ИМК

Интерфейсы «мозг-компьютер» (ИМК) открывают большие перспективы для восстановления коммуникации у людей с тяжёлыми двигательными или речевыми нарушениями. Воображаемое письмо, как форма двигательного воображения, предлагает интуитивную парадигму для нейронного декодирования на уровне символов. Хотя инвазивные методы, такие как электрокортикография (ЭКоГ), обеспечивают высокую точность декодирования, их хирургические требования создают клинические риски и затрудняют масштабируемость. Неинвазивные альтернативы, такие как электроэнцефалография (ЭЭГ), более безопасны и доступны, но страдают от низкого отношения сигнал/шум и пространственного разрешения, что ограничивает их эффективность при декодировании с высоким разрешением. Передовое машинное обучение в сочетании с извлечением информативных признаков может преодолеть эти ограничения, обеспечивая производительность декодирования на основе ЭЭГ, приближающуюся к инвазивным методам, при этом поддерживая вывод в реальном времени на периферийных устройствах. Была представлена первая, работающая в реальном времени, высокоточная система для декодирования воображаемого текста из неинвазивных сигналов ЭЭГ. Данные ЭЭГ были собраны у 15 участников с использованием 32-канального головного шлема и предварительно обработаны с помощью полосовой фильтрации и реконструкции подпространства артефактов (ASR). Мы извлекли 85 признаков временной области, частотной области и графических признаков, затем применили выбор признаков на основе коэффициента корреляции Пирсона для уменьшения задержки при сохранении точности. Мы разработали гибридную архитектуру EEdGeNet, которая объединяет временную сверточную сеть (TCN) с многослойным персептроном (MLP), обученную на извлеченных признаках и развернутую на NVIDIA Jetson TX2 для вывода в режиме реального времени. Система достигла признаков, модель продемонстрировала минимальную потерю точности < 1%, при этом достигнув 4,51-кратного снижения точности (89,83% ± 0,19%) с задержкой вывода 914,18 мс на символ. Выбор только десяти ключевых значений привел к задержке вывода (202,62 мс) по сравнению с полным набором из 85 признаков. Эти результаты показывают, что неинвазивная ЭЭГ в сочетании с эффективным дизайном признаков и моделей может обеспечить точное нейронное декодирование в режиме реального времени на маломощных периферийных устройствах, открывая путь для создания практичных портативных интерфейсов BCI.

Создан неинвазивный интерфейс «мозг — компьютер», дополненный искусственным интеллектом, который позволяет пользователям управлять роботизированной рукой или курсором с большей точностью и скоростью. Система преобразует сигналы мозга, полученные с помощью ЭЭГ, в команды для управления движением, а камера с искусственным интеллектом интерпретирует намерения пользователя в режиме реального времени.

https://neurosciencenews.com/ai-bci-movement-neurotech-29649/

Учёные выявили активность мозга, связанную с внутренней речью — беззвучным монологом в голове человека, — и успешно расшифровали её с точностью до 74 %. Результаты исследования, опубликованные в журнале Cell, их выводы могут помочь людям, которые не могут говорить вслух, легче общаться с помощью интерфейса «мозг — компьютер» (ИМК), который начинает переводить внутренние мысли, когда участник мысленно произносит слова. Впервые удалось понять, как выглядит активность мозга, когда вы просто думаете о том, чтобы заговорить. Людям с серьёзными нарушениями речи и двигательными нарушениями ИМК, способные расшифровывать внутреннюю речь, могут помочь общаться гораздо проще и естественнее. ИМК недавно появились как инструмент помощи людям с ограниченными возможностями. Используя датчики, имплантированные в области мозга, которые управляют движением, системы ИМК могут декодировать нейронные сигналы, связанные с движением, и преобразовывать их в действия, такие как движение протеза руки. Исследования показали, что ИМК может даже расшифровывать попытки людей с параличом говорить. Когда пользователи физически пытаются говорить вслух, задействуя мышцы, отвечающие за произнесение звуков, интерфейсы «мозг — компьютер» могут интерпретировать возникающую мозговую активность и печатать то, что они пытаются сказать, даже если речь неразборчива. Хотя общение с помощью интерфейса «мозг — компьютер» происходит гораздо быстрее, чем с помощью более старых технологий, в том числе систем, которые отслеживают движения глаз пользователя и печатают слова, попытки говорить всё равно могут быть утомительными и медленными для людей с ограниченным контролем мышц. Команда задалась вопросом, могут ли ИМК декодировать внутреннюю речь. Если вам нужно просто думать о речи, а не пытаться говорить, то это будет проще и быстрее. Команда учёных зафиксировала нейронную активность с помощью микроэлектродов, имплантированных в моторную кору — область мозга, отвечающую за речь, — у четырёх участников с тяжёлым параличом, вызванным либо боковым амиотрофическим склерозом (БАС), либо инсультом ствола головного мозга. Исследователи просили участников либо попытаться произнести слова, либо представить, как они это делают. Они обнаружили, что попытки говорить вслух и про себя активируют одни и те же области мозга и вызывают схожие паттерны нейронной активности, но при внутренней речи активация в целом слабее. Используя данные внутренней речи, команда обучила модели искусственного интеллекта интерпретировать воображаемые слова. В ходе экспериментальной демонстрации ИМК смог расшифровать воображаемые предложения, состоящие из 125 000 слов, с точностью до 74 %. С помощью этого ИМК также удалось уловить то, что некоторые участники эксперимента проговаривали про себя, но не произносили вслух, например числа, когда участников просили сосчитать розовые круги на экране. Исследователи обнаружили, что, хотя попытки говорить и внутренняя речь вызывают схожие паттерны нейронной активности в моторной коре, они достаточно отличаются друг от друга, чтобы их можно было надёжно различать.

https://medicalxpress.com/news/2025-08-brain-interface-decoding-speech-real.html