপন্ন করে। বিকিরণ চাপ $P_r$ নিম্নরূপ গণনা করা হয়:

$$P_r = \\frac{I}{c} = \\frac{p^2}{\\rho c}$$

যেখানে $I$ হল শব্দের তীব্রতা, $c$ হল শব্দের গতি, $p$ হল শব্দ চাপ, এবং $\\rho$ হল বায়ুর ঘনত্ব। ডিভাইসটি অনুমোদিত ত্বক শোষণ সীমার চেয়ে 40 গুণ নিচে কাজ করে, নিরাপত্তা নিশ্চিত করে।

2.3 সংকেত প্রক্রিয়াকরণ

EEG সংকেত বৈশিষ্ট্য নিষ্কাশনের জন্য কমন স্পেশিয়াল প্যাটার্ন (CSP) অ্যালগরিদম ব্যবহার করে প্রক্রিয়াকরণ করা হয়েছিল। স্পেসিয়াল ফিল্টার $W$ জেনারালাইজড আইজেনভ্যালু সমস্যা সমাধান করে প্রাপ্ত করা হয়:

$$\\Sigma_1 W = \\Lambda \\Sigma_2 W$$

যেখানে $\\Sigma_1$ এবং $\\Sigma_2$ হল দুটি শ্রেণির কোভেরিয়েন্স ম্যাট্রিক্স।

3. ফলাফল ও উপসংহার

3.1 কর্মদক্ষতা তুলনা

AUTD-ভিত্তিক BCI (autdBCI) অনলাইন পরীক্ষায় ঐতিহ্যবাহী কম্পন স্পর্শ ট্রান্সডিউসার-ভিত্তিক BCI (vtBCI) এর সাথে তুলনীয় কর্মদক্ষতা প্রদর্শন করেছে। উভয় প্যারাডাইম সম্ভাব্য স্তরের উপনে শ্রেণিবিন্যাস নির্ভুলতা অর্জন করেছে, যা সংস্পর্শবিহীন স্পর্শ BCI এর সম্ভাব্যতা যাচাই করে।

3.2 পরিসংখ্যানগত বিশ্লেষণ

পরিসংখ্যানগত বিশ্লেষণে autdBCI এবং vtBCI প্যারাডাইমের মধ্যে শ্রেণিবিন্যাস নির্ভুলতায় কোন উল্লেখযোগ্য পার্থক্য প্রকাশ পায়নি (p > 0.05), যা নির্দেশ করে যে সংস্পর্শবিহীন উদ্দীপনা BCI প্রয়োগের জন্য কার্যকরভাবে সোমাটোসেনসরি মস্তিষ্কের প্রতিক্রিয়া জাগ্রত করতে পারে।

4. প্রযুক্তিগত বিশ্লেষণ

এই গবেষণা অ-আক্রমণাত্মক BCI প্রযুক্তিতে একটি উল্লেখযোগ্য অগ্রগতির প্রতিনিধিত্ব করে। AUTD পদ্ধতিটি ঐতিহ্যবাহী স্পর্শ BCI এর সমালোচনামূলক সীমাবদ্ধতাগুলো সমাধান করে, বিশেষ করে দীর্ঘমেয়াদী ব্যবহারের জন্য স্বাস্থ্যবিধি এবং আরাম সম্পর্কিত। CycleGAN এর ইমেজ ট্রান্সলেশন টাস্কে রূপান্তরমূলক প্রভাবের অনুরূপ (Zhu et al., 2017), এই কাজটি প্রদর্শন করে যে কীভাবে নতুন সংবেদনশীল উদ্দীপনা পদ্ধতি BCI ক্ষমতা প্রসারিত করতে পারে।

ব্যবহৃত ফেজড অ্যারে আল্ট্রাসাউন্ড প্রযুক্তি চিকিৎসা আল্ট্রাসাউন্ড ইমেজিং সিস্টেমের সাথে নীতিগুলো ভাগ করে, কিন্তু সেগুলোকে স্পষ্ট উদ্দীপনার জন্য সৃজনশীলভাবে প্রয়োগ করে। IEEE Transactions on Haptics এর গবেষণা অনুসারে, আল্ট্রাসোনিক মিড-এয়ার হ্যাপটিক্স বিভিন্ন প্রয়োগে প্রতিশ্রুতি দেখিয়েছে, কিন্তু এই গবেষণাটি BCI উদ্দেশ্যে প্রথম বাস্তবায়নগুলোর মধ্যে একটি প্রতিনিধিত্ব করে।

বিকিরণ চাপ প্রভাবের গাণিতিক ভিত্তি সুপ্রতিষ্ঠিত অ্যাকোস্টিক নীতিগুলো অনুসরণ করে, যেখানে প্রতি একক এলাকায় বল $F/A$ অ্যাকোস্টিক তীব্রতা $I$ এর সমানুপাতিক: $F/A = I/c$। এই ভৌত নীতিটি সংস্পর্শবিহীন উদ্দীপনা সক্ষম করে যা এই গবেষণার মূল উদ্ভাবন গঠন করে।

একটি সংকেত প্রক্রিয়াকরণের দৃষ্টিকোণ থেকে, গবেষণাটি প্রতিষ্ঠিত EEG শ্রেণিবিন্যাস পদ্ধতিগুলোর উপর নির্মিত, বিশেষ করে কমন স্পেশিয়াল প্যাটার্ন (Ramoser et al., 2000), আল্ট্রাসোনিক উদ্দীপনার দ্বারা উৎপন্ন নতুন সোমাটোসেনসরি ইভোকড পোটেনশিয়ালের জন্য সেগুলোকে অভিযোজিত করা।

5. কোড বাস্তবায়ন

নিচে AUTD কন্ট্রোল সিস্টেমের একটি সরলীকৃত সিউডোকোড বাস্তবায়ন দেওয়া হল:

class AUTDController:
    def __init__(self, transducer_count):
        self.transducers = [Transducer() for _ in range(transducer_count)]
        self.frequency = 50  # Hz
        
    def set_focal_point(self, x, y, z):
        """ফেজড অ্যারে কৌশল ব্যবহার করে ফোকাল পয়েন্ট সেট করুন"""
        phases = self.calculate_phases(x, y, z)
        for i, transducer in enumerate(self.transducers):
            transducer.set_phase(phases[i])
    
    def calculate_phases(self, x, y, z):
        """ফোকাল পয়েন্টের জন্য ফেজ শিফট গণনা করুন"""
        phases = []
        for transducer in self.transducers:
            distance = self.calculate_distance(transducer.position, (x,y,z))
            phase_shift = (distance % wavelength) * 360 / wavelength
            phases.append(phase_shift)
        return phases
    
    def generate_stimulus(self, pattern, duration):
        """স্পর্শ উদ্দীপনা প্যাটার্ন উৎপন্ন করুন"""
        for position in pattern:
            self.set_focal_point(*position)
            self.activate_transducers(duration)

6. ভবিষ্যত প্রয়োগ

AUTD-BCI প্যারাডাইম ভবিষ্যতের প্রয়োগের জন্য অসংখ্য সম্ভাবনা উন্মুক্ত করে:

• চিকিৎসা পুনর্বাসন: লকড-ইন সিনড্রোম রোগীদের জন্য যারা ঐতিহ্যবাহী BCI ব্যবহার করতে পারে না
• গেমিং এবং বিনোদন: সংস্পর্শবিহীন হ্যাপটিক ফিডব্যাক সহ উন্নত ইমার্সিভ অভিজ্ঞতা
• ভার্চুয়াল রিয়েলিটি: মাল্টি-সেনসরি অভিজ্ঞতার জন্য VR সিস্টেমের সাথে একীকরণ
• সহায়ক প্রযুক্তি: গুরুতরভাবে অক্ষম ব্যক্তিদের জন্য যোগাযোগ ব্যবস্থা

ভবিষ্যতের গবেষণার দিকগুলোর মধ্যে রয়েছে স্পেসিয়াল রেজোলিউশন উন্নত করা, মাল্টি-পয়েন্ট উদ্দীপনা ক্ষমতা বিকাশ করা, এবং হাইব্রিড সিস্টেমের জন্য অন্যান্য BCI মডালিটির সাথে একীকরণ।

7. তথ্যসূত্র

1. Hamada, K., Mori, H., Shinoda, H., & Rutkowski, T. M. (2014). Airborne Ultrasonic Tactile Display Brain-Computer Interface Paradigm. arXiv:1404.4184
2. Zhu, J. Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. IEEE ICCV
3. Ramoser, H., Muller-Gerking, J., & Pfurtscheller, G. (2000). Optimal spatial filtering of single trial EEG during imagined hand movement. IEEE Transactions on Rehabilitation Engineering
4. IEEE Transactions on Haptics. (2020). Advances in Mid-Air Haptic Technology
5. Mori, H., et al. (2012). Vibrotactile Stimuli for Brain-Computer Interface. Journal of Neural Engineering