贴片“膏药”就能意念操控轮椅：脑机接口无需植入，准确率超90% | Nature子刊...
栗子 鱼羊 发自 凹非寺
量子位 报道 | 公众号 QbitAI
你想象的脑机接口，是不是要带个帽子，上面有很多洞洞，把脑袋搞成一个蜂窝？
△ 我司一璞小姐姐
不不不，现在不用了。
只要在脖子后面贴一张薄薄的软软的“膏药”，再套一条时尚的发带，不用植入任何设备，也不用注射奇怪的试剂，就能用意念来控制机器了。
比如，脑电波操控轮椅：
△ 来自老番茄
啊不对，是这个：
△ 已加速
前进，后退，左转，右转。
系统能读懂人的心，经过6个人类亲身测试，接收每个指令的准确率，都超过了90%。
这样，高位截瘫的人类，动动脑子就可以出去玩了。
这是佐治亚理工学院的Woon-Hong Yeo教授，带领团队成员，借用深度学习开发出的新型脑机接口，登上了Nature的机器智能子刊。
它不止能支配轮椅，还能帮助小机器人灵活走位：
△ 已加速
它很薄，但很有深度
佐治亚理工学院的这套可穿戴脑机接口，显然比传统设备轻便许多，只有一条发带，和一贴“膏药”。
他们为其取名SKINTRONICS。
这一套新设备，其实是新型纳米膜电极，柔性电子设备和深度学习算法结合的产物。
在硬件上，主要有三个组成部分。
首先，是高度灵活的，安装在头发上的电极。电极可以通过头发与头皮直接接触。
传统的“湿”电极与导电凝胶耦合，以充分捕获信号，需要花费大量的时间来设置并进行定期维护。此外，水基凝胶还会随着时间的流逝而蒸发，导致皮肤电极接触阻抗衰减。
相比之下，SKINTRONICS采用的干电极，性能更为优秀。
当施加轻微的向下压力时，干发电极的导电挠性弹性体支腿会轻微张开，与头皮更好地接触。
其次，是超薄纳米膜电极。
这一块皮肤状电极具有网眼结构，采用气溶胶喷射印刷，可以拉伸。这样的设计能减少运动伪影，并增强皮肤与电极之间的接触阻抗。
整个系统实际采用了三个弹性头皮电极，用发带固定。而皮肤状印刷电极则被放置在耳后，通过柔性薄膜电缆连接到SKINTRONICS系统中。
最后，就是那块“膏药”——柔性无线电子设备。
通过微细加工技术，材料转移印刷和软硬件部件集成的一套组合拳，多通道柔性电子系统被封装在柔软的弹性膜中。
柔软到即使弯折180°，也不会对设备产生不利影响。
这一块柔性电路集成了蓝牙模块，大脑记录的脑电图数据会在其中进行处理，然后通过蓝牙传输到电脑上，有效范围为15米。
不过，光靠传感器是不够的。
横在面前的还有两个难题：
一是，SSVEP信号比较低，在几十微伏的范围，和身体里的电噪音很接近。所以，这样的信号不容易分析。
二是，人类的大脑有个体差异，每个人发出的信号都会有所不同，容易影响系统对用户指令的理解。
如果理解有偏差，就没办法按照人类的想法，来操控轮椅了。
所以，研究人员想到了深度学习。
一只CNN要学会根据脑电信号，准确分析出人类的指令。
而人类发出指令的方式，是做出某个动作：闭眼、看上面、看下面、看左边、看右边。不同的动作，有不同的脑电信号：
△ 已加速
AI按照频率 (Hz) 的不同，把信号分成了5类，对应的指令是：
一是无动作，二是往前走，三是逆时针，四是顺时针，五是往后退。
训练好的CNN，学到了一套权重，对分类更有帮助的参数，可以拎出来。
因为，它们代表了那些电极所在的点位，发出的信号更加有用。毕竟，不同位置收获的信号质量并不一样。
淘汰一部分获取信号不给力的电极，可以有效减少传感器的数量。只保留位置最佳的电极，也有助于AI理解人类的意图。
研究人员说，AI不需要提前了解特定的信号种类，深度学习在传统方法很难分解出特征的情况下，就派上了用场。
离线训练完成之后，团队在6个人类身上进行了轮椅控制测试。
结果，AI对4种指令的判断，准确率都在90%以上：
成功了。
不过，就像开头提到的那样，这一套指令不止能拿来控制轮椅。
小机器人的走位，也可以靠它支配：
△ 已加速
就连播放课件的时候，也用得上：
△ 已加速
大概，也能拿来打游戏吧。
当然，这项研究的价值，还不止于此。
助力病理研究
经典的EEG（脑电图）系统必须覆盖大部分头皮才能获得信号，在应用当中，无疑给使用者带来了身体和心理上的双重压力。
而这样小型、可穿戴式的脑机接口设备，将改变这一现状，为运动障碍人士带来更多的便利。
论文的通讯作者Woon-Hong Yeo介绍说，下一步研究，将集中在完全弹性的，无线自粘式电极的研究上。这样的电极可以直接安装在有头发的头皮上，无需再借发带之力。
并且，他们会进一步将电子器件小型化，以集成更多电极。这样，SKINTRONICS系统将能用来检测运动障碍者的运动诱发电位或运动心像（Motor Imagination），服务于未来的治疗应用研究。
注：运动心像，是人在心理上模拟/排练某种动作的过程，可用作精神康复。
在另一位论文作者Audrey Duarte的一项睡眠研究中，就已经用上了这套简单的EEG监测系统，来监测人们在自己家中睡觉时的神经活动。
使用以往的设备，这类研究只能在实验室中进行，还会让受试者感到相当不舒服。
或许，阿尔兹海默症等复杂病症的神经病理学研究，也将从此处获得新的突破。
研究团队
论文的通讯作者，是佐治亚理工学院机械工程学院和生物医学工程系的助理教授Woon-Hong Yeo。
Woon-Hong Yeo本科毕业于韩国仁荷大学，2011年在华盛顿大学拿到博士学位，17年成为佐治亚理工学院的助理教授。
一作Musa Mahmood是Woon-Hong Yeo的弟子，从弗吉尼亚联邦大学（VCU）一路追随Yeo来到佐治亚理工学院，目前在Yeo的课题组读博。
研究团队还包括Yeo课题组的Yun-Soung Kim，Saswat Mishra和Robert Herbert，以及佐治亚理工学院心理学学院副教授Audrey Duarte，肯特大学的Deogratias Mzurikwao，和威奇托州立大学的Yongkuk Lee。
传送门
论文地址：https://www.nature.com/articles/s42256-019-0091-7
— 完 —
大会启幕！预见智能科技新未来
量子位MEET 2020智能未来大会启幕，将携手优秀AI企业、杰出科研人员呈现一场高质量行业盛会！详情可点击图片：
2019中国人工智能年度评选启幕，将评选领航企业、商业突破人物、最具创新力产品3大奖项，并于MEET 2020大会揭榜，欢迎优秀的AI公司扫码报名！
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「好看」吧 !