previous pauseresume next

تاریخچه BCI

تصویرکوچک: 

سیگنال‌های الکتریکی مغزی الكتروانسفالوگرام (Electroencephalography) نخستین بار در سال،١٩٢۰ توسط دکتر هانس برگر شناخته شدند و از همان زمان در تشخیص‌های پزشکی و پژوهش‌های تحقیقاتی مورداستفاده قرار گرفتند. شايد هنوز هم براي عده‌ای- ثبت سیگنال‌های مغزي، تصور خوانده شدن افكار و ذهنيات را به همراه داشته باشد؛ اما براي افرادي كه با اين سیگنال‌ها آشنايي دارند پوشيده نيست كه شكل موجهی ثبت‌شده از روي سر بسيار آشفته و نويز گونه می‌باشند و استخراج اطلاعات مفيد از آن‌ها، براي متخصصان هم دشوار است. لذا اغلب مدل‌های رياضي ارائه‌شده براي اين سیگنال‌ها، مدل‌هایی آماري هستند و تشخیص‌های پزشكي صورت گرفته با EEG غالباً به‌طور تجربي و بر مبناي مشخصات بسيار كلي زماني و فركانسي همچون متوسط دامنه و ريتم استوار هست. اگرچه از اوايل كشف سیگنال‌های مغزي، برقراري ارتباط مستقيم مغز انسان با محيط اطرافش جزء آمال محققان و متخصصان علوم اعصاب به‌حساب می‌آمد، اما به جهت مناسب نبودن وسايل ثبت سيگنال و امكانات پردازش در آن زمان پيشرفت چشمگيري در اين زمينه صورت نگرفت. خوشبختانه در دو ده اخير با پیشرفته‌ای صورت گرفته در زمین الكترونيك و كامپيوتر و ابداع ابزارهاي جديد و مناسب پردازش سيگنال، اين آرزوي ديرينه رفته‌رفته رنگ تحقق به خود می‌گیرد. امروزه BCI عنوان عامي است از روش‌هایی كه به‌ منظور برقراري چنين ارتباطي پیشنهادشده‌اند. در اين روش‌ها سيگنال EEG از طريق چندين الكترود از روی سطح کاسه سر و يا از طريق الكترودهاي كاشته شد درون مغزي ثبت‌شده و توسط سيستم BCI پردازش می‌شود. مغز انسان شبکه‌ای است پیچیده از سلول‌های عصبی یا نورون‌ها که در ارتباط با یکدیگر می‌باشند. چون این ارتباط میان نورون‌ها به‌صورت الکتریکی است، بنابراین میدان‌های الکتریکی و مغناطیسی در اطراف آن‌ها ایجاد می‌شود که با ثبت سیگنال‌های مغزی می‌تواند به سه صورت تهاجمی نیمه تهاجمی و غیرتهاجمی انجام گیرد که برای گونه‌ی غیرتهاجمی می‌توان ثبت سیگنال‌های الکتریکی EEG و سیگنال‌های MEG ، تصویربرداری تشدید مغناطیسی fMRI و یا سیستم‌های نزدیک به مادون‌قرمز نیز استفاده کرد. فناوری‌های فعلی ضبط fMRI و MEG گران‌قیمت و حجیم هستند ولی نسبت به آن‌ها تکنولوژی fNRI که از امواج الکترومغناطیسی نزدیک به مادون‌قرمز برای استفاده می‌کند به‌طور بالقوه ارزان‌تر و فشرده‌تر است؛ اما هردوی fMRI و fNRI به دلیل وابستگی به تغییرات جریان خون مغزی پاسخ‌دهی کندی دارند. بنابراین در حال حاضر هنوز سیگنال‌های الكتروانسفالوگرام کاربردی‌ترین سیگنال برای استفاده در BCI هستند. از کاربرد‌های ثبت سیگنال‌های مغزی می‌توان تشخیص بیماری و یا کمک به افراد معلول و ساخت تجهیزات توان‌بخشی یا ارتباط انسان با ماشین نام برد. در اصل یک سیستم BCI با داشتن سیگنال‌های مغزی یک فرد که می‌تواند به‌صورت‌های گوناگونی که ثبت‌شده باشد، به تفسیرها دستگاهی مجزا به انجام کارهای که موردنظر است بپردازد. این موضوع خود می‌تواند کاربردهای گوناگونی این داده‌ها و اهمیت ویژه تحلیل دقیق آن‌ها را بسیار برای ما بااهمیت کند. درهرصورت سيگنال EEG پس از ثبت توسط الكترودها جهت انجام پردازش‌های لازم وارد كامپيوتر و يا هر سيستم پردازشي ديگر مانند (كارت DSP ) می‌شود. وظيفه واحد پردازشي BCI استخراج ویژگی‌هایی است كه بتوان از روي آن‌ها به يك معيار تمايز براي EEG هاي مختلف رسيد (بسته به نوع ورودي و فعاليت مغزي انتخاب‌شده) سپس بر مبناي اين ویژگی‌ها عمل دسته‌بندی صورت می‌گیرد. اگرچه در حال حاضر تحقيقات درزمینه BCIبيشتر جنبه آزمايشگاهي دارد و هنوز محصولي از آن به بازار عرضه نشده است, اما تاکنون كاربردهاي متعددي براي آن پیشنهادشده است. نخستين كاربرد آنکه در مراجع مختلف هم بدان اشاره‌شده است- در كمك رساندن به بيمارانيست كه از مصدومیت‌های شديد سيستم عصبي رنج می‌برند. در این‌گونه افراد, بعضاً مغز فرمانهاي حركتي لازم را جهت حركت عضلات و اندام‌ها صادر می‌کند, اما به علت نارسایی‌های سيستم عصبي (مثلاً براثر قطعي نخاع), مانند آسیب‌های اندام‌های فوقانی و یا یک نیم‌تنه یا چهار اندام حرکتی در اصطلاح به این افراد به ترتیب پاراپلژیک همی پلژیک و تتراپلژیک میگویند که فرمان‌های صادرشده از مغز به اندام‌ها منتقل نمی‌شوند. بسته به نوع و سطح آسیب در اين صورت سيستم كه فرمان‌ها را مستقيماً از مغز دريافت می‌کند, می‌تواند براي حركت دادن پروتزهای مصنوعي , حركت دادن ويلچر و يا صرفاً براي انتقال نيازهاي شخص به اطرافيان مورداستفاده قرار گيرد. البته كاربردهاي BCI محدود به چنين نارسایی‌های شديدي نمی‌شود؛ بلكه در صورت ساخت يك سيستم ,BCI باقابلیت اطمينان بالا, می‌توان از آن در كاربردهاي عادي و روزمره هم به‌عنوان رابطي مابين مغز انسان و دنياي اطراف استفاده نمود.

BCI Systems