Paradigma Antara Muka Otak-Komputer Paparan Taktil Ultrasonik Udara

Kandungan

1. Pengenalan

Antara muka otak-komputer (BCI) secara tradisional bergantung pada paradigma visual, pendengaran, atau imaginasi motor yang memerlukan latihan pengguna yang meluas dan keupayaan deria yang lengkap. Penyelidikan ini memperkenalkan pendekatan baharu menggunakan teknologi paparan taktil ultrasonik udara (AUTD) tanpa sentuhan untuk mencipta paradigma BCI yang lebih mudah diakses dan bersih.

2. Bahan dan Kaedah

2.1 Persediaan Eksperimen

Tiga belas pengguna BCI sukarelawan lelaki (purata umur 28.54 ± 7.96 tahun) mengambil bahagian dalam eksperimen yang dijalankan di pelbagai institusi penyelidikan di Jepun. Kajian ini mengikut garis panduan Deklarasi Helsinki WMA dan mendapat kelulusan etika.

2.2 Teknologi AUTD

Penjana rangsangan AUTD menghasilkan rangsangan getaran taktil tanpa sentuhan melalui ultrasound fokus menggunakan teknik tatasusunan fasa. Tekanan sinaran $P_r$ dikira sebagai:

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

di mana $I$ ialah keamatan bunyi, $c$ ialah kelajuan bunyi, $p$ ialah tekanan bunyi, dan $\\rho$ ialah ketumpatan udara. Peranti ini beroperasi 40 kali di bawah had penyerapan kulit yang dibenarkan, memastikan keselamatan.

2.3 Pemprosesan Isyarat

Isyarat EEG diproses menggunakan algoritma corak ruang sepunya (CSP) untuk pengekstrakan ciri. Penapis ruang $W$ diperoleh dengan menyelesaikan masalah nilai eigen umum:

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

di mana $\\Sigma_1$ dan $\\Sigma_2$ ialah matriks kovarians bagi dua kelas.

3. Keputusan dan Kesimpulan

3.1 Perbandingan Prestasi

BCI berasaskan AUTD (autdBCI) menunjukkan prestasi setanding dengan BCI berasaskan pengubah getaran tradisional (vtBCI) dalam eksperimen dalam talian. Kedua-dua paradigma mencapai ketepatan pengelasan melebihi tahap kebetulan, mengesahkan kebolehgunaan BCI taktil tanpa sentuhan.

3.2 Analisis Statistik

Analisis statistik mendedahkan tiada perbezaan signifikan dalam ketepatan pengelasan antara paradigma autdBCI dan vtBCI (p > 0.05), mencadangkan bahawa rangsangan tanpa sentuhan boleh secara berkesan merangsang respons otak somatosensori untuk aplikasi BCI.

4. Analisis Teknikal

Penyelidikan ini mewakili kemajuan signifikan dalam teknologi BCI bukan invasif. Pendekatan AUTD menangani batasan kritikal BCI taktil tradisional, terutamanya mengenai kebersihan dan keselesaan untuk penggunaan jangka panjang. Serupa dengan kesan transformasi CycleGAN pada tugas terjemahan imej (Zhu et al., 2017), kerja ini menunjukkan bagaimana kaedah rangsangan deria baharu boleh mengembangkan keupayaan BCI.

Teknologi ultrasound tatasusunan fasa yang digunakan berkongsi prinsip dengan sistem pengimejan ultrasound perubatan, tetapi mengaplikasikannya secara kreatif untuk rangsangan taktil. Menurut penyelidikan dari IEEE Transactions on Haptics, haptik udara tengah ultrasonik telah menunjukkan janji dalam pelbagai aplikasi, tetapi kajian ini mewakili salah satu pelaksanaan pertama untuk tujuan BCI.

Asas matematik kesan tekanan sinaran mengikut prinsip akustik yang mantap, di mana daya per unit luas $F/A$ adalah berkadar dengan keamatan akustik $I$: $F/A = I/c$. Prinsip fizikal ini membolehkan rangsangan tanpa sentuhan yang membentuk inovasi teras penyelidikan ini.

Dari perspektif pemprosesan isyarat, kajian ini membina metodologi pengelasan EEG yang mantap, terutamanya corak ruang sepunya (Ramoser et al., 2000), menyesuaikannya untuk potensi evok somatosensori baharu yang dihasilkan oleh rangsangan ultrasonik.

5. Pelaksanaan Kod

Di bawah ialah pelaksanaan pseudokod ringkas sistem kawalan AUTD:

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):
        """Tetapkan titik fokus menggunakan teknik tatasusunan fasa"""
        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):
        """Kira anjakan fasa untuk titik fokus"""
        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):
        """Hasilkan corak rangsangan taktil"""
        for position in pattern:
            self.set_focal_point(*position)
            self.activate_transducers(duration)

6. Aplikasi Masa Depan

Paradigma AUTD-BCI membuka banyak kemungkinan untuk aplikasi masa depan:

• Pemulihan Perubatan: Untuk pesakit sindrom terkunci yang tidak boleh menggunakan BCI tradisional
• Permainan dan Hiburan: Pengalaman imersif dipertingkat dengan maklum balas haptik tanpa sentuhan
• Realiti Maya: Integrasi dengan sistem VR untuk pengalaman pelbagai deria
• Teknologi Bantuan: Sistem komunikasi untuk individu kurang upaya teruk

Arah penyelidikan masa depan termasuk meningkatkan resolusi ruang, membangunkan keupayaan rangsangan multi-titik, dan mengintegrasikan dengan modaliti BCI lain untuk sistem hibrid.

7. Rujukan

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