واسط مغز و رایانه

مغز و کامپیوتر (به انگلیسی: Brain and computer interface) مجموعه‌ای از سنسورها و اجزای پردازش سیگنال تشکیل می‌شود.که فعالیت مغزی فرد را مستقیماً به یک سری سیگنال‌های ارتباطی یا کنترلی تبدیل می‌کند. در این سامانه ابتدا باید امواج مغزی را با استفاده از دستگاه‌های ثبت امواج مغزی ثبت کرد که معمولاً به دلیل دقت زمانی بالا و ارزان بودن و همچنین استفاده آسان، از الکتروانسفالوگرافی برای ثبت امواج مغزی استفاده می‌شود.

مقدمه

این شاخه از علم با عناوین زیادی شناخته می‌شود که واسط مغز و رایانه (BCI or Brain Computer Interface)، رابط بین ذهن و دستگاه (Brain Machine Interface)، رابط نورونی مستقیم(Direct Neural Interface (DNI و رابط تلپاتی (Synthetic Telepathy Interface (STI تعدادی از این نامهاست و در جهت بهبود شناخت انسان از محیط پیرامونش و افزایش توانایی او در ارتباط با دستگاه‌ها مختلف بودند.

های مختلفی می‌توانند باعث صدمه دیدن سیستم عصبی عضلانی که مغز از طریق آن قادر به ایجاد ارتباط و اعمال کنترل به محیط خارج است،شوند. بیماری‌هایی از قبیل سختیدگی جانبی فروافتادگی عضلات، حمله به ساقه مغز، آسیب‌های مغزی-نخاعی، فلج مغزی، دش ماهیچگی و فلج چندگانه مثال‌هایی از انواع بیماری‌هایی هستند که مسیر عصبی کنترل عضلات در آن‌ها آسیب می‌بیند. در شرایط حاد بیماری، فرد مبتلا ممکن است تمام حرکات ارادی خود را از دست بدهد. حتی ممکن است حرکات چشم و تنفس که اعمالی غیرارادی هستند نیز امکان‌پذیر نباشد. به این‌گونه بیماران، اصطلاحاً نشانگان قفل‌شدگی گفته می‌شود. در غیاب روش‌هایی برای جبران فیزیولوژیکی آسیب‌های وارده در اثر این بیماری‌ها، سه انتخاب برای بازآفرینی عملکرد طبیعی بیماران وجود دارد:[۱]

  1. افزایش قابلیت‌های مسیرهای عصبی-عضلانی باقی‌مانده.
  2. بازسازی عملکرد از دست رفته توسط عبور از مناطق آسیب دیده در مسیر عصبی.
  3. فراهم آوردن مسیر ارتباطی جدید و غیرماهیچه‌ای برای مغز است که از طریق آن بتواند مستقیماً پیام‌ها و دستورالعمل‌های کنترلی را به محیط خارج ارسال نماید که به آن کامپیوترر می گویند.

خصوصیتی که این رابط‌های مغز و رایانه را از سایر وسایل ارتباطی مجزا می‌کند، عدم نیاز به حرکتی آشکار در بدن به منظور انتقال اطلاعات می‌باشد. بدین ترتیب در حالتی ایده‌آل شخص باید بتواند بی حرکت در جای خود نشسته و با تمرکز بر برخی افکار و تولید امواج مغزی مناسب منظور خود را بیان کند. با توجه به عدم امکان تحرک در برخی بیماران، اهمیت این موضوع بیشتر نمایان می‌شود. مطالعات متعددی نشان دهنده تأثیر فعالیت‌ها و تصورات ذهنی گوناگون بر امواج مغزی بوده‌اند. به عنوان مثال، توان باند آلفا در هنگام عملیات لفظی در نیمکره چپ نسبت به نیمکره راست کمتر می‌شود. این در حالی است که دربارهٔ عمل تصور دوران سه بعدی این موضوع برعکس است. به این پدیده اصطلاحاً عدم تقارن باند آلفا می‌گویند. به عنوان مثالی دیگر، تصمیم به حرکت می‌تواند یک ریتم خاص به نام ریتم میو را در سیگنال مغزی کاهش داده یا بلوکه نماید.

  1. برو

تاریخچه

تاریخچه BCI به فردی به نام هنز برگرHans Berger و نوار مغزی (سیگنال الکتروانسفالوگرافی) برمیگردد. الکتروانسفالوگرافی یا EEG ثبت فعالیت‌های الکتریکی مغز است. اولین بار ماهیت الکتریکی بودن این سیگنال‌ها توسط هنز برگر کشف شد. یکی از سیگنال‌هایی که او کشف کرد امواج آلفا مغزی بود (در فرکانس ۸ تا ۱۳ هرتز).
اولین بار هنز برگر از سیم‌های نقره ای در زیر جمجمهٔ بیماران خود به عنوان الکترود استفاده کرد و از دستگاه لیپمن (وسیله‌ای برای اندازه‌گیری تحریکات الکتریکی بسیار کم) برای اندازه‌گیری پتانسیل الکتریکی استفاده کرد. اما حتی با سیم پیچ‌های نقره‌ای نیز نتوانست چیزی به دست آورد. سپس از گالوانومتر‌های دقیقتری مثل دستگاه شرکت زیمنس که تا یک ده هزارم ولتاژ را هم آشکار می‌کرد استفاده کرد که مؤثر واقع شد.[۲]

EEG

ازمایش‌های BCI روی حیوانات

تا کنون تحقیقات بسیاری روی میمون‌ها، خفاش و گربه انجام شده‌است که به اختصار به بعضی از آن‌ها اشاره شده‌است. از جمله حرکت دست رباتی توسط یک میمون در سال ۲۰۰۸ در دانشگاه پیتزبرگ(University of Pittsburgh Medical Center) یا حرکت نشانه گر موس روی صفحه فقط از طریق خواندن امواج مغزی میمون از پوسته مغز او و دادن فیدبک از طریق بینایی به حیوان (در این روش کم‌کم به حیوان می‌آموزند تا چگونه نشانه گر را روی صفحه کامپیوتر جابه‌جا کند). در سال ۱۹۶۹ در دانشگاه واشینگتن(University of Washington School of Medicine) نشان داده شد که میمون می‌تواند به راحتی کار کردن با یک دست رباتی را یاد بگیرد و در سال ۱۹۷۰ نیز نشان داده شد که اگر حیوان با دادن جایزه‌هایی تشویق شود می‌تواند الگوی مغزی خاصی را تولید کند. در دهه ۸۰ میلادی Apostolos Georgopoulos در دانشگاه جان هاپکینز نشان داد که رابطه‌ای ریاضی بین سیگنال‌های مغزی میمون رزوس (نوع خاصی میمون که در خیلی از مناطق زندگی می‌کند و مغز او تطبیق زیادی با مغز انسان دارد) و جهت حرکت دستهای او، بر اساس تابع کسینوس وجود دارد. او همچنین نشان داد که فعالیت‌های ارادی میمون را می‌توان توسط نورون‌هایی که در بخش‌های مختلف مغز میمون وجود دارد نیز ثبت کرد اما در هر لحظه فقط باید در یک نقطه این اندازه‌گیری انجام شود. البته این نتیجه‌گیری به دلیل محدودیت فیزیکی دستگاه‌های او بود.[۲]

مغز انسان

مغز مرکز دستگاه عصبی بدن است. مغز، نخاع و اعصاب محیطی از یاختههای عصبی میکروسکوپی به نام نورون ساخته شده‌اند، حدود ده هزار میلیون نورون فقط در قشر، حدود صدهزار میلیون نورون در سراسر مغز و چندین میلیون نورون هم در نخاع و اعصاب محیطی وجود دارند. هر نورون مطابق شکل۲ از سه قسمت عمده تشکیل شده‌است. نخستین قسمت تنه‌است که به تنه سایر انواع یاخته بی شباهت نیست. نورون حاوی هسته و سایر ساختارهایی است که معمولاً در یاخته‌ها یافت می‌شوند. دومین قسمت نورون، از زواید کوتاه و چند شاخه‌ای تشکیل می‌شود که از تنه یاخته بیرون زده‌اند و داندریتها خوانده می‌شوند. سومین قسمت، زایده دراز و باریکی است که آکسون نام دارد. آکسون به مثابهٔ سیم پیچی هر نورون است. آکسون پیام‌های الکتریکی عصب را در طول مسیر خود انتقال می‌دهد و نورون را به نورون دیگر یا به یکی از ماهیچه‌ها متصل می‌نماید.

شبکه نورونی

در دستگاه اعصاب میلیاردها نورون وجود دارند که پیام‌های عصبی را به صورت امواج الکتریکی ملایم منتقل می‌سازند. اما پیام‌های عصبی تنها از یک نورون به نورون دیگر منتقل نمی‌شوند. داندریت‌ها و انتهای آکسونها به چند شاخه منشعب می‌شوند و این شاخه‌ها با چندین نورون ارتباط پیدا می‌کنند، به‌طوری‌که هر نورون با چندین نورون مجاور مرتبط می‌گردد. تعداد ارتباطات نورونی در سراسر دستگاه اعصاب فوق‌العاده زیاد است. مسیرهای متفاوتی که هر پیام عصبی می‌تواند انتخاب کند تقریباً پایان ناپذیرند. اندیشه‌ها، احساسات و یادهای ما به عنوان الگوهای ویژه پیام‌های عصبی باقی می‌مانند و دائماً از طریق چند مسیر معین به مغز انتقال داده می‌شوند. هر پیام از میان میلیاردها آکسون و داندریت فقط یک مسیر خاص را انتخاب می‌کند.

یون‌ها و سیناپس‌ها

انتقال یافتن هر پیام عصبی در مسیر هر نورون ممکن است شبیه به عبور یکنواخت جریان الکتریسیته از سیم به نظر برسد، اما در حقیقت چنین نیست. آکسون لوله‌ای است باریک و پر از مواد شیمیایی محلول در آب. حرکت سریع امواج پیام عصبی وابسته به حرکت یون‌ها است. یون‌ها ذرات ریزی هستند که بار الکتریکی دارند. دو نوع اصلی یون در انتقال پیام عصبی نقش دارند که عبارتند از یون پتاسیم و یون سدیم، که دو مادهٔ فلزی معمولی هستند. به‌طور طبیعی در درون آکسون پتاسیم زیادتر و در درون آبگون دور آن سدیم بیشتر وجود دارد. بار الکتریکی درون آکسون اندکی منفی است، اما سطح خارجی آن بار الکتریکی مثبت دارد. در لحظهٔ ورود پیام عصبی، غشای آکسون تغییر پیدا می‌کند تا یون‌ها بتوانند از آن نشت کنند، یعنی هنگامی که یون‌های پتاسیم از آکسون خارج می‌شوند، یون‌های سدیم وارد آن می‌گردند. این رویداد توازن الکتریکی را در آن نقطه ناگهان تغییر می‌دهد، یعنی بار الکتریکی درون غشای سطحی از منفی به مثبت تبدیل می‌شود. در حالی که پیام عصبی پیش می‌رود، یون‌ها به جای نخست بازمی‌گردند و توازن الکتریکی ابقا می‌گردد. این حالت تبدیل یونی مثل یک موج در سراسر آکسون پیش می‌رود و حرکت پیام عصبی را باز می‌نماید. تمام این فرایندها در یک هزارم ثانیه به وقوع می‌پیوندد. نورون‌ها در عمل یکدیگر را لمس نمی‌کنند. میان هر نورون فضای کوچکی وجود دارد که سیناپس خوانده می‌شود. در این نقطه پیام عصبی به کمک مواد شیمیایی خاصی به نام انتقال دهنده‌های عصبی از یک سوی سیناپس به سوی دیگر آن می‌جهد.

ساختار مغز

مغز انسان را می‌توان از نظر سازمانی به سه بخش کلی تقسیم کرد: ساقهٔ مغز، مخچه و غشای مغز. ساقهٔ مغز عملاً امتداد و جزئی از نخاع و بخشی از مغز است که پیش از همه تکامل می‌یابد و ساختاری به نام بصل النخاع را دربردارد که سامانه‌های تنظیم‌کننده لازم برای ادامهٔ حیات را شامل می‌شود، مثل سامانه‌های تنفس، ضربان قلب و تنظیم دمای بدن. در بالای ساقهٔ مغز، تودهٔ ویژه‌ای به نام مخچه وجود دارد. این پردازشگر سیگنال جالب توجه، در حفظ تعادل و انجام حرکات آرام و هماهنگ نقش حیاتی دارد. تالاموس به عنوان یک نقطه انتخاب اولیه برای تمام اطلاعات حسی (بینایی، شنوایی و حس‌های پیکری) که در نهایت به بخش پیچیده‌تر بیرونی مغز یعنی قشر می‌رسند، عمل می‌کند. بخشی از مغز که سطح آن از همه بالاتر و حجیم‌تر است، مخ نامیده می‌شود و از دو نیم‌کره مغزی راست و چپ تشکیل می‌شود. غشا مغزی لایهٔ سطحی هر نیم‌کره را تشکیل می‌دهد. گرچه عملکرد ساختار پیچیده غشای مغز به‌طور کامل درک نشده‌است ولی می‌توان آن را به لوب‌های زیر از نظر کاری که انجام می‌دهند تقسیم کرد:

  1. لوب پس‌سری یا قشر بینایی اولیه در قسمت عقب سر.
  2. لوب گیجگاهی که قسمت پایینی میانی هر یک از نیمکره‌ها را اشغال می‌کند و قشر شنوایی اولیه را دربردارد.
  3. لوب آهیانه‌ای که از عقب به لوب پس‌سری و از جلو به یک فرورفتگی مهم که از چپ به راست امتداد دارد و شیار مرکزی نامیده می‌شود، محدود می‌شود. لوب آهیانه‌ای از نواحی تقریباً مشخصی تشکیل یافته‌است. یکی از این ناحیه‌ها مسئول دریافت سیگنال‌های حسی از هر ناحیه‌ای از بدن است (برآمدگی مرکزی پشتی که در پشت شیار مرکزی قرار دارد و به عنوان کرتکس یا غشر حس پیکری نیز شناخته می‌شود) و ناحیه‌ای در قسمت جلوتر که به ادراکات حسی تشخیصی که مرتبه بالاتری دارند (مثل توانایی شناخت اشیای مختلف از روی شکل وقتی در کف دست انسان قرار داده می‌شوند) و خودآگاهی (آگاهی فرد از بدن خود و موقعیتش اندامش در فضا) مربوط می‌شود.
  4. لوب پیشانی، قسمتی از نیمکره‌های راست و چپ که در جلوی شیار مرکزی قرار دارند. درست در جلوی شیار مرکزی، قشر حرکتی اولیه قرار دارد که کنترل عصبی خامی روی نورون‌های حرکتی ایجاد می‌کند.

همان‌طور که مشاهده می‌شود هر سانتیمتر مربع از مغز، از نظر عملکردی مشخص و متمایز نشده‌است. بخش‌های باقی‌مانده را معمولاً نواحی وابسته می‌نامند. بعضی اظهار داشته‌اند که این نواحی در گردآوری اطلاعات از دیگر بخش‌ها برای اصلاح فرایندهای عصبی نقش دارد. در شکل ۳ این نواحی را روی مغز نشان داده شده‌است.

استاندارد ۱۰–۲۰

برای داشتن امکان مقایسه نتایج ثبت سیگنال مغزی و امکان تعمیم نتایج در سال ۱۹۴۹م. یک شیوه الکترودگذاری به عنوان استاندارد بین‌المللی شناخته شد. این چیدمان جهانی الکترودها که به عنوان استاندارد ۱۰–۲۰ شناخته شد، امکان پوشاندن تقریباً تمام نواحی سر را توسط الکترودها فراهم می‌کند (شکل ۸). انتخاب محل الکترودها بر اساس نقاط ویژه استخوان جمجمه انجام پذیرفته‌است. الکترودها در نواحی تلاقی سطوح استخوان جمجمه قرار می‌گیرند که سایر الکترودهای میانی بر اساس ۱۰ و ۲۰ درصد کل فاصله چیده خواهند شد. شکل ۴ نواحی مختلف قرارگیری الکترودها را نشان می‌دهد. نام هر منطقه بر اساس لبی که در آن قرار گرفته‌است و قرار داشتن در نیم‌کره راست یا چپ مشخص می‌شود به این صورت که در نیم‌کره چپ با اعداد فرد و در نیمکره راست با اعداد زوج نشان داده می‌شود.

امواج مغز

سیگنال‌های EEG که می‌توان به عنوان ورودی سیستم BCI استفاده کرد را می‌توان به دسته‌های زیر تقسیم کرد:

  1. فعالیت‌های مغزی ریتمیک.
  2. پتانسیل‌های برانگیخته.

مغز متشکل از میلیون‌ها سلولی است که هر کدام عمل متفاوتی را انجام می‌دهند. از این‌رو در هر لحظه، و در هر جای مغز ترکیب مختلفی از انواع بسامدها را می‌توان داشت. بسته به سطح هوشیاری، امواج مغزی افراد طبیعی، فعالیت ریتمیک متفاوتی از خود نشان می‌دهد. برای مثال، مراحل مختلف خواب را می‌توان در EEG مشاهده کرد. همچنین به هنگام بیداری نیز امواج ریتمیک متفاوتی به‌وجود می‌آید. این ریتم‌ها با افکار و اعمال مختلف تحت تأثیر قرار می‌گیرند. برای مثال، طرح‌ریزی یک حرکت می‌تواند یک ریتم خاص را بلوکه یا تضعیف کند. این واقعیت که افکار محض می‌توانند روی ریتم‌های مغزی اثر بگذارند، می‌تواند به عنوان اساس سیستم‌های رابط مغز و رایانه به‌کار رود. همان‌طور که در جدول ۱ نشان داده شده، این امواج را می‌توان به چندین رنج فرکانسی تقسیم کرد.
۱. باندهای فرکانسی امواج ریتمیک
فرکانس باند

  • (۰٫۱–۳) دلتا
  • (۴–۷) تتا
  • (۸–۱۵) آلفا
  • (۱۶–۳۱) بتا

پتانسیل‌های برانگیخته در حقیقت تغییراتی در سیگنال EEG هستند که در پاسخ به یک «اتفاق» مغزی یا محرک خاص روی می‌دهند. این تغییرات آنقدر کوچکند که برای آشکارسازی آن باید نمونه‌های بسیاری از EEG در تکرارهای زیاد میانگین‌گیری شوند. این میانگین‌گیری پرش‌های تصادفی سیگنال EEG که وابسته به محرک نیستند را از بین می‌برد؛ بنابراین بررسی سیگنال‌های ناشی از تحریک مغز همان تجزیه و تحلیل حوزه زمان سیگنال EEG می‌باشد. به عنوان نمونه‌ای از این پتانسیل‌ها می‌توان به پتانسیل P300 اشاره کرد؛ که با تأخیری حدود ۳۰۰ میلی‌ثانیه و با پیک مثبت روی جمجمه قابل ثبت خواهد بود.

‌ها نیست.» این سامانه از اجزای زیر تشکیل می‌شود:

  1. مرحله جمع‌آوری داده‌ها شامل ثبت اطلاعات خام EEG است که از الکترودها در مکان‌های مشخصی از مغز گرفته می‌شود و ورودی سیستم BCI را تشکیل می‌دهد. انتخاب‌هایی نظیر تعداد، مکان و تراکم الکترودها، کانال‌های ورودی را مشخص می‌کند. مرحله پیش پردازش از فاز جمع‌آوری شامل تقویت کردن، فیلتر کردن و تبدیل سیگنال آنالوگ به دیجیتال است.
  2. مرحله بعدی، یک مرحلهٔ بهینه‌سازی اطلاعات است که به صورت اختیاری صورت می‌گیرد و شامل بهبود نسبت سیگنال به نویز، با حذف آرتیفکت و کاهش افزو۹نگی اطلاعاتی است که از کانال‌های EEG دریافت می‌شود.
  3. استخراج ویژگی مهم‌ترین مرحله در هر سیستم BCI است. این مرحله شامل استخراج ویژگی‌های وابسته به دستور و قابل تمییز از سیگنال‌های EEG حاصل از مرحلهٔ پیش پردازش است که برای این استخراج ویژگی از الگوریتم‌های پردازش سیگنال‌های دیجیتال استفاده می‌شود.
  4. مرحله کلاس بندی یا ترجمهٔ ویژگی شامل مشخص کردن الگوهای ویژگی برای آسان کردن دسته‌بندی دستورها کاربر است. می‌توان از ساده‌ترین روش که گذاشتن یک حد آستانه یا استفاده از یک مدل خطی است تا روش‌های پیچیده غیر خطی مبتنی بر شبکه‌های عصبی استفاده کرد.

نمونه‌ای از سامانه پیاده‌سازی شده

همان‌طور که در شکل ۶ نشان داده شده‌است این سامانه به این صورت عمل می‌کند که ۴ صفحهٔ شطرنجی که با فرکانس‌های مختلف در حال چشمک زدن هستند به همراه شی‌ای که کاربر می‌خواهد آن را کنترل کند، حرکت می‌کنند. زمانی که کاربر توجه خود را به یک تصویر خاص متمرکز می‌کند یا به آن خیره می‌شود، یک مؤلفهٔ تناوبی با همان فرکانسی که تصویر در حال چشمک زدن است، در سیگنال EEG، خصوصاً در ناحیهٔ بینایی از مغز مشاهده می‌شود. این تصاویر چشمک زن می‌توانند برای کنترل جهت ماشین استفاده شود. زمانی که کاربر به صفحهٔ بالای ماشین خیره می‌شود، ماشین به سمت بالا حرکت می‌کند و بدین ترتیب می‌تواند جهت حرکت ماشین را کنترل کند.

منابع

  1. ف. ممشلی، سیتم BCI، پایان‌نامه کارشناسی، دانشکده مهندسی پزشکی، دانشگاه صنعتی امیرکبیر، 1381
  2. ۲٫۰ ۲٫۱ https://en.wikipedia.org/wiki/Brain–computer_interface

مغز رایانه

[3] Davila, C. E. and Srebro, R. "Subspace averaging of steady-state visual evoked potentials." Biomedical Engineering, IEEE Transactions on, Vol. 47, Iss. 6, pp. 720–728. (2000).

[4] Muller, G. R. , Neuper, C. , and Pfurtscheller, G. , "Implementation of a telemonitoring system for the control of an EEG-based brain-computer interface," IEEE Trans Neural Syst.Rehabil.Eng, vol. 11, no. 1, pp. 54–59, 2003.

[5] Krausz, G. , Scherer, R. , Korisek, G. , and Pfurtscheller, G. , "Critical decision-speed and information transfer in the "Graz Brain-Computer Interface"," Appl Psychophysiol.Biofeedback, vol. 28, no. 3, pp. 233-240, 2003.

[6] Obermaier, B. , Muller, G. R. , and Pfurtscheller, G. , ""Virtual keyboard" controlled by spontaneous EEG activity," IEEE Trans Neural Syst.Rehabil.Eng, vol. 11, no. 4, pp. 422-426, 2003.

[7] Eric W. Sellers , Emanuel Donchin ,”A P300-based brain–computer interface: Initial tests by ALS patients”,Elsevier,pp. 476–483, 2006

[8] F. Piccione a,*، F. Giorgi a, P. Tonin a, K. Priftis a,b, S. Giove c, S. Silvoni d, G. Palmas d, F. Beverina,” P300-based brain computer interface: Reliability and performance inhealthy and paralysed participants”,Elsevier, pp. 531–537, 2006

[9] Po-Lei Lee, Jen-Chuen Hsieh, Chi-Hsun Wu, Kuo-Kai Shyu,Yu-Te Wu,“Brain computer interface using flash onset and offset visual evoked potentials”, Elsevier, pp. 605–616, 2008

[10] http://www.bci-info.org

[11] Raymond Carl Smith, “Electroencephalograph based Brain Computer Interfaces”, thesis, University College Dublin (NUI) , Electrical and Electronic Engineering, 2004