Парадигма интерфейса мозг-компьютер на основе воздушного ультразвукового тактильного дисплея

Содержание

1. Введение

Интерфейсы мозг-компьютер (BCI) традиционно полагались на визуальные, слуховые парадигмы или парадигмы моторного воображения, которые требуют обширного обучения пользователя и сохранных сенсорных способностей. Данное исследование представляет новый подход с использованием бесконтактной технологии воздушного ультразвукового тактильного дисплея (AUTD) для создания более доступной и гигиеничной парадигмы BCI.

2. Материалы и методы

2.1 Экспериментальная установка

Тринадцать добровольцев-мужчин, пользователей BCI (средний возраст 28.54 ± 7.96 лет), приняли участие в экспериментах, проведенных в нескольких научно-исследовательских институтах Японии. Исследование следовало руководствам Хельсинкской декларации ВМА и получило этическое одобрение.

2.2 Технология AUTD

Генератор стимулов AUTD создает вибротактильную бесконтактную стимуляцию посредством сфокусированного ультразвука с использованием техники фазированной решетки. Радиационное давление $P_r$ рассчитывается как:

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

где $I$ — интенсивность звука, $c$ — скорость звука, $p$ — звуковое давление, и $\rho$ — плотность воздуха. Устройство работает в 40 раз ниже допустимых пределов поглощения кожей, обеспечивая безопасность.

2.3 Обработка сигналов

Сигналы ЭЭГ обрабатывались с использованием алгоритма общих пространственных паттернов (CSP) для извлечения признаков. Пространственный фильтр $W$ получается путем решения обобщенной проблемы собственных значений:

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

где $\Sigma_1$ и $\Sigma_2$ — ковариационные матрицы двух классов.

3. Результаты и выводы

3.1 Сравнение производительности

BCI на основе AUTD (autdBCI) продемонстрировал сопоставимую производительность с традиционным BCI на основе вибротактильных преобразователей (vtBCI) в онлайн-экспериментах. Обе парадигмы достигли точности классификации выше случайного уровня, подтверждая осуществимость бесконтактного тактильного BCI.

3.2 Статистический анализ

Статистический анализ не выявил значимой разницы в точности классификации между парадигмами autdBCI и vtBCI (p > 0.05), что позволяет предположить, что бесконтактная стимуляция может эффективно вызывать соматосенсорные мозговые ответы для приложений BCI.

4. Технический анализ

Данное исследование представляет собой значительный прогресс в технологии неинвазивных BCI. Подход AUTD решает критические ограничения традиционных тактильных BCI, особенно касающиеся гигиены и комфорта при длительном использовании. Подобно преобразующему влиянию CycleGAN на задачи трансляции изображений (Zhu et al., 2017), эта работа демонстрирует, как новые методы сенсорной стимуляции могут расширить возможности BCI.

Используемая технология ультразвука с фазированной решеткой разделяет принципы с системами медицинского ультразвукового изображения, но творчески применяет их для тактильной стимуляции. Согласно исследованиям из IEEE Transactions on Haptics, ультразвуковая тактика в воздушной среде показала перспективность в различных приложениях, но данное исследование представляет одну из первых реализаций для целей BCI.

Математическая основа эффекта радиационного давления следует устоявшимся акустическим принципам, где сила на единицу площади $F/A$ пропорциональна акустической интенсивности $I$: $F/A = I/c$. Этот физический принцип позволяет осуществлять бесконтактную стимуляцию, которая является核心 инновацией данного исследования.

С точки зрения обработки сигналов, исследование опирается на установленные методологии классификации ЭЭГ, в частности общие пространственные паттерны (Ramoser et al., 2000), адаптируя их для новых соматосенсорных вызванных потенциалов, генерируемых ультразвуковой стимуляцией.

5. Реализация кода

Ниже представлена упрощенная псевдокодовая реализация системы управления AUTD:

class AUTDController:
    def __init__(self, transducer_count):
        self.transducers = [Transducer() for _ in range(transducer_count)]
        self.frequency = 50  # Гц
        
    def set_focal_point(self, x, y, z):
        """Установить фокальную точку с использованием техники фазированной решетки"""
        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):
        """Рассчитать фазовые сдвиги для фокальной точки"""
        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):
        """Сгенерировать тактильный стимульный паттерн"""
        for position in pattern:
            self.set_focal_point(*position)
            self.activate_transducers(duration)

6. Перспективные приложения

Парадигма AUTD-BCI открывает множество возможностей для будущих приложений:

• Медицинская реабилитация: Для пациентов с синдромом запертости, которые не могут использовать традиционные BCI
• Игры и развлечения: Улучшенные immersive-впечатления с бесконтактной тактильной обратной связью
• Виртуальная реальность: Интеграция с системами VR для мультисенсорного опыта
• Вспомогательные технологии: Системы коммуникации для лиц с тяжелыми формами инвалидности

Будущие направления исследований включают улучшение пространственного разрешения, разработку возможностей многоточечной стимуляции и интеграцию с другими модальностями BCI для гибридных систем.

7. Ссылки

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