Navrhování rozhraní mozků a počítače je nyní jednodušší než stavba s LEGO

Představte si, že budete moci skládat e -mail nebo nasměrovat vozík přímo s vašimi myšlenkami. Pro miliony lidí žijících s neurologickými poruchami, jako je ALS, by tato možnost mohla být měnící život. Jejich schopnost myslet a cítit se zůstává neporušená, ale spojení s vnějším světem je často narušeno.

Po celá desetiletí vědci snili o přemostění této mezery s rozhraními mozků a počítače (BCIS) – technologií, která lidem umožňuje komunikovat a interagovat pouze pomocí síly myšlení. Po celá léta byl však vývoj systémů BCI omezen na malou skupinu odborníků se specializovanými interdisciplinárními schopnostmi know-how a programování.

V našem článku Publikováno v PLOS ONEPředstavujeme pynoetiku, navržená k překonání jedné z největších bariér pro neurovědci v rané fázi-rigorózy.

Základní výzvy ve vývoji BCI

Ve způsobu rozsáhlého adopce BCI stojí dvě základní výzvy. Za prvé, naprostá složitost mozku znamená, že přístup univerzálního pro všechny velikosti v praxi zřídka funguje. Systémy určené pro jednu poruchu – nebo dokonce i pro jednoho jednotlivce – často selhávají za druhou. To zdůrazňuje naléhavou potřebu nástrojů, které podporují rychlé prototypování vysoce přizpůsobeného BCIS přizpůsobeného každému uživateli.

Za druhé, stávající vývojové platformy BCI často představují strmé křivky učení, postrádají flexibilitu a vyžadují, aby vědci žonglovali s patchworkem drahého, proprietárního softwaru. To nejen zvyšuje náklady, ale také vytváří významné překážky vstupu, což zpomaluje pokrok po celém poli.

Abychom tyto problémy vyřešili, vyvinuli jsme Pynoetic: zdarma, Open-Source Python Framework postavený pro demokratizaci BCI Research. Naším cílem bylo navrhnout platformu, která je výkonná a komplexní, ale také přístupná vědcům bez ohledu na jejich odborné znalosti kódování.

Co neurovědci chtěli: přístup bez kódu

Navrhli jsme pynoetiku, aby poskytovali nástroje potřebné k vytvoření vysoce přizpůsobených algoritmů, o kterých se domníváme, že jsou budoucností BCI. Jádrem našeho rámce je výkonné grafické uživatelské rozhraní (GUI) s jedinečným konfigurovatelným vývojovým diagramem „pick-and-place“.

To umožňuje každému výzkumníkovi vytvořit jedinečný recept BCI tažením a pádem instruktážních karet. Výzkumník může například vizuálně uspořádat karty označené „Filtrem signálu“, „Identifikovat klíčové kanály“ a „Výstup“, což činí komplexní proces návrhu potrubí intuitivní.

Věříme, že tento přístup bez kódu je měnič her. Posílí neurovědy, kliniky a další odborníky na doménu, aby rychle prototypovali a testovali své myšlenky, aniž by se dostali do složitého kódu. Pro naše kolegy, kteří jsou pokročilými programátory, jsme zajistili, že rámec stále umožňuje bezproblémovou integraci vlastních algoritmů s minimálním úsilím. Tato flexibilita je rozhodující pro přizpůsobení BCIS individuálním potřebám.

Umožněním vědcům snadno vyměnit algoritmy a překonfigurovat celý zpracovatelský potrubí, umožnili jsme doladit systém pro jedinečnou nervovou aktivitu konkrétní osoby.

Je důležité, že většina funkcí v rámci pynoetiky je vytvořena s laditelnými parametry, což vědcům poskytuje granulární kontrolu, aby upravovaly vše od nastavení filtru až po strojové učení Konfigurace modelu. Tím je zajištěno, že každá fáze potrubí BCI může být přesně kalibrována na jedinečnou neurofyziologii jednotlivce.

Celý tento systém lze považovat za digitální pracovní stůl nebo, vhodněji jako „lego sadu pro budování BCIS“. Aby se Pynoetic stal skutečně samostatným řešením, postavili jsme jej tak, aby pokrýval celý potrubí BCI, včetně generování podnětů (vytváření vlastního vizuálního a Stimuli auditoři to elicit specific brain responses), Data Acquisition and Recording (connecting to EEG hardware to record brain activity), Pre-Processing and Filtering (cleaning up noisy EEG signals and removing artifacts like eye blinks), Feature Extraction (identifying meaningful patterns in the brain data using a wide array of techniques), Classification (using Machine Learning and Deep Learning models to translate brain signals into commands) and Real-time Simulation (testing the Kompletní systém BCI v simulovaném prostředí 2D nebo 3D s vizuální a sluchovou zpětnou vazbou).

Postaveno pro spolupráci a budoucnost

Od začátku jsme navrhli pynoetiku, aby byli svobodní, Open-Sourcea křížové platformy (Windows, MacOS a Linux). Jako hlavní jazyk jsme si vybrali Python, aby se zapojil do obrovského ekosystému vědeckých a ML knihoven, které jsou již standardem v komunitě BCI.

Jednou z našich nejdůležitějších architektonických možností byla modularita. Pynoetiku jsme pečlivě rozdělili na odlišné moduly, které zajišťují různé oblasti odborných znalostí BCI. Tento design usnadňuje navigaci v systému a co je důležitější, podporuje spolupráci v komunitě. Doufáme, že odborníci se budou cítit zmocněni přispívat k specifickým modulům a aktualizaci, což zajišťuje, že pynoetické zůstávají aktuální s nejnovějšími nejmodernějšími metodami.

Víme, že je to jen první krok. Rámec nebude splnit každou potřebu okamžitě, ale toto vydání vidíme jako začátek širší konverzace. Předpokládáme, že Pynoetic bude růst prostřednictvím příspěvků komunity a přesahuje její počáteční podobu.

Snížením technické bariéry vstupu a nabídkou komplexní platformy All-in-One se domníváme, že Pynoetic může urychlit inovace ve výzkumu BCI a zmocnit globální komunitu vědců, aby přiblížila revoluční příslib technologie kontrolované myšlenky k realitě.

Tento příběh je součástí Dialogové okno Science xkde vědci mohou nahlásit zjištění ze svých publikovaných výzkumných článků. Navštivte tuto stránku Informace o dialogu Science X a o tom, jak se zúčastnit.

Gursimran Singh získal bakalářský titul v oboru elektroniky a komunikační inženýrství od Thapar Institute of Engineering and Technology v Indii v roce 2023. V současné době pracuje v Texas Instruments jako analogový inženýr v týmu vícefázových procesorů. Mezi jeho výzkumné zájmy patří zpracování signálu a integrované obvody smíšeného signálu.

Aviral Chharia je postgraduální student na Carnegie Mellon University. On byl oceněn ATK-NICK G. Vlahakis Graduate Fellowship v CMU, studenty vysokoškolské výzkumné absolvent excelence (Surge) společenství v IIT Kanpur, India a Mitacs Globalink Research Fellowship na University of British Columbia. Kromě toho byl dvojnásobným příjemcem stipendia děkana seznamu jako vysokoškoláka. Mezi jeho výzkumné zájmy patří počítačové vidění, počítačová grafika a strojové učení.