Přihlásit | Registrovat
Univerzita Tomáše Bati ve Zlíně
TRILOBIT
Zpracování mozkové aktivity v bci systémech

Zpracování mozkové aktivity v bci systémech

Roman Žák | 1. 6. 2012 0:00:00
Zařazení: Teorie|Číslo 1/2012|Přehledová stať

Jaromír ŠVEJDA, Roman ŽÁK, Roman JAŠEK

Univerzita Tomáše Bati ve Zlíně, Fakulta Aplikované Informatiky, nám. T.G. Masaryka 5555, 760 05 Zlín,

Česká republika, svejda@fai.utb.cz, rzak@fai.utb.cz, jasek@fai.utb.cz

Anotace: Cílem tohoto článku je teoreticky popsat principy a funkce BCI neuro-technologie a její současné využití. EEG je snímání elektromagnetických signálů z mozku, které jsou dále zpracovány a analyzovány BCI rozhraním mezi počítačem a lidským mozkem.

BCI systémy měří mozkovou aktivitu, ze které jsou následně odvozeny její specifické vlastnosti, jež jsou dále převedeny na signály vhodné pro ovládání koncového zařízení. Praktické využití systému BCI lze nalézt v mnoha aplikacích, např. rychlé odpovědi na jednoduché otázky, ovládání prostředí, pomalé zpracování textu, nebo provoz neuroprotéz a ortéz.

Abstract: The aim of the paper is to theoretically describe principles and functions of BCI neuro- technology and its current use. The EEG is sensing of electromagnetic signals from the brain that are further processed and analysed by BCI technology (which is the interface between the computer and the human brain).

These BCI systems measure the brain activity from which specific features are derived. Further, the features are translated into the device control signals. Practical use of BCI systems can be found in many applications, e.g. answer simple question quickly, control the environment, perform slow word processing, or operate neuroprosthesis and orthosis.

Klíčová slova: Rozhranní mozek – počítač (BCI), Elektroencefalogram (EEG), Aktivita mozku, Náhlavní zařízení Emotiv EPOC.

Keywords: Brain – Computer Interface (BCI), Electroencefalogram (EEG), Brain aktivity, Headset Emotiv EPOC.

1. Úvod

BCI (Brain – computer interface) je rozhraní, které slouží k propojení zařízení snímající mozkovou aktivitu s počítačem. Ke snímání mozkové aktivity se používají zařízení založené na principu technologie EEG (elektroencefalogram). Ačkoliv se v současné době objevuje celá řada aplikací využívajících BCI k řízení systémů na základě signálů snímaných z lidského mozku, nejsou výjimkou ani pokusy prováděné na zvířatech (zejména opice a laboratorní krysy). Jedna z oblastí, ve které je možné efektivně využít možnosti BCI technologie, je pomoc lidem s tělesným motorickým postižením ke snadnějšímu ovládání nejen počítačů, ale i celé řady dalších externí zařízení, kde počítač hraje roli prostředníka mezi mozkem a zařízením.

Základní funkcí systémů, využívajících BCI technologii (dále jen BCI systémy), je převod měřené mozkové aktivity na signály vhodné pro řízení cílového zařízení. Někdy se BCI zaměňuje s neuroprotetikou. V neuroprotetice však dochází spojení nervového systému se zařízením, které vykonává funkci protézy. Naproti tomu BCI realizuje spojení mezi centrálním nervovým systémem (mozkem) a počítačem.

V praxi je možné se setkat se třemi typy BCI systémů. Ty se rozdělují podle toho, jak je daný systém implantován do živého organismu.

Prvním typem jsou invazivní systémy, které jsou implantovány přímo do šedé kůry mozkové pomocí neurochirurgického zákroku. Díky tomu jsou získané signály v nejvyšší možné kvalitě. Nevýhodou je náchylnost k rozšiřování zjizvené tkáně v mozku, což může způsobit zeslabení nebo ztrátu signálu.

Další kategorií jsou částečně invazivní systémy, jež jsou charakteristické tím, že jsou částečně implantovány uvnitř lebky a zbytek se nachází mimo mozek. Produkují přesnější signál než neinvazivní BCI systémy. Zároveň je u nich nižší nebezpečí tvorby zjizvené tkáně v mozku než v případě invazivního přístupu.

Neinvazivní systémy nejsou zaváděny přímo do biologické struktury, ale nacházejí se celé mimo organismus. Snímání dat se provádí pomocí technologie EEG, která umožňuje měřit napěťové potenciály vycházející z mozkových neuronů. Jednotlivé snímače elektroencefalografu mohou být umístěny přímo na hlavě. Kvalita snímaného signálu je značně ovlivněna deformací, která je způsobena průchodem přes kostní tkáň.

2. Princip funkce neinvazivního BCI systému

Jak již bylo zmíněno výše, BCI systémy převádějí mozkovou aktivitu na signály vhodné k dalšímu využití. Jejich základní princip je znázorněn na Obr.  1. U neinvazivního BCI systému je mozková aktivita snímána pomocí přístroje EEG. Převod není snadnou záležitostí, protože signály získané z mozku nejsou stacionární, tj. jejich charakteristické vlastnosti se mění v závislosti na čase. Kromě toho, každý mozek se chová jinak, to znamená, že charakteristické vlastnosti závisí navíc také na snímaném objektu. Vytvoří-li se tedy algoritmus pro převod EEG signálu na signál vhodný k řízení cílového objektu, který bude spolehlivě pracovat s jedním mozkem, neznamená to, že bude stejně tak spolehlivě pracovat i s jiným. Z největší pravděpodobností nebude fungovat vůbec a bude tak nutné vytvořit úplně nový algoritmus. Proto byly pro tyto účely vyvinuty algoritmy, které jsou odolné vůči časovým změnám charakteristik signálu a zároveň jsou obecně použitelné. Tyto algoritmy také musí počítat s poměrně vysokou výpočetní složitostí. Jedná se zejména o algoritmy založené zpravidla na neuronových sítích [1].

Popis: bci-schema2.png

Obr.  1 – Obecný princip systému BCI

Popis principu všech BCI systémů, které byly doposud vyvinuty, by bylo nad rámec tohoto článku. V minulosti byl totiž každý BCI systém navržen speciálně pro jednu konkrétní BCI metodu. To se změnilo v roce 2000, kdy byl vyvinut systém BCI2000, do kterého je možné zahrnout buď jeden, nebo i více signálů z mozku, metody pro zpracování signálu, výstupní zařízení a dokonce i operační protokoly. Celý tento systém je podrobně popsán v [2].

Pro nastínění principu funkce BCI systému lze použít popis, uvedený v [3]. Autoři se zde zabývají možnostmi klasifikace jednoduchých objektů (krychle, válec, koule, jehlan a kužel) s využitím právě technologie BCI. Ke snímání mozkové aktivity používají EPOC HeadSet od společnosti Emotiv, který obsahuje celkem 14 snímačů. Každý snímač se nachází nad jinou částí mozku. Podrobnější popis zařízení je uveden vkapitole 3.

Signál získaný ze snímače je před začátkem jeho zpracování zesílen a filtrován pomocí číslicových filtrů. Důvodem je přítomnost nežádoucích artefaktů v samotném biologickém signálu (např. EEG síťové rušení, svalová aktivita, mrkání očí apod.). Použitý filtr musí být z výpočetního hlediska dostatečně rychlý a přesný, což do značné míry komplikuje jeho návrh. [4].

Autoři článku [3] prováděli experiment, kterého se zúčastnilo 10 dobrovolníků. Každému z nich byly nejprve předloženy vzory jednotlivých objektů. V druhé fázi dostali za úkol si tyto objekty představit. Od každého z nich tento experiment vyžadoval maximální soustředění, aby získané výsledky byly použitelné pro další výzkum. Na Obr. 2 je zobrazena ukázka naměřeného signálu pro dva objekty. Na začátku záznamu se nachází stimulační fáze, kde dochází k předložení objektu, po které následuje fáze duševní úlohy (imaginace objektu). Autoři experimentu prvních 10% druhé fáze signálu vyjmuli a pro další zpracování použili zbylých 90%. Poslední částí signálu je tzv. báze. Tím je myšlena fáze mezi ukončením imaginace objektu a předložením nového vzoru. Teoreticky by se tento stav dal nazvat stavem, kdy mozek nemyslí na nic konkrétního. Tato báze je pak dále použita při samotném zpracování signálu.

Obr. 2 – EEG signál zaznamenaný během dvou provedených pokusů

Po získání EEG signálu je potřeba provést další kroky vedoucí k získání jeho charakteristických vlastností využitelných pro klasifikaci jednotlivých vzorů. Vlastností existuje několik - autoregresní a adaptivní autoregresní parametry, hodnoty výkonové spektrální hustoty apod. Jejich výběr je závislý na konkrétních aplikacích.

Aktivita EEG signálu je zpravidla snímána ve čtyřech základních kanálech [4]:

  •  Alpha (8 -13 Hz)
  •  Beta (14 - 30 Hz)
  •  Theta (4 - 7,5 Hz)
  •  Delta (0,5 - 4 Hz)

Autoři článku [3] snímali navíc ještě kanál Gamma (30 - 64 Hz). Celkově tedy získali z každého snímače 5 kanálů. Dohromady bylo tedy naměřeno 70 signálů pro každý vzor. S ohledem na výpočetní složitost je tento počet příliš vysoký. Ke zredukování počtu signálů se používají metody, pomocí nichž lze zjistit, které z nich nesou nejdůležitější informaci o daném vzoru. Pro každý předložený vzor se za pomocí vybraných signálů vytvoří klasifikační třída. Protože je EEG signál náhodný a nestacionární, je vhodné pro vytvoření třídy použít i několik vzorů, aby byla při pozdější online analýze dosažena vyšší přesnost klasifikace.

Při online analýze pak dochází k porovnání vlastností snímaného signálu s vlastnostmi vytvořených tříd. Třída, ke které má naměřený signál nejblíže, je nakonec vybrána jako výsledek klasifikace.

3. Náhlavní zařízení od společnosti Emotiv

Společnost Emotiv vyvinula osobní BCI rozhraní pro interakci člověka s počítačem na principu neuro-technologie, která je založená na zpracování elektromagnetických vln vycházejících z lidského mozku.  Rozhraní, které nabízejí, má širokou škálu možných odvětví. Od interaktivních her, inteligentních adaptivních prostředí, audio vizuální umění a design, medicíny, robotiky, automobilového průmyslu až po další nasazení ve vědě a výzkumu se dá zařízení využít. [5]

Neuro-headset Emotiv EPOC získává a zpracovává signál přenesený bezdrátově do běžného počítače. Jedná se o zařízení, které má sadu senzorů pro snímání aktivity produkované mozkem. Oproti tradičním EEG přístrojům, které vyžadují použití vodivé pasty s cílem snížit zlepšit vodivost mezi elektrodou a vlasové pokožky, je náhlavní souprava EPOC jednodušší v tom, že tyto vedlejší doplňkové prostředky nejsou potřeba. Zařízení má 14 senzorů s vysokým rozlišením umístěných na optimálních polohách hlavy (Obr. 3) a navíc zahrnuje gyroskop pro stanovení pozice v prostoru. Kanály mají své označení vzhledem ke svému umístění na hlavě: AF3, F7, F3, FC5, T7, P7, O1, O2, P8, T8, FC6, F4, F8, AF4. Vzorkovací frekvence má interně 2048 Hz. [5]

Obr. 3 – Rozmístění elektrod na zařízení Neuro-headset Emotiv EPOC

Společnost Emotiv šla ve svém vývoji ještě dále a jako jeden z mála výrobců nabízí nejen hotové uživatelské zařízení EPOC s aplikacemi, ale i poskytuje podílení se na dalším vývoji v této vědní oblasti. Níže jsou popsány klíčové edice a komponenty podle jejich využití, jak uvádí výrobci na svých domovských stránkách:

  •  Limitovaná edice EPOC je k dispozici spotřebním zákazníkům po celém světě s tím, že uživatel dostává přístup k Emotiv App Store, což je veřejný Cloud, odkud lze aktualizovat a přidávat další software. K dispozici jsou různé druhy programů a systému. Tvůrčí aplikace - pomocí svých myšlenek, cítění a emocí lze dynamicky měnit barvu nebo hudbu. Virtuální aplikace - speciálně pro EPOC byly vyvinuty fantazijní interaktivní prostředí, které je právě ovlivněno jedinečnou myslí. Tyto aplikace jsou určeny hlavně pro zábavu. Další aplikace mohou něco ovládat soustředěným myšlením, jako jsou psaní na klávesnici, pohyb v počítačové hře nebo i řízení externích zařízení např. elektrický invalidní vozík. Software EmoKey spojuje technologii Emotiv a běžné uživatelské aplikace. Díky EmoKey procesu na pozadí mohou být detekovány události na nějakou kombinaci kláves. [5]
  •  Emotiv SDK je licence, která dovoluje vytvářet vlastní nebo obchodní aplikace pro Emotiv EPOC, které budou distribuovány prostřednictvím firemního Emotiv App Store. Licence je registrována na jednu osobu a není přenositelná. Vývojářská edice navíc kromě základního EPOC vybavení obsahuje další softwarové nástroje a knihovny. Sada SDK poskytuje vývojové prostředí pro nezávislé vývojáře. [5]
  •  Výzkumná SDK edice s licencí obsahuje další nástroje usnadňující analýzu EEG dat, a to al-time režimu pomocí nástroje TestBench (který zobrazuje v čase všechny dostupné kanály). [5]
4. Závěr

Aby bylo možné dále studovat aktivitu mozku, bude dalším krokem právě pořízení náhlavního snímače, protože o samotném teoretickém základu se může napsat dost pojednání, ale skutečné závěry, výsledky a možné aplikace se musí ověřit a otestovat až na fyzickém zařízení, bez kterého by práce neměla význam. Po seznámení se s existujícími a již probádanými technikami (aneb znovu objevování kola opravdu není příliš efektivní způsob, jak si zpříjemni život jednotlivce), se bude výzkum zabývat analýzou naměřených dat EEG, aby se dále rozhodlo, k jakému dalšímu rozvoji by mohlo v této oblasti dojít. Očekává se, že po důkladném studiu nejen zmíněného BCI systému, ale i mozku jako takového z biologického a psychologického hlediska, bude možné navrhnout zcela nové nebo doplňující softwarové aplikace. Lidský mozek je asi nejznámějším adeptem na nesložitější fungující systém v námi objeveném známém vesmíru, proto je přirozené se zabývat tím, jak pracuje a jak je možno jeho potenciál využít pro usnadnění bytí. Duševně zdravý mozek nemusí mít od svého vzniku vždy k dispozici fungující prostředky k interakci s okolním světem. Pokud je poškozena tělesná schránka, můžeme se pokusit vytvořit umělé rozhraní, prozatím ne tak dokonalé, ale přece jen vhodné pro plnění funkce usnadnění prostřednictvím spojení mozek-počítač-prostředí. Vytvoření takovéhoto propojení je primárním cílem celého projektu o technologii BCI. V porovnání jednodušší sekundární snahou bude vyvinout další zajímavé aplikace určené ke kreativním účelům. I krása, umění a zábava mají své místo, aby člověk mohl být potěšen. Aplikace založené na audio-vizuálních interagujících prostředí hlavně motivují a odreagovávají od všední reality. Pokud to bude možné, tak by bylo dalším budoucím řešením nasazení komplexního BCI rozhraní do oboru robotiky. Ovládání RC modelů či jiných externích zařízení zní možná jako sci-fi, ale ve světě již pár takových úspěšných pokusů proběhlo a bylo by to škoda nevyzkoušet, když tato sféra vědy není ještě plně poznána a pochopena.

Poděkování:
Článek byl uskutečněn za finančních podpor IGA Univerzity Tomáše Bati ve Zlíně, Fakulty aplikované informatiky čísla IGA/FAI/2012/008 a IGA/FAI/2012/009.

Reference:

[1]   MALANÍK, D., JAŠEK, R. Neural network face identification (2011) Recent Advances in Applied and Biomedical Informatics and Computational Engineering in Systems Applications - AIC'11, BEBI'11, pp. 129-134.http://www.scopus.com/inward/record.url?eid=2-s2.0-82655176826&partnerID=40&md5=a346c7948460fef3a4b1cd9463cbceec.

[2]   SCHALK, G., D.J. MCFARLAND, T. HINTERBERGER, N. BIRBAUMER a J.R. WOLPAW. BCI2000: A General-Purpose Brain-Computer Interface (BCI) System. DOI: 10.1109/TBME.2004.827072. Dostupné z: http://ieeexplore.ieee.org/lpdocs/epic03/wrapper.htm?arnumber=1300799.

[3]   ESFAHANI, Ehsan Tarkesh a V. SUNDARARAJAN. Classification of primitive shapes using brain?computer interfaces. DOI: 10.1016/j.cad.2011.04.008. Dostupné z: http://linkinghub.elsevier.com/retrieve/pii/S0010448511001035.

[4]   KRAJČA, Vladimír a Jitka MOHYLOVÁ. ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE.Číslicové zpracování neurofyziologických signálů. Praha: Česká technika - nakladatelství ČVUT, 2011. ISBN 978-80-01-04721-7.

[5]   EMOTIV.Emotiv | EEG System | Electroencephalography[online]. © 2012 [cit. 2012-03-21]. Dostupné z: http://www.emotiv.com/index.php.


Odborný vědecký časopis Trilobit | © 2009 - 2017 Fakulta aplikované informatiky UTB ve Zlíně | ISSN 1804-1795