Վիքիպեդիա

Ուղեղ-համակարգիչ ինտերֆեյս

Ուղեղ համակարգիչ ինտերֆեյս (brain–computer interface, ՈւՀԻ, BCI), երբեմն նաև ուղեղ-մեքենա ինտերֆեյս (BMI), ուղիղ հաղորդակցման կապ է ուղեղի էլեկտրական գործունեության և արտաքին սարքի միջև, որը սովորաբար համակարգչի կամ ռոբոտ վերջույթների միջև է: ՈւՀԻ-ները հաճախ ուղղված են հետազոտելու, քարտեզագրելու, օգնելու, մեծացնելու կամ վերանորոգելու մարդու ճանաչողական կամ զգայական-շարժիչ գործառույթները[1]: Դրանք հաճախ պատկերացվում են որպես մարդ-մեքենա ինտերֆեյս, որը բաց է թողնում մարմնի շարժվող մասերի (ձեռքերի...) միջնորդությունը, չնայած նրանք նաև բարձրացնում են ուղեղի և մեքենայի միջև տարբերությունը ջնջելու հնարավորությունը: ՈւՀԻ-ի ներդրումը տատանվում է ոչ ինվազիվից (էլեկտրաուղեղագրություն, մագնիսաուղեղագրություն, մագնիսառեզոնանսային շերտագրություն) և մասնակի ինվազիվից (էլեկտրոկորտիկոգրաֆիա և ներերակային) մինչև ինվազիվ (միկրոէլեկտրոդների զանգված)՝ հիմնված այն բանի վրա, թե որքանով են ֆիզիկապես մոտ էլեկտրոդները ուղեղի հյուսվածքին[2]:

ՈւՀԻ-ների վերաբերյալ հետազոտությունները սկսվել են 1970-ականներին Ժակ Վիդալի կողմից Կալիֆորնիայի համալսարանում, Լոս Անջելեսում (UCLA) Ազգային գիտական ​​հիմնադրամի դրամաշնորհի ներքո, որին հաջորդել է DARPA-ի պայմանագիրը[3][4]։ Վիդալի 1973 թվականի աշխատությունը գիտական ​​գրականության մեջ ներմուծեց ուղեղ-համակարգիչ ինտերֆեյս արտահայտությունը:

Ուղեղի կեղևային պլաստիկության պատճառով իմպլանտացված պրոթեզներից ստացվող ազդանշանները կարող են ադապտացվելուց հետո ուղեղի կողմից մշակվել բնական սենսորային կամ էֆեկտորային ալիքների նման[5]: Կենդանիների վրա տարիներ շարունակ փորձարկումներից հետո առաջին նեյրոպրոթեզային սարքերը տեղադրվեցին մարդկանց մեջ 1990-ական թվականների կեսերին:

Մարդ-համակարգիչ փոխազդեցության ուսումնասիրությունները մեքենայական ուսուցման կիրառման միջոցով ճակատային բլթի (էլեկտրաուղեղագրության ուղեղի ալիքի) տվյալների վրա արդյունահանված վիճակագրական ժամանակային հատկանիշների վրա հաջողության են հասել մտավոր վիճակների (հանգիստ, չեզոք, կենտրոնացված)[6], հոգեկան հուզական վիճակների (բացասական, չեզոք, դրական)[7],և թալամոկորտիկալ դառիթմիայի դասակարգման մեջ[8]:

Պատմություն

խմբագրել

Ուղեղ-համակարգիչ ինտերֆեյսների (ՈւՀԻ) պատմությունը սկսվում է Հանս Բերգերի կողմից ուղեղի էլեկտրական ակտիվության բացահայտմամբ և էլեկտրաուղեղագրության (EEG) զարգացմամբ: 1924 թվականին Բերգերն առաջինն էր, ով գրանցեց մարդու ուղեղի ակտիվությունը՝ օգտագործելով էլեկտրաուղեղագրություան: Բերգերը կարողացավ բացահայտել տատանողական ակտիվությունը, ինչպիսին է ալֆա ալիքը (8–13 Հց), վերլուծելով էլեկտրաուղեղագրության հետքերը:

Բերգերի առաջին ձայնագրող սարքը տարրական էր։ Նա իր հիվանդների գլխի տակ արծաթե մետաղալարեր է մտցրել։ Դրանք հետագայում փոխարինվեցին արծաթե փայլաթիթեղներով, որոնք ամրացված էին հիվանդի գլխին ռետինե վիրակապով: Բերգերը միացրել է այս սենսորները Լիպմանի մազանոթային էլեկտրոմետրի հետ՝ հիասթափեցնող արդյունքներով: Այնուամենայնիվ, ավելի բարդ չափիչ սարքերը, ինչպիսիք են Սիմենսի կրկնակի կծիկ ձայնագրող գալվանոմետրը, որը ցուցադրում էր 10-4 վոլտ փոքր լարումներ, հանգեցրին հաջողության:

Բերգերը վերլուծել է իր էլեկտրաուղեղագրության ալիքային դիագրամների փոխկապակցվածությունը ուղեղի հիվանդությունների հետ: Էեկտրաուղեղագրությունը թույլ տվեցին ուղեղի հետազոտության բոլորովին նոր հնարավորություններ:

Թեև տերմինը դեռևս չէր ստեղծվել, ուղեղ-մեքենա ինտերֆեյսի ամենավաղ օրինակներից մեկը ամերիկացի կոմպոզիտոր Ալվին Լյուսերի «Երաժշտություն մենակատարի համար» ստեղծագործությունն էր (1965): Կտորն օգտագործում է էլեկտրաուղեղագրության և անալոգային ազդանշանի մշակման սարքավորում (ֆիլտրեր, ուժեղացուցիչներ և խառնիչ տախտակ)՝ ակուստիկ հարվածային գործիքները խթանելու համար: Գործի կատարումը պահանջում է ալֆա ալիքներ արտադրել և դրանով իսկ «նվագել» տարբեր գործիքները բարձրախոսների միջոցով, որոնք տեղադրված են գործիքների մոտ կամ ուղղակիորեն[9]:

Վիդալը ստեղծեց «ՈւՀԻ» տերմինը և թողարկեց այս թեմայի վերաբերյալ առաջին գրախոսվող հրապարակումները[3][4]: Նա լայնորեն ճանաչված է որպես ՈւՀԻ-ների գյուտարար[10][11][12] ։ Վերանայումը մատնանշեց, որ Վիդալի 1973թ. աշխատության մեջ նշվում էր «ՈւՀԻ մարտահրավերը»[13]՝ վերահսկելու արտաքին օբյեկտները էլեկտրաուղեղագրության ազդանշանների միջոցով, և հատկապես Contingent Negative Variation (CNV) ներուժի օգտագործումը որպես ՈւՀԻ հսկողության մարտահրավեր: Վիդալի 1977 թվականի փորձը ՈւՀԻ-ի առաջին կիրառումն էր 1973 թվականի ՈւՀԻ մարտահրավերից հետո: Դա ոչ ինվազիվ էլեկտրաուղեղագրության (իրականում տեսողական առաջացած ներուժ(VEP)) կառավարում էր կուրսորանման գրաֆիկական օբյեկտի համակարգչի էկրանին: Ցույցը շարժում էր լաբիրինթոսում[14]։

1988 թվականին ֆիզիկական օբյեկտի՝ ռոբոտի ոչ ինվազիվ էլեկտրաուղեղագրության կառավարման առաջին ցուցադրությունն էր: Փորձը ցույց տվեց էլեկտրաուղեղագրության կառավարումը շարժման մի քանի մեկնարկ-դադար-վերագործարկում ցիկլերի վրա՝ կամայական հետագծի երկայնքով, որը սահմանված է հատակին գծված գծով: Գծին հետևող վարքագիծը ռոբոտի լռելյայն վարքագիծն էր՝ օգտագործելով ինքնավար ինտելեկտը և էներգիայի ինքնավար աղբյուրը[15][16][17][18]:

1990 թվականին զեկույց տրվեց փակ հանգույցի, երկկողմանի, հարմարվողական ՈւՀԻ-ի մասին, որը վերահսկում է համակարգչային ազդանշանը ուղեղի ակնկալվող պոտենցիալի միջոցով՝ պայմանական բացասական տատանումների (CNV) պոտենցիալով[19][20] : Փորձը նկարագրում էր, թե ինչպես է ուղեղի սպասողական վիճակը, որը դրսևորվում է CNV-ով, օգտագործում է հետադարձ կապ՝ S1-S2-CNV պարադիգմում S2 ազդանշանը կառավարելու համար: Ստացված ճանաչողական ալիքը, որը ներկայացնում է ուղեղի ակնկալիքային ուսուցումը, կոչվում է Էլեկտրաէքսպեկտոգրամ (EXG): CNV ուղեղի ներուժը Վիդալի 1973 թվականի մարտահրավերի մի մասն էր:

2010-ականների ուսումնասիրությունները ցույց տվեցին, որ նյարդային խթանման ներուժը վերականգնելու ֆունկցիոնալ կապը և հարակից վարքագիծը մոլեկուլային մեխանիզմների մոդուլյացիայի միջոցով[21][22]։ Սա բացեց այն գաղափարի համար, որ ՈւՀԻ տեխնոլոգիաները կարող են վերականգնել գործառույթը:

2013 թվականից սկսած DARPA-ն ֆինանսավորում էր ՈւՀԻ տեխնոլոգիան BRAIN նախաձեռնության միջոցով, որն աջակցում էր թիմերի աշխատանքին, այդ թվում՝ Պիտսբուրգի համալսարանի բժշկական կենտրոնի[23], Պարադոմիքսի[24], Բրաունի[25], և Սինխրոնի[26]:

Նյարդապրոթեզավորում

խմբագրել

Նյարդապրոթեզավորումը նյարդաբանության ոլորտ է, որը վերաբերում է նեյրոնային պրոթեզներին, այսինքն՝ արհեստական ​​սարքերի օգտագործումը խանգարված նյարդային համակարգերի և ուղեղի հետ կապված խնդիրների կամ զգայական կամ այլ օրգանների (միզապարկ, ստոծանի և այլն) գործառույթը փոխարինելու համար: 2010 թվականի դեկտեմբերի դրությամբ կոխլեար իմպլանտները որպես նյարդապրոթեզային սարքեր տեղադրվել են մոտ 736,900 մարդու մոտ ամբողջ աշխարհում[27]: Նյարդապրոթեզավորման այլ սարքերը նպատակ ունեն վերականգնել տեսողությունը, ներառյալ ցանցաթաղանթի իմպլանտները: Առաջին նեյրոպրոթեզավորման սարքը, սակայն, եղել է սրտի ռիթմավարը:

Տերմինները երբեմն օգտագործվում են փոխադարձաբար: Նեյրոպրոթեզավորումը և ՈՒՀԻ-ները ձգտում են հասնել նույն նպատակներին, ինչպիսիք են տեսողությաւը, լսողութաւը, շարւանը, հաղորդակցվելու կարողութաւը և նույնիսկ ճանաչողական ֆունկցիայի վերականգւանմ[1]ը] Երկուսն էլ օգտագործում են նմանատիպ փորձարարական և վիրաբուժական մեթոդներ:

Կենդանիների հետազոտություն

խմբագրել

Մի քանի լաբորատորիաների հաջողվել է ազդանշաններ կարդալ կապիկների և առնետների գլխուղեղի կեղևներից, որպեսզի գործարկեն ՈՒՀԻ-ներ՝ շարժում առաջացնելու համար: Կապիկները շարժել են համակարգչային կուրսորները և հրամայել ռոբոտ ձեռքերին կատարել պարզ առաջադրանքներ՝ պարզապես մտածելով առաջադրանքի մասին և տեսնելով արդյունքները՝ առանց շարժման ելքի[28]: 2008 թվականի մայիսին բազմաթիվ ուսումնասիրություններում հրապարակվեցին լուսանկարներ, որոնցում երևում էր, թե ինչպես է Պիտսբուրգի համալսարանի բժշկական կենտրոնի կապիկը ռոբոտ ձեռքը մտածողությամբ աշխատում[29]: Ոչխարները նույնպես օգտագործվել են ՈՒՀԻ տեխնոլոգիան գնահատելու համար, ներառյալ Սինխրոնի Stentrode-ը:

2020 թվականին Իլոն Մասկի Neuralink-ը հաջողությամբ տեղադրվեց խոզի մեջ[30]: 2021 թվականին Մասկը հայտարարեց, որ ընկերությունը հաջողությամբ հնարավորություն է տվել կապիկին վիդեոխաղեր խաղալ՝ օգտագործելով Neuralink-ի սարքը[31]։

Վաղ աշխատանքներ

խմբագրել

1969 թ.-ին օպերանտային կոնդիցիոներների ուսումնասիրությունները Ֆետզ և այլք, Վաշինգտոնի համալսարանի Բժշկական դպրոցի Տարածաշրջանային Առաջնորդների Հետազոտական ​​Կենտրոնում և Ֆիզիոլոգիայի և Կենսաֆիզիկայի ամբիոնում ցույց տվեցին, որ կապիկները կարող են սովորել վերահսկել կենսաբանական հետադարձ կապը նյարդային ակտիվությամբ թևը շեղելով[32]: 1970-ականների նմանատիպ աշխատանքը հաստատեց, որ կապիկները կարող են սովորել վերահսկել առաջնային շարժիչային կեղևի առանձին և մի քանի նեյրոնների կրակման արագությունը, եթե նրանք համապատասխան պարգևատրվեին[33]:

Շարժիչային կեղևի նեյրոններից շարժումները վերականգնելու ալգորիթմները, որոնք վերահսկում են շարժումը, սկիզբ են առել 1970-ականներից: 1980-ականներին Ջոնս Հոփքինսի համալսարանի Գեորգոպուլոսը մաթեմատիկական կապ գտավ ռեզուս մակական կապիկների կեղևի մեկ շարժիչային նեյրոնների էլեկտրական արձագանքների և նրանց ձեռքերը շարժելու ուղղության միջև: Նա նաև պարզել է, որ նեյրոնների ցրված խմբերը կապիկների ուղեղի տարբեր հատվածներում միասին վերահսկում են շարժման հրամանները: Սարքավորման սահմանափակումների պատճառով նա կարողացավ միաժամանակ գրանցել նեյրոնների կրակոցները միայն մեկ տարածքում[34]:

Մի քանի խմբեր կարողացել են ֆիքսել ուղեղի շարժիչային կեղևի բարդ ազդանշանները՝ ձայնագրելով նյարդային անսամբլներից (նեյրոնների խմբերից) և օգտագործելով դրանք արտաքին սարքերը կառավարելու համար:

Հետազոտություններ

խմբագրել

Քենեդի և Յանգ Դան

խմբագրել

Ֆիլիպ Քենեդին (Նյարդային ազդանշանների հիմնադիր (1987) և գործընկերները կառուցել են ուղեղ-համակարգիչ առաջին ներակեղևային միջերեսը՝ կապիկների մեջ ներդնելով նեյրոտրոֆ կոն էլեկտրոդներ:

1999 թվականին Յանգ Դանը և այլք Բերկլիի Կալիֆոռնիայի համալսարանում վերծանել են նեյրոնային կրակոցները՝ կատուների պատկերները վերարտադրելու համար: Թիմն օգտագործել է թալամուսում ներկառուցված էլեկտրոդների զանգված (որն ինտեգրում է ուղեղի զգայական մուտքը): Հետազոտողները թիրախավորել են 177 ուղեղի բջիջներ թալամուսի կողային գենիկուլային միջուկի տարածքում, որը վերծանում է ցանցաթաղանթի ազդանշանները: Նեյրոնային արձակումներ արձանագրվել են ութ կարճամետրաժ ֆիլմերի դիտումից: Օգտագործելով մաթեմատիկական զտիչներ՝ հետազոտողները վերծանեցին ազդանշանները՝ ճանաչելի տեսարաններն ու շարժվող առարկաները վերականգնելու համար[35]:

Նիկոլելիս

խմբագրել

Դյուկի համալսարանի պրոֆեսոր Միգել Նիկոլելիսը պաշտպանում է ուղեղի ավելի մեծ տարածքի վրա տարածված բազմաթիվ էլեկտրոդներ՝ նեյրոնային ազդանշաններ ստանալու համար:

1990-ական թվականներին առնետների վրա նախնական ուսումնասիրություններից հետո Նիկոլելիսը և նրա գործընկերները մշակեցին ՈՒՀԻ-ներ, որոնք վերծանում էին բու կապիկների ուղեղի ակտիվությունը և օգտագործում էին սարքերը՝ կապիկների շարժումները վերարտադրելու համար ռոբոտ ձեռքերում: Կապիկների առաջադեմ հասնելու և բռնելու ունակությունները և ձեռքի մանիպուլյացիայի հմտությունները նրանց լավ թեստային են դարձրել:

Մինչև 2000 թվականը խմբին հաջողվեց կառուցել ՈՒՀԻ, որը վերարտադրում էր բու կապիկի շարժումները, մինչդեռ կապիկը աշխատում էր խաղային վահանակով կամ ձեռքը սնունդ էր փնտրում[36]: ՈՒՀԻ-ն աշխատում էր իրական ժամանակում և կարող էր հեռակառավարել առանձին ռոբոտ: Բայց կապիկները ոչ մի արձագանք չստացան (բաց հանգույց ՈՒՀԻ):

 
ՈՒՀԻ-ի դիագրամ, որը մշակվել է Միգել Նիկոլելիսի և գործընկերների կողմից՝ ռեզուս կապիկների վրա օգտագործելու համար

Հետագայում ռեզուս կապիկների վրա կատարվող փորձերը ներառում էին հետադարձ կապ և վերարտադրված կապիկ, որը հասնում և բռնում էր ռոբոտի ձեռքի շարժումները: Նրանց խորը ճեղքված և ակոսավոր ուղեղը նրանց ավելի լավ մոդել է դարձրել մարդու նեյրոֆիզիոլոգիայի համար, քան բու կապիկները: Կապիկներին վարժեցրել են համակարգչի էկրանին առարկաներ ձեռք բերելու և բռնելու համար՝ մանիպուլյացիայի ենթարկելով ջոյսթիկին, մինչդեռ ռոբոտի ձեռքի համապատասխան շարժումները թաքցված էին[37][38]: Հետագայում կապիկներին ցույց տվեցին ռոբոտը և սովորեցին կառավարել այն՝ դիտելով նրա շարժումները: ՈՒՀԻ-ն օգտագործում էր արագության կանխատեսումներ՝ հասնելու շարժումները վերահսկելու համար և միաժամանակ կանխատեսում էր բռնելու ուժը:

2011 թվականին Օ'Դոհերթին և նրա գործընկերները ռեզուս կապիկների հետ զգայական արձագանքով ՈՒՀԻ ցուցադրեցին: Կապիկը վերահսկում էր ավատարի ձեռքի դիրքը, մինչդեռ զգայական արձագանք էր ստանում զգայական ծառի կեղևի բազուկների ներկայացման տարածքում ուղղակի ներակեղևային գրգռման (ICMS) միջոցով[39]։

Դոնոգյու, Շվարց, և Անդերսեն

խմբագրել

Այլ լաբորատորիաներ, որոնք մշակել են ՈՒՀԻ-ներ և ալգորիթմներ, որոնք վերծանում են նեյրոնային ազդանշանները, ներառում են Ջոն Դոնոգյուն Բրաունի համալսարանի Ուղեղի գիտության Քարնի ինստիտուտում, Էնդրյու Շվարցը Պիտսբուրգի համալսարանում և Ռիչարդ Անդերսենը Կալտեխում: Այս հետազոտողները արտադրել են աշխատանքային ՈՒՀԻ-ներ՝ օգտագործելով գրանցված ազդանշաններ շատ ավելի քիչ նեյրոններից, քան Նիկոլելիսը (15–30 նեյրոն՝ 50–200 նեյրոնի դիմաց)։

 
ՈՒՀԻ-ները Բրաունի համալսարանի Ուղեղի գիտության Քարնի ինստիտուտի հիմնական կենտրոնն են:

Քարնիի ինստիտուտը հաղորդել է ռեզուս կապիկների վարժեցման համար՝ օգտագործելու ՈՒՀԻ՝ համակարգչի էկրանի վրա տեսողական թիրախներին հետևելու համար (փակ օղակի ՈՒՀԻ) խաղային վահանակով կամ առանց դրա[40]: Խումբը ստեղծեց ՈՒՀԻ վիրտուալ իրականության մեջ եռաչափ հետևելու համար և վերարտադրեց ՈՒՀԻ կառավարումը ռոբոտացված թևում[41]: Նույն խումբը ցույց տվեց, որ կապիկը կարող է իրեն կերակրել մրգի կտորներով և մարշմելոներով, օգտագործելով ռոբոտ ձեռքը, որը կառավարվում է կենդանու ուղեղի ազդանշաններով[42][43][44]:

Անդերսենի խումբն օգտագործել է հետին պարիետալ կեղևից առաջացած շարժման ակտիվության ձայնագրությունները, ներառյալ ազդանշանները, որոնք ստեղծվել են, երբ փորձարարական կենդանիները ակնկալում էին պարգև ստանալ[45]:

Այլ հետազոտություններ

խմբագրել

Ի լրումն վերջույթների շարժման կինեմատիկական և կինետիկ պարամետրերի կանխատեսումից, ընթացքի մեջ են նաև ՈՒՀԻ-ները, որոնք կանխատեսում են պրիմատների մկանների էլեկտրամիոգրաֆիկ կամ էլեկտրական ակտիվությունը[46]: Նման ՈՒՀԻ-ները կարող են վերականգնել կաթվածահար վերջույթների շարժունակությունը՝ էլեկտրական խթանելով մկանները:

Նիկոլելիսը և գործընկերները ցույց տվեցին, որ մեծ նյարդային կուտակումները կարող են կանխատեսել ձեռքի դիրքը: Այս աշխատանքը թույլ տվեց ՈՒՀԻ-ներին կարդալ ձեռքի շարժման մտադրությունները և դրանք վերածել ֆիզիկական շարժման: Կարմենան և նրա գործընկերները ծրագրավորեցին ՈՒՀԻ-ն, որը կապիկին թույլ էր տալիս կառավարել ռոբոտ ձեռքով հասնելը և բռնել շարժումները: Լեբեդևը և գործընկերները[37] պնդում էին, որ ուղեղի ցանցերը վերակազմավորվում են՝ ի լրումն կենդանու սեփական վերջույթների ներկայացման, ստեղծելով ռոբոտային հավելվածի նոր ներկայացում[38]:

2019-ին մի ուսումնասիրություն հայտնվեց ՈՒՀԻ-ի մասին, որը ներուժ ուներ օգնելու նյարդաբանական խանգարումների հետևանքով առաջացած խոսքի խանգարում ունեցող հիվանդներին: Նրանց ՈՒՀԻ-ն օգտագործում էր բարձր խտության էլեկտրոկորտիկոգրաֆիա՝ հիվանդի ուղեղից ներծծելու նյարդային ակտիվությունը և օգտագործում էր խորը ուսուցում՝ խոսքը սինթեզելու համար[47][48]: 2021 թվականին այդ հետազոտողները զեկուցել են ՈՒՀԻ-ի ներուժը՝ բառերն ու նախադասությունները վերծանելու անարթրիկ հիվանդի մոտ, ով ի վիճակի չէր խոսել ավելի քան 15 տարի[49][50]:

ՈՒՀԻ տեխնոլոգիայի ամենամեծ խոչընդոտը սենսորային եղանակի բացակայությունն է, որն ապահովում է ուղեղի ազդանշանների անվտանգ, ճշգրիտ և կայուն մուտք: Ավելի լավ սենսորի օգտագործումը ընդլայնում է հաղորդակցման գործառույթների շրջանակը, որոնք կարող են տրամադրվել ՈՒՀԻ-ի միջոցով:

ՈՒՀԻ համակարգի մշակումն ու ներդրումը բարդ և ժամանակատար է: Ի պատասխան այս խնդրի՝ Գերվին Շալկը 2000 թվականից մշակում է BCI2000՝ ՈՒՀԻ հետազոտության ընդհանուր նպատակային համակարգ[51]:

Նոր «անլար» մոտեցումը օգտագործում է լույսով փակված իոնային ալիքներ, ինչպիսիք են կանալռոդոպսինը, որպեսզի վերահսկեն նեյրոնների գենետիկորեն սահմանված ենթաբազմությունների ակտիվությունը: Պարզ ուսուցման առաջադրանքի համատեքստում սոմատոսենսորային կեղևի տրանսֆեկցված բջիջների լուսավորությունն ազդել է մկների որոշումների կայացման վրա[52]:

ՈՒՀԻ-ները հանգեցրին նեյրոնային ցանցերի և կենտրոնական նյարդային համակարգի ավելի խորը ընկալմանը: Հետազոտությունները ցույց են տվել, որ չնայած նյարդաբանների հակվածությանը հավատալու, որ նեյրոններն ունեն ամենաշատ ազդեցությունը միասին աշխատելիս, միայնակ նեյրոնները կարող են պայմանավորվել ՈՒՀԻ-ների օգտագործման միջոցով՝ կրակելու այնպիսի օրինակով, որը թույլ է տալիս պրիմատներին կառավարել շարժման ելքերը: ՈՒՀԻ-ները հանգեցրին մեկ նեյրոնի անբավարարության սկզբունքի մշակմանը, որը սահմանում է, որ նույնիսկ լավ կարգավորված կրակման արագության դեպքում միայնակ նեյրոնները կարող են կրել միայն սահմանափակ տեղեկատվություն և, հետևաբար, ճշգրտության ամենաբարձր մակարդակը ձեռք է բերվում կուտակային կրակոցների ձայնագրմամբ: ՈՒՀԻ-ների հետ հայտնաբերված այլ սկզբունքներ ներառում են նեյրոնային բազմաֆունկցիոնալության սկզբունքը, նեյրոնային զանգվածի սկզբունքը, նյարդային դեգեներացման սկզբունքը և պլաստիկության սկզբունքը[53]:

ՈՒՀԻ-ներն առաջարկվում են կիրառել հաշմանդամություն չունեցող օգտվողների կողմից: Պասիվ ՈՒՀԻ-ները թույլ են տալիս գնահատել և մեկնաբանել օգտվողի վիճակի փոփոխությունները մարդ-համակարգիչ փոխազդեցության ժամանակ (HCI): Երկրորդական, անուղղակի կառավարման օղակում համակարգը հարմարվում է իր օգտագործողին՝ բարելավելով դրա օգտագործման հնարավորությունը[54]:

ՈՒՀԻ համակարգերը շատ մեծ հավանականությամբ կարող են օգտագործվել ծայրամասային նյարդային համակարգից ազդանշանները կոդավորելու համար: Այս զգայական ՈՒՀԻ սարքերը հնարավորություն են տալիս իրական ժամանակում, վարքագծային համապատասխան որոշումներ կայացնել՝ հիմնված փակ օղակի նյարդային խթանման վրա[55]:

ՈւՀԻ մրցանակ

խմբագրել

ՈՒՀԻ Հետազոտական մրցանակը շնորհվում է ամեն տարի՝ ի նշան նորարարական հետազոտությունների: Ամեն տարի հայտնի հետազոտական ​​լաբորատորիայից առաջարկվում է գնահատել նախագծերը: Ժյուրիի կազմում են այդ լաբորատորիայի կողմից հավաքագրված ՈՒՀԻ փորձագետները։ Ժյուրին ընտրում է տասներկու թեկնածուների, այնուհետև ընտրում է առաջին, երկրորդ և երրորդ տեղի հաղթողին, ովքեր ստանում են համապատասխանաբար $3000, $2000 և $1000 մրցանակներ։

Մարդկանց հետազոտություն

խմբագրել

Ինվազիվ ՈՒՀԻ-ներ

խմբագրել

Ինվազիվ ՈՒՀԻ-ն պահանջում է վիրահատություն՝ գլխամաշկի տակ էլեկտրոդներ տեղադրելու համար՝ ուղեղի ազդանշաններին հասնելու համար: Հիմնական առավելությունը ճշգրտության բարձրացումն է: Բացասական կողմերը ներառում են վիրահատությունից առաջացած կողմնակի ազդեցությունները, ներառյալ սպի հյուսվածքը, որը կարող է խանգարել ուղեղի ազդանշաններին կամ մարմինը կարող է չընդունել իմպլանտացված էլեկտրոդները[56]:

Տեսողություն

խմբագրել

Ինվազիվ ՈՒՀԻ հետազոտությունը նպատակաուղղված է վերականգնել վնասված տեսողությունը և նոր գործառույթներ ապահովել կաթվածահար մարդկանց համար: Նյարդավիրաբուժության ընթացքում ինվազիվ ՈՒՀԻ-ները տեղադրվում են անմիջապես ուղեղի գորշ նյութի մեջ: Քանի որ նրանք գտնվում են գորշ նյութի մեջ, ինվազիվ սարքերը արտադրում են ՈՒՀԻ սարքերի ամենաբարձր որակի ազդանշանները, սակայն հակված են սպի-հյուսվածքների կուտակմանը, ինչի հետևանքով ազդանշանը թուլանում կամ անհետանում է, քանի որ մարմինը արձագանքում է օտար օբյեկտին[57]:

Ակնաբուժության մեջ ուղղակի ուղեղի իմպլանտներն օգտագործվել են ոչ բնածին (ձեռքբերովի) կուրությունը բուժելու համար: Առաջին գիտնականներից մեկը, ով ստեղծել է աշխատանքային ուղեղի միջերես տեսողությունը վերականգնելու համար, մասնավոր հետազոտող Ուիլյամ Դոբելն էր: Դոբելի առաջին նախատիպը տեղադրվել է «Ջերիի» մեջ՝ մեծահասակ տարիքում կուրացած տղամարդու մեջ, 1978 թվականին: Մեկ շղթայով ՈՒՀԻ, որը պարունակում է 68 էլեկտրոդներ, տեղադրվել է Ջերիի տեսողական կեղևի վրա և կարողացել է արտադրել ֆոսֆեններ՝ լույս տեսնելու զգացողություն: Համակարգը ներառում էր տեսախցիկներ, որոնք տեղադրված էին ակնոցների վրա՝ իմպլանտին ազդանշան ուղարկելու համար: Ի սկզբանե իմպլանտը Ջերիին թույլ էր տալիս տեսնել մոխրագույնի երանգները սահմանափակ տեսադաշտում ցածր կադրերի արագությամբ: Սա նաև պահանջում էր, որ նա միացված լիներ հիմնական համակարգչին, սակայն էլեկտրոնիկան և ավելի արագ համակարգիչները նրա արհեստական ​​աչքը դարձրին ավելի շարժական և այժմ նրան հնարավորություն տվեցին առանց օժանդակության կատարել պարզ առաջադրանքներ[58]:

 
Խրտվիլակ, որը պատկերում է BrainGate ինտերֆեյսի դիզայնը

2002 թվականին Յենս Նաումանը, որը նույնպես կուրացել էր հասուն տարիքում, դարձավ առաջինը 16 հիվանդների շարքից, ովքեր վճարում էին Dobelle-ի երկրորդ սերնդի իմպլանտը ստանալու համար, որը ՈՒՀԻ-ների ամենավաղ կոմերցիոն օգտագործումներից մեկն էր: Երկրորդ սերնդի սարքն օգտագործել է ավելի բարդ իմպլանտ, որը հնարավորություն է տալիս ավելի լավ քարտեզագրել ֆոսֆենները համահունչ տեսողության համար: Ֆոսֆենները տարածվում են տեսողական դաշտում, ինչը հետազոտողները անվանում են «աստղային գիշերային էֆեկտ»: Իր իմպլանտից անմիջապես հետո Յենսը կարողացավ օգտագործել իր անկատար վերականգնված տեսողությունը՝ դանդաղ մեքենա վարելու համար հետազոտական ​​ինստիտուտի կայանատեղի շուրջը[59]: Դոբելը մահացավ 2004 թվականին, նախքան նրա գործընթացների և զարգացումների փաստագրումը, ոչ ոքի չթողնելով իր աշխատանքը շարունակելու համար[60]: Հետագայում Նաումանը և ծրագրի մյուս հիվանդները սկսեցին խնդիրներ ունենալ իրենց տեսողության հետ և, ի վերջո, նորից կորցրեցին իրենց «տեսողությունը»[61][62]:

Շարժում

խմբագրել

Շարժիչային նյարդապրոթեզավորման վրա կենտրոնացած ՈՒՀԻ-ները նպատակ ունեն վերականգնել կաթվածահար մարդկանց շարժումը կամ տրամադրել նրանց օգնելու սարքեր, ինչպիսիք են ինտերֆեյսը համակարգիչների կամ ռոբոտի ձեռքերի հետ:

Քենեդին և Բաքայը առաջինն էին, որ տեղադրեցին մարդու ուղեղի իմպլանտը, որն արտադրում էր բավականաչափ բարձր որակի ազդանշաններ՝ նմանեցնելու շարժումը: Նրանց հիվանդը՝ Ջոնի Ռեյը (1944–2002), 1997 թվականին ուղեղի ցողունի կաթվածից հետո զարգացավ «արգելափակված սինդրոմը»։ Նա իմպալնտի շնորհիվ սկսեց օգտագործել համակարգչային կուրսոր։ Նա մահացել է 2002 թվականին ուղեղի անևրիզմից[63]։

Տետրապլեգիք Մաթթ Նագլը դարձավ առաջին մարդը, ով կառավարեց արհեստական ​​ձեռքը ՈՒՀԻ-ի միջոցով 2005 թվականին Cyberkinetics-ի BrainGate չիպերի իմպլանտի առաջին իննամսյա փորձարկման շրջանակներում: Տեղադրվելով Նագլի աջ նախակենտրոնական գիրուսում (շարժիչային կենտրոնի տարածքը ձեռքի շարժման համար), 96 էլեկտրոդից բաղկացած իմպլանտը թույլ տվեց Նագլին կառավարել ռոբոտ ձեռքը՝ մտածելով շարժելու ձեռքը, ինչպես նաև համակարգչային կուրսորը, լույսերը և հեռուստացույցը[64]։ Մեկ տարի անց Ջոնաթան Վոլփաուն ստացավ Altran Foundation for Innovation մրցանակը ուղեղի համակարգչային ինտերֆեյսի մշակման համար էլեկտրոդներով, որոնք տեղակայված են գանգի մակերեսին, ոչ թե ուղղակիորեն ուղեղում[65]:

BrainGate խմբի և Պիտսբուրգի համալսարանի բժշկական կենտրոնի մեկ այլ խմբի գլխավորած հետազոտական ​​թիմերը, երկուսն էլ Միացյալ Նահանգների վետերանների գործերի դեպարտամենտի (VA) հետ համագործակցությամբ, ցույց տվեցին ազատության շատ աստիճաններով պրոթեզային վերջույթների վերահսկողություն՝ օգտագործելով ուղիղ կապեր նեյրոնների զանգվածների հետ տետրապլեգիայով հիվանդների շարժման կեղևը կառավարելու համար[66][67]։

Հաղորդակցություն

խմբագրել

2021 թվականի մայիսին Սթենֆորդի համալսարանի թիմը զեկուցեց հայեցակարգի ապացուցման հաջող թեստ, որը քառապլեգիկ մասնակցին հնարավորություն տվեց կազմել անգլերեն նախադասություններ րոպեում մոտ 86 նիշ և րոպեում 18 բառ: Մասնակիցը պատկերացրեց, թե ինչպես է իր ձեռքը տառեր գրելու համար, և համակարգը կատարում էր ձեռագրի ճանաչում էլեկտրական ազդանշանների վրա, որոնք հայտնաբերված էին շարժման կենտրոնում, օգտագործելով Թաքնված Մարկովի մոդելները և կրկնվող նեյրոնային ցանցերը[68][69]:

2021թ.-ի ուսումնասիրությունը ցույց է տվել, որ անդամալույծ հիվանդը կարողացել է րոպեում 15 բառ փոխանցել՝ օգտագործելով ուղեղի իմպլանտը, որը վերլուծում է ձայնային տրակտի շարժման նեյրոնները[70][49]:

Ռեվյուում հեղինակները հետաքրքրվեցին, թե արդյոք մարդկային տեղեկատվության փոխանցման տեմպերը կարող են գերազանցել ՈՒՀԻ-ներով լեզվի տեմպերը: Լեզվական հետազոտությունները ցույց են տվել, որ տեղեկատվության փոխանցման տեմպերը համեմատաբար հաստատուն են բազմաթիվ լեզուներով: Սա կարող է արտացոլել ուղեղի տեղեկատվության մշակման սահմանը: Որպես այլընտրանք, այս սահմանը կարող է լինել բուն լեզվի համար՝ որպես տեղեկատվության փոխանցման եղանակ[71]:

2023 թվականին երկու ուսումնասիրություններ օգտագործեցին ՈՒՀԻ-ներ՝ կրկնվող նեյրոնային ցանցով, խոսքի վերծանման համար ռեկորդային արագությամբ՝ րոպեում 62 բառ և րոպեում 78 բառ[72][73][74]:

Տեխնիկական մարտահրավերներ

խմբագրել

Կան մի շարք տեխնիկական մարտահրավերներ ինվազիվ ՈՒՀԻ-ներով ուղեղի ակտիվությունը գրանցելու համար: CMOS տեխնոլոգիայի առաջընթացը խթանում և հնարավորություն է տալիս ինտեգրված, ինվազիվ ՈՒՀԻ ձևավորումներ ավելի փոքր չափսերով, էներգիայի ավելի ցածր պահանջներով և ավելի բարձր ազդանշան ձեռք բերելու հնարավորություններով[75]: Ինվազիվ ՈՒՀԻ-ները ներառում են էլեկտրոդներ, որոնք ներթափանցում են ուղեղի հյուսվածք՝ փորձելով գրանցել գործողության պոտենցիալ ազդանշանները (նաև հայտնի են որպես հասկեր) էլեկտրոդի մոտ գտնվող նեյրոնների առանձին կամ փոքր խմբերից: Ձայնագրող էլեկտրոդի և նեյրոնները շրջապատող էլեկտրոլիտիկ լուծույթի միջև միջերեսը մոդելավորվել է Հոջկին-Հաքսլի մոդելի միջոցով[76][77]:

Ինվազիվ ՈՒՀԻ-ների էլեկտրոնային սահմանափակումները վերջին տասնամյակների ընթացքում եղել են հետազոտության ակտիվ ոլորտ: Մինչ նեյրոնների ներբջջային ձայնագրությունները բացահայտում են գործողության պոտենցիալ լարումներ հարյուրավոր միլիվոլտների մասշտաբով, քրոնիկ ինվազիվ ՈՒՀԻ-ները հիմնված են արտաբջջային լարումների գրանցման վրա, որոնք սովորաբար երեք կարգով ավելի փոքր են և գոյություն ունեն հարյուրավոր միկրովոլտներով[78]: Միկրովոլտների մասշտաբով ազդանշանների հայտնաբերման մարտահրավերին ավելանում է այն փաստը, որ էլեկտրոդ-հյուսվածքի միջերեսը փոքր լարման դեպքում ունի բարձր հզորություն: Այս փոքր ազդանշանների բնույթից ելնելով, ՈՒՀԻ համակարգերի համար, որոնք ներառում են ֆունկցիոնալությունը ինտեգրալ սխեմայի մեջ, յուրաքանչյուր էլեկտրոդ պահանջում է իր ուժեղացուցիչը և ADC-ն, որոնք անալոգային արտաբջջային լարումները վերածում են թվային ազդանշանների[78]: Քանի որ նեյրոնների գործողության բնորոշ պոտենցիալը տևում է մեկ միլիվայրկյան, բծերը չափող ՈՒՀԻ-ները պետք է ունենան նմուշառման արագություն 300 Հց-ից մինչև 5 կՀց: Մյուս մտահոգությունն այն է, որ ինվազիվ ՈՒՀԻ-ները պետք է լինեն ցածր էներգիայի, որպեսզի ավելի քիչ ջերմություն ցրեն շրջակա հյուսվածքներին: ամենահիմնական մակարդակում ավանդաբար ավելի շատ էներգիա է պահանջվում ազդանշան-աղմուկ հարաբերակցությունը օպտիմալացնելու համար:[77] Օպտիմալ մարտկոցի դիզայնը ՈՒՀԻ-ներում հետազոտության ակտիվ ոլորտ է[79]:

 
Ինվազիվ և մասամբ ինվազիվ ՈՒՀԻ-ների նկարազարդում. էլեկտրակորտիկոգրաֆիա, ներերակային և ներկեղևային միկրոէլեկտրոդ:

Նյութագիտության ոլորտում առկա մարտահրավերները կենտրոնական են ինվազիվ ՈՒՀԻ-ների նախագծման համար: Ժամանակի ընթացքում ազդանշանի որակի տատանումները սովորաբար նկատվել են իմպլանտացվող միկրոէլեկտրոդների դեպքում[80][81]: Օպտիմալ նյութական և մեխանիկական բնութագրերը երկարաժամկետ ազդանշանի կայունության համար ինվազիվ ՈՒՀԻ-ներում եղել են հետազոտության ակտիվ ոլորտ[82]: Առաջարկվել է, որ էլեկտրոդ-հյուսվածքի միջերեսի վնասման հետևանքով գլիալ սպիների առաջացումը, հավանաբար, պատասխանատու է էլեկտրոդի ձախողման և արձանագրման նվազեցման համար[83]: Հետազոտությունները ցույց են տվել, որ արյունաուղեղային պատնեշի արտահոսքը, կա՛մ ներդրման պահին, կա՛մ ժամանակի ընթացքում, կարող է պատասխանատու լինել ուղեղում ներկառուցված քրոնիկական միկրոէլեկտրոդների նկատմամբ բորբոքային և գլիալ ռեակցիայի համար[83][84]: Արդյունքում, ճկուն[85][86][87] և հյուսվածքանման ձևավորումները[88][89] ուսումնասիրվել և մշակվել են օտար մարմնի ռեակցիան նվազագույնի հասցնելու համար՝ էլեկտրոդի Յանգի մոդուլն ուղեղի հյուսվածքին ավելի մոտեցնելու միջոցով[88]։

Մասնակի ինվազիվ ՈՒՀԻ-ներ

խմբագրել

Մասամբ ինվազիվ ՈՒՀԻ սարքերը տեղադրվում են գանգի ներսում, բայց գտնվում են ուղեղից դուրս, այլ ոչ թե գորշ նյութի ներսում: Նրանք արտադրում են ավելի բարձր թույլտվության ազդանշաններ, քան ոչ ինվազիվ ՈՒՀԻ-ները, որտեղ գանգուղեղի ոսկրային հյուսվածքը շեղում և դեֆորմացնում է ազդանշանները և ունեն ուղեղում սպի հյուսվածքի ձևավորման ավելի ցածր ռիսկ, քան լիովին ինվազիվ ՈՒՀԻ-ները: Կատարվել է ներկեղևային ՈՒՀԻ-ների նախակեղևային դրսևորում ինսուլտային պերիլեզիոն կեղևից[90]:

Ներերակային

խմբագրել

2020 թվականին հրապարակված համակարգված ռեվյուն մանրամասն բազմաթիվ կլինիկական և ոչ կլինիկական հետազոտություններ է, որոնք ուսումնասիրում են ներերակային ՈՒՀԻ-ների իրագործելիությունը[91]:

2010 թվականին Մելբուռնի համալսարանի հետ փոխկապակցված հետազոտողները սկսեցին մշակել ՈՒՀԻ, որը կարող էր տեղադրվել անոթային համակարգի միջոցով: Ավստրալացի նյարդաբան Թոմաս Օքսլին մտահղացել է այս ՈՒՀԻ-ի գաղափարը, որը կոչվում է Ստենտրոդ՝ ֆինանսավորում ստանալով DARPA-ից: Նախակլինիկական ուսումնասիրությունները գնահատել են տեխնոլոգիան ոչխարների մեջ[2]:

Ստենտրոդը ստենտային էլեկտրոդների միաձույլ զանգված է, որը նախատեսված է ներերակային կաթետերի միջոցով փոխանցվելու համար վերին սագիտալ սինուս, որը գտնվում է շարժման կեղևի հարևանությամբ[92]։ Այս մոտիկությունը Ստենտրոդեին հնարավորություն է տալիս չափել նյարդային ակտիվությունը: Ընթացակարգը շատ նման է այն բանին, թե ինչպես են տեղադրվում երակային սինուսային ստենտները՝ իդիոպաթիկ ներգանգային հիպերտոնիայի բուժման համար[93]: Ստենտրոդը փոխանցում է նեյրոնային ակտիվությունը կրծքավանդակի մեջ տեղադրված առանց մարտկոցի հեռաչափության միավորի, որն անլար կապի մեջ է արտաքին հեռաչափության միավորի հետ, որն ընդունակ է էներգիա և տվյալների փոխանցում: Թեև էնդովասկուլյար ՈՒՀԻ-ն օգուտ է բերում ներդիրի համար գանգուղեղային վիրահատությունից խուսափելուց, կան այնպիսի ռիսկեր, ինչպիսիք են մակարդումը և երակային թրոմբոզը:

Մարդկանց փորձարկումները Ստենտրոդի հետ ընթանում էին 2021 թվականի դրությամբ[92]: 2020 թվականի նոյեմբերին ամիոտրոֆիկ կողային սկլերոզով երկու մասնակիցներ կարողացան անլար կերպով կառավարել օպերացիոն համակարգը դեպի տեքստ, էլ. փոստ, խանութ և բանկ օգտագործելով Stentrode և կառավարելով միտքը[94]։ Սա թույլ տվեց իմպլանտը տեղադրել արյան անոթներոււ՝ վերացնելով ուղեղի վիրահատության անհրաժեշտությունը։ 2023 թվականի հունվարին հետազոտողները չզեկուցեցին ոչ մի լուրջ անբարենպաստ իրադարձություն առաջին տարվա ընթացքում բոլոր չորս հիվանդների համար, որոնք կարող էին օգտագործել այն համակարգիչներ աշխատելու համար[95][96]:

Էլեկտրոկորտիկոգրաֆիա

խմբագրել

Էլեկտրոկորտիկոգրաֆիան (ECoG) չափում է ուղեղի էլեկտրական ակտիվությունը գանգի տակից այնպես, ինչպես ոչ ինվազիվ էլեկտրաէնցեֆալոգրաֆիան՝ օգտագործելով էլեկտրոդներ, որոնք տեղադրված են բարակ պլաստիկ բարձիկի մեջ, որը դրված է կեղևի վերևում՝ դուրալ շերտի տակ[97]: ECoG տեխնոլոգիաներն առաջին անգամ փորձարկվել են մարդկանց վրա 2004 թվականին Էրիկ Լոյթարդտի և Դանիել Մորանի կողմից Սենտ Լուիսի Վաշինգտոնի համալսարանից: Հետագա փորձության ժամանակ հետազոտողները հնարավորություն տվեցին դեռահաս տղայի խաղալ Space Invaders[98]։ Այս հետազոտությունը ցույց է տալիս, որ վերահսկումը արագ է, պահանջում է նվազագույն վերապատրաստում, հավասարակշռող ազդանշանի հավատարմություն և ինվազիվության մակարդակ[note 1]:

Ազդանշանները կարող են լինել կամ ենթադուրալ կամ էպիդուրալ, բայց չեն վերցվում ուղեղի պարենքիմից: Հիվանդներից պահանջվում է ինվազիվ մոնիտորինգ՝ էպիլեպտոգեն ֆոկուսի տեղայնացման և ռեզեկցիայի համար:

Էլեկտրոկորտիկոգրաֆիան առաջարկում է ավելի բարձր տարածական լուծում, ազդանշան-աղմուկ ավելի լավ հարաբերակցություն, ավելի լայն հաճախականության տիրույթ և ավելի քիչ մարզումների պահանջներ, քան գլխի վրա գրանցված էլեկտրաուղեղագրությունը, և միևնույն ժամանակ ունի ավելի ցածր տեխնիկական դժվարություն, ցածր կլինիկական ռիսկ և կարող է ունենալ բարձր երկարաժամկետ կայունություն, քան ներակեղևային մեկ նեյրոնային արձանագրությունը[100]։ Այս հատկանիշի պրոֆիլը և վերահսկման բարձր մակարդակի վկայությունը՝ նվազագույն վերապատրաստման պահանջներով, ցույց են տալիս հաշմանդամություն ունեցող մարդկանց համար իրական աշխարհում կիրառել ներուժ[101][102]:

Էդվարդ Չանգը և Ջոզեֆ Մակինը UCSF-ից զեկուցել են, որ էլեկտրոկորտիկոգրաֆիական ազդանշանները կարող են օգտագործվել էպիլեպսիայով հիվանդների խոսքը վերծանելու համար, որոնք տեղադրվել են բարձր խտության էլեկտրոկորտիկոգրաֆիական զանգվածներով պերի-Սիլվիան կեղևների վրա[103][104] : Նրանք զեկուցել են բառային սխալի 3% մակարդակ (նշանակալի բարելավում նախորդ ջանքերից)՝ օգտագործելով կոդավորող-ապակոդավորող նեյրոնային ցանցը, որը էլեկտրոկորտիկոգրաֆիայի տվյալները թարգմանել է 250 եզակի բառերից կազմված հիսուն նախադասություններից մեկի մեջ:

Ոչ-ինվազիվ ՈւՀԻ-ներ

խմբագրել

Մարդկային փորձերը օգտագործել են ոչ ինվազիվ նեյրոպատկերման միջերեսներ: Հրապարակված ՈՒՀԻ հետազոտությունների մեծ մասը ներառում է ոչ ինվազիվ էլեկտրաուղեղագրության վրա հիմնված ՈՒՀԻ-ներ: էլեկտրաուղեղագրությաԷ վրա հիմնված տեխնոլոգիաները և ինտերֆեյսները օգտագործվել են ամենալայն կիրառությունների համար: Թեև էլեկտրաուղեղագրության վրա հիմնված միջերեսները հեշտ են կրել և չեն պահանջում վիրահատություն, դրանք ունեն համեմատաբար վատ տարածական լուծում և չեն կարող արդյունավետորեն օգտագործել ավելի բարձր հաճախականության ազդանշաններ, քանի որ գանգը խանգարում է՝ ցրելով և պղտորելով նեյրոնների կողմից ստեղծված էլեկտրամագնիսական ալիքները: Էլեկտրաուղեղագրության վրա հիմնված ինտերֆեյսները նաև պահանջում են որոշակի ժամանակ և ջանք նախքան օգտագործման յուրաքանչյուր նստաշրջանը, մինչդեռ մյուսները չեն պահանջում նախնական օգտագործման ուսուցում: Հիվանդի համար կոնկրետ ՈՒՀԻ-ի ընտրությունը կախված է բազմաթիվ գործոններից:

Ֆունկցիոնալ ինֆրակարմրին մոտ սպեկտրոսկոպիա

խմբագրել

2014թ.-ին ՈՒՀԻ-ն, օգտագործելով ֆունկցիոնալ մոտ ինֆրակարմիր սպեկտրոսկոպիա, ամիոտրոֆիկ կողային սկլերոզով (ALS) ունեցող «արգելափակված» հիվանդների համար կարողացավ վերականգնել հաղորդակցվելու հիմնական կարողությունը[105]:

Էլեկտրաուղեղագրության (EEG) վրա հիմնված ուղեղ-համակարգիչ միջերեսներ

խմբագրել
 
Էլեկտրաէնցեֆալոգրամով արտադրված ուղեղի ալիքների արձանագրություններ

Այն բանից հետո, երբ Վիդալը հայտարարեց ՈՒՀԻ մարտահրավերը, ոչ ինվազիվ մոտեցումների վերաբերյալ նախնական զեկույցները ներառում էին կուրսորի կառավարում 2D-ում՝ օգտագործելով տեսողական առաջացած ներուժ[106], ազդանշանի կառավարում՝ օգտագործելով CNV[107], ֆիզիկական օբյեկտի, ռոբոտի, ուղեղի կառավարում[108], օգտագործելով ռիթմ (ալֆա), էկրանի վրա գրված տեքստի կառավարում P300-ի միջոցով[109][110]։

ՈՒՀԻ-ի հետազոտության սկզբնական շրջանում էլեկտրաուղեղագրության օգտագործման մեկ այլ էական խոչընդոտ էր այն, որ պահանջվում էր լայնածավալ ուսուցում: Օրինակ, 1990-ականների կեսերին սկսված փորձերի ժամանակ Նիլս Բիրբաումերը Գերմանիայի Տյուբինգենի համալսարանից անդամալույծ մարդկանց ուսուցանել է ինքնակարգավորել դանդաղ կեղևային պոտենցիալները իրենց էլեկտրաուղեղագրության մեջ այնքան, որ այդ ազդանշանները կարող են օգտագործվել որպես երկուական ազդանշան՝ վերահսկելու համար համակարգչային կուրսորը: (Բիրբաումերը ավելի վաղ վարժեցրել էր էպիլեպտիկներին՝ կանխելու մոտալուտ նոպաները՝ կառավարելով այս ցածր լարման ալիքը)։ Փորձը տասը հիվանդի սովորեցրել էր շարժել համակարգչի կուրսորը: Գործընթացը դանդաղ էր, հիվանդներից պահանջվում էր ավելի քան մեկ ժամ՝ կուրսորով 100 նիշ գրելու համար, մինչդեռ ուսուցումը հաճախ տևում էր ամիսներ: Դանդաղ կեղևային պոտենցիալ մոտեցումը հեռացավ հօգուտ մոտեցումների, որոնք պահանջում են քիչ կամ ընդհանրապես ոչ ուսուցում, ավելի արագ և ճշգրիտ են և աշխատում են օգտվողների ավելի մեծ մասի համար[111]:

Մեկ այլ հետազոտական ​​պարամետր է տատանողական գործունեության տեսակը, որը չափվում է: Գերտ Պֆուրտշելլերը հիմնադրել է BCI Lab-ը 1991 թվականին և իրականացրել առաջին առցանց ՈՒՀԻ-ն՝ հիմնված տատանողական հատկանիշների և դասակարգիչների վրա: Բիրբաումերի և Ջոնաթան Վոլպաուի հետ Նյու Յորքի պետական ​​համալսարանում նրանք կենտրոնացան տեխնոլոգիայի մշակման վրա, որը թույլ կտա օգտատերերին ընտրել ուղեղի ազդանշանները, որոնք իրենց համար ամենադյուրինն էին ՈՒՀԻ-ի գործարկման համար, ներառյալ մու և բետա ռիթմերը:

Հետագա պարամետրը հետադարձ կապի մեթոդն է, որն օգտագործվում է, ինչպես ցույց է տրված P300 ազդանշանների ուսումնասիրություններում: P300 ալիքների օրինաչափությունները ստեղծվում են ակամա (խթան-հետադարձ կապ), երբ մարդիկ տեսնում են ինչ-որ բան, որը նրանք ճանաչում են և կարող են թույլ տալ ՈՒՀԻ-ներին վերծանել մտքերի կատեգորիաները՝ առանց վերապատրաստման:

2005թ.-ի ուսումնասիրությունը հաղորդում է թվային կառավարման սխեմաների էլեկտրաուղեղագրության էմուլյացիա՝ օգտագործելով CNV flip-flop[112]։] 2009թ.-ի մի ուսումնասիրություն հաղորդում է ոչ ինվազիվ էլեկտրաուղեղագրության վերահսկում ռոբոտ ձեռքի վրա՝ օգտագործելով CNV flip-flop-ը[113]: 2011թ.-ի ուսումնասիրությունը հայտնել է, որ երկու ռոբոտ ձեռքերը կառավարում են Հանոյի աշտարակի առաջադրանքը երեք սկավառակներով՝ օգտագործելով CNV flip-flop[114]: 2015-ի ուսումնասիրությունը նկարագրել է Շմիթի ձգանման, ֆլիպ-ֆլոպի, դեմուլտիպլեքսորի և մոդեմի էլեկտրաուղեղագրության էմուլյացիան[115]:

Բին Հեյի և Մինեսոտայի համալսարանի նրա թիմի առաջխաղացումները ենթադրում են էլեկտրաուղեղագրության վրա հիմնված ուղեղ-համակարգչային ինտերֆեյսների ներուժը՝ ուղեղ-համակարգիչ ինվազիվ միջերեսներին մոտ առաջադրանքներ կատարելու համար: Օգտագործելով առաջադեմ ֆունկցիոնալ նեյրոպատկերում, ներառյալ BOLD ֆունկցիոնալ մագնիսառեզոնանսային շերտագրության և էլեկտրաուղեղագրության աղբյուրի պատկերումը, նրանք բացահայտեցին էլեկտրաֆիզիոլոգիական և հեմոդինամիկ ազդանշանների համատեղ փոփոխությունը և տեղայնացումը[116]: Նեյրոպատկերման մոտեցմամբ և ուսումնական պրոտոկոլով նրանք մշակեցին ոչ ինվազիվ էլեկտրաուղեղագրության վրա հիմնված ուղեղ-համակարգիչ ինտերֆեյս՝ վիրտուալ ուղղաթիռի թռիչքը եռաչափ տարածությունում կառավարելու համար՝ հիմնվելով շարժիչի երևակայության վրա[117]: 2013թ. հունիսին նրանք հայտարարեցին մի տեխնիկայի մասին, որը թույլ կտա հեռակառավարվող ուղղաթիռը խոչընդոտների ճանապարհով առաջնորդել[118]: Նրանք նաև լուծեցին էլեկտրաուղեղագրության հակադարձ խնդիրը և այնուհետև օգտագործեցին ստացված վիրտուալ էլեկտրաուղեղագրությունը ՈՒՀԻ առաջադրանքների համար: Լավ վերահսկվող ուսումնասիրությունները ցույց են տվել նման աղբյուրների վերլուծության վրա հիմնված ՈՒՀԻ-ի արժանիքները[119]:

2014թ.-ի ուսումնասիրությունը ցույց է տվել, որ շարժման խիստ խանգարումներ ունեցող հիվանդները կարող են ավելի արագ և ավելի հուսալի շփվել ոչ ինվազիվ էլեկտրաուղեղագրության ՈՒՀԻ-ի հետ, քան մկանների վրա հիմնված հաղորդակցման ուղիներով[120]:

2019-ի ուսումնասիրությունը ցույց է տվել, որ էվոլյուցիոն ալգորիթմների կիրառումը կարող է բարելավել էլեկտրաուղեղագրության հոգեկան վիճակի դասակարգումը ոչ ինվազիվ Muse սարքի միջոցով՝ հնարավորություն տալով դասակարգել սպառողական կարգի տվիչ սարքի կողմից ձեռք բերված տվյալները[121]։

2021-ին պատահականացված վերահսկվող փորձարկումների համակարգված վերանայման ժամանակ, օգտագործելով ՈՒՀԻ-ն՝ վերին վերջույթների հետինսուլտային վերականգնման համար, էլեկտրաուղեղագրության վրա հիմնված ՈՒՀԻ-ն արդյունավետ է բարելավել վերին վերջույթների շարժիչի ֆունկցիան՝ համեմատած հսկիչ բուժման հետ: Ավելի կոնկրետ, ՈՒՀԻ-ի ուսումնասիրությունները, որոնք օգտագործում էին տիրույթի հզորության առանձնահատկությունները, շարժիչի պատկերները և ֆունկցիոնալ էլեկտրական խթանումը, ավելի արդյունավետ էին, քան այլընտրանքները[122]: 2021 թվականի մեկ այլ համակարգված վերանայում կենտրոնացած է հետինսուլտային ռոբոտի օգնությամբ էլեկտրաուղեղագրության-ի վրա հիմնված ՈՒՀԻ-ի վրա՝ ձեռքի վերականգնման համար: Շարժիչային գնահատման միավորների բարելավում նկատվել է տասնմեկ ուսումնասիրություններից երեքում[123]։

Չոր ակտիվ էլեկտրոդի զանգվածներ

խմբագրել

1990-ականների սկզբին Բաբակ Թահերին Դևիսում Կալիֆոռնիայի համալսարանում ցուցադրեց առաջին միայնակ և բազմալիք չոր ակտիվ էլեկտրոդների զանգվածները[124]: Ցուցադրվել է, որ դասավորված էլեկտրոդը լավ է աշխատում՝ համեմատած արծաթի/արծաթի քլորիդ էլեկտրոդների հետ: Սարքը բաղկացած էր չորս սենսորային տեղամասերից՝ ինտեգրված էլեկտրոնիկայով՝ նվազեցնելու աղմուկը դիմադրողականության համապատասխանեցման միջոցով: Նման էլեկտրոդների առավելություններն են.

  • էլեկտրոլիտ չի օգտագործվում,
  • մաշկի պատրաստման բացակայություն,
  • զգալիորեն կրճատվել է սենսորի չափը,
  • համատեղելիություն էլեկտրաուղեղագրություն մոնիտորինգի համակարգերի հետ:

Ակտիվ էլեկտրոդների զանգվածը ինտեգրված համակարգ է, որը պարունակում է կոնդենսիվ սենսորների զանգված՝ տեղական ինտեգրալային սխեմաներով, որոնք փաթեթավորված են մարտկոցներով՝ սխեմաները սնուցելու համար: Արդյունքի հասնելու համար պահանջվում էր ինտեգրման այս մակարդակը:

Էլեկտրոդը փորձարկվել է փորձարկման նստարանի և մարդկանց վրա չորս եղանակներով, մասնավորապես.

  • ինքնաբուխ էլեկտրաուղեղագրություն,
  • զգայական իրադարձությունների հետ կապված ներուժ,
  • ուղեղի ցողունի ներուժը,
  • ճանաչողական իրադարձությունների հետ կապված ներուժ:

Մաշկի պատրաստման, գելի պահանջների բացակայությունը (չոր) և ազդանշան-աղմուկ հարաբերակցության ավելի բարձր մակարդակ, համեմատած ստանդարտ խոնավ էլեկտրոդների հետ[125]:

1999 թվականին Հանթեր Փեքհեմը և Քեյս Վեսթերն Ռեզերվ համալսարանի մյուսները օգտագործեցին 64 էլեկտրոդից բաղկացած էլեկտրաուղեղագրություն գանգի գլխարկ՝ ձեռքերի սահմանափակ շարժումները վերադարձնելու համար քառապլեգիկ հիվանդին: Երբ նա կենտրոնացավ պարզ, բայց հակադիր հասկացությունների վրա, ինչպիսիք են վեր ու վար: Նրա բետա-ռիթմի էլեկտրաուղեղագրության ելքում հայտնաբերվեց հիմնական օրինաչափություն և օգտագործվեց անջատիչը կառավարելու համար. միջինից բարձր ակտիվությունը մեկնաբանվեց որպես միացված, միջինից ցածր անջատված: Ազդանշաններն օգտագործվում էին նաև նրա ձեռքերում ներկառուցված նյարդային կարգավորիչները քշելու համար՝ վերականգնելով որոշ շարժումներ[126]:

SSVEP շարժական Էլեկտրաուղեղագրության ՈւՀԻ-ներ

խմբագրել

2009 թվականին հաղորդվել է ՀԱՄՀ-ի ուղեղ-համակարգիչ-ինտերֆեյս-գլխակալի մասին: Այդ հետազոտողները նաև մշակել են սիլիցիումի վրա հիմնված միկրոէլեկտրամեխանիկական համակարգի (MEMS) չոր էլեկտրոդներ, որոնք նախատեսված են մարմնի ոչ մազոտ տեղամասերում կիրառելու համար: Այս էլեկտրոդները ամրացված էին գլխակապի DAQ տախտակի վրա՝ սեղմված էլեկտրոդների ամրակներով: Ազդանշանի մշակման մոդուլը չափում էր ալֆա ակտիվությունը և այն Bluetooth-ի միջոցով փոխանցեց հեռախոսին, որը գնահատում էր հիվանդների զգոնությունն ու ճանաչողական կարողությունը: Երբ սուբյեկտի քունը տարավ, հեռախոսը գրգռիչ արձագանք ուղարկեց օպերատորին՝ նրանց արթնացնելու համար[127]:

2011թ.-ին հետազոտողները զեկուցեցին բջջային հիմնված ՈւՀԻ-ի մասին, որը կարող է առաջացնել հեռախոսի զանգ: Հագվող համակարգը բաղկացած էր չորս ալիքային կենսաազդանշանների ձեռքբերման/ուժեղացման մոդուլից, կապի մոդուլից և Bluetooth հեռախոսից: Էլեկտրոդները տեղադրվել են կայուն վիճակի տեսողական առաջացնող պոտենցիալները (SSVEPs) վերցնելու համար[128]: SSVEP-ները թարթող տեսողական գրգռիչներին էլեկտրական արձագանքներ են՝ 6 Հց-ից[128] ավելի կրկնության արագությամբ, որոնք լավագույնս հայտնաբերվում են տեսողական կենտրոնի պարիետալ և օքսիպիտալ գլխի հատվածներում[129][130][131]: Զեկուցվել է, որ հետազոտության բոլոր մասնակիցները կարողացել են հեռախոսազանգ սկսել բնական միջավայրում նվազագույն փորձով[132]:

Գիտնականները հայտնել են, որ մեկ ալիքով արագ Ֆուրիեի փոխակերպումը (FFT) և բազմակի ալիքային համակարգի կանոնական հարաբերակցության վերլուծության (CCA) ալգորիթմը կարող է աջակցել շարժական ՈւՀԻ-ներին[128][133]: Կանոնական հարաբերակցության վերլուծության ալգորիթմը կիրառվել է բարձր ճշգրտությամբ և արագությամբ ՈւՀԻ-ները հետազոտող փորձերում[134]։ Հաղորդվում է, որ բջջային ՈւՀԻ տեխնոլոգիան կարող է թարգմանվել այլ կիրառությունների համար, ինչպիսիք են սենսոր-շարժիչ մու/բետա ռիթմերը ընտրելը, որպեսզի գործի որպես շարժիչի պատկերների վրա հիմնված ՈւՀԻ[128]։

2013-ին համեմատական ​​թեստերը, որոնք կատարվել են Android բջջային հեռախոսների, պլանշետների և համակարգչի վրա հիմնված ՈւՀԻ-ների վրա, վերլուծել են ստացված էլեկտրաուղեղագրություն SSVEP-ների էներգիայի սպեկտրի խտությունը: Այս ուսումնասիրության հայտարարված նպատակներն էին «բարձրացնել SSVEP-ի վրա հիմնված ՈւՀԻ-ի գործնականությունը, շարժականությունը և ամենուր տարածվածությունը ամենօրյա օգտագործման համար»: Զեկուցվել է, որ բոլոր միջավայրերում գրգռման հաճախականությունը ճշգրիտ է եղել, թեև հեռախոսի ազդանշանը կայուն չի եղել։ Հաղորդվում է, որ նոութբուքի և պլանշետի SSVEP-ների ամպլիտուդներն ավելի մեծ են, քան բջջային հեռախոսինը: Այս երկու որակական բնութագրերն առաջարկվել են որպես շարժական ՈւՀԻ-ի օգտագործման իրագործելիության ցուցանիշների խթանիչ[133]:

Էլեկտրաուղեղագրության ընթերցումների հետ կապված դժվարություններից մեկը շարժման արտեֆակտների նկատմամբ զգայունությունն է[135]: Հետազոտական ​​նախագծերի մեծ մասում մասնակիցներին առաջարկվել է անշարժ նստել լաբորատոր պայմաններում՝ հնարավորինս նվազեցնելով գլխի և աչքերի շարժումները: Այնուամենայնիվ, քանի որ այս նախաձեռնությունները նախատեսված էին ամենօրյա օգտագործման համար շարժական սարք ստեղծելու համար[133], տեխնոլոգիան պետք է փորձարկվեր շարժման մեջ: 2013-ին հետազոտողները փորձարկեցին բջջային էլեկտրաուղեղագրության վրա հիմնված ՈւՀԻ տեխնոլոգիան՝ չափելով մասնակիցների SSVEP-ները, երբ նրանք քայլում էին վազքուղու վրա: Զեկուցված արդյունքներն այն էին, որ արագության բարձրացմանը զուգընթաց, կանոնական հարաբերակցության վերլուծության միջոցով SSVEP-ի հայտնաբերումը նվազեց: Ապացուցված է, որ անկախ բաղադրիչ վերլուծությունը (ICA) արդյունավետ է էլեկտրաուղեղագրություն ազդանշանները աղմուկից առանձնացնելու համար[136]: Հետազոտողները հայտարարեցին, որ կանոնական հարաբերակցության վերլուծության տվյալները անկախ բաղադրիչ վերլուծության մշակմամբ և առանց դրա նման են: Նրանք եզրակացրեցին, որ կանոնական հարաբերակցության վերլուծությունը ցուցաբերել է կայունություն շարժման արտեֆակտների նկատմամբ[130]: էլեկտրաուղեղագրություն-ի վրա հիմնված ՈւՀԻ հավելվածներն առաջարկում են ցածր տարածական լուծում: Հնարավոր լուծումները ներառում են՝ էլեկտրաուղեղագրության աղբյուրի միացում՝ հիմնված գրաֆիկների տեսության վրա, էլեկտրաուղեղագրութան օրինաչափությունների ճանաչում՝ հիմնված Topomap-ի և էլեկտրաուղեղագրություն-ֆունկցիոմալ մագնիսառեզոնանսային շերտագրության միաձուլման վրա։

Պրոթեզավորում և շրջակա միջավայրի վերահսկում

խմբագրել

Ոչ ինվազիվ ՈւՀԻ-ները կիրառվել են կաթվածահար ունեցող մարդկանց վերին և ստորին վերջույթների պրոթեզավորման սարքերի վրա: Օրինակ, Գրացի տեխնոլոգիական համալսարանի Գերտ Պֆուրտշելլերը և նրա գործընկերները ցուցադրեցին ՈւՀԻ-ով կառավարվող ֆունկցիոնալ էլեկտրական խթանման համակարգ՝ վերականգնելու վերին վերջույթների շարժումները ողնուղեղի վնասվածքի պատճառով տետրապլեգիայով տառապող մարդու մոտ[137]: 2012-2013 թվականներին Կալիֆորնիայի Իրվինի համալսարանի հետազոտողները առաջին անգամ ցույց տվեցին, որ ՈւՀԻ տեխնոլոգիան կարող է վերականգնել ուղեղի կողմից կառավարվող քայլքը ողնաշարի վնասվածքից հետո: Իրենց ուսումնասիրության ընթացքում պարապլեգիայով տառապող անձը վիրահատել է ՈւՀԻ-ռոբոտային քայլվածքի օրթեզ՝ հիմնական ամբուլացիան վերականգնելու համար[138][139]: 2009 թվականին անկախ հետազոտող Ալեքս Բլեյնին օգտագործեց Emotiv EPOC-ը 5 առանցք ունեցող ռոբոտ թևը կառավարելու համար[140]: Նա մի քանի ցուցադրություն արեց մտքով կառավարվող անվասայլակների և տան ավտոմատացման մասին:

Մագնիսաուղեղագրություն և ֆունկցիոնալ մագնիսառեզոնանսային շերտագրություն

խմբագրել

Մագնետոէնցեֆալոգրաֆիան (MEG) և ֆունկցիոնալ մագնիսական ռեզոնանսային տոմոգրաֆիան (fMRI) երկուսն էլ օգտագործվել են որպես ոչ ինվազիվ ՈւՀԻ-ներ[141]: Լայնորեն հաղորդված փորձի ժամանակ ֆունկցիոնալ մագնիսական ռեզոնանսային տոմոգրաֆիան երկու օգտատերերի թույլ տվեց խաղալ Պոնգ իրական ժամանակում՝ փոխելով նրանց հեմոդինամիկ արձագանքը կամ ուղեղի արյան հոսքը կենսաբանական հետադարձ կապի միջոցով[142]։

Հեմոդինամիկ ռեակցիաների ֆունկցիոնալ մագնիսական ռեզոնանսային տոմոգրաֆիայի չափումները իրական ժամանակում օգտագործվել են նաև ռոբոտի ձեռքերը կառավարելու համար՝ մտքի և շարժման միջև յոթ վայրկյան ուշացումով[143]:

2008 թվականին Ճապոնիայի Կիոտոյում, Հեռահաղորդակցության առաջադեմ հետազոտությունների (ATR) Հաշվողական նյարդաբանության լաբորատորիաներում մշակված հետազոտությունը թույլ տվեց հետազոտողներին վերականգնել պատկերները ուղեղի ազդանշաններից 10x10 պիքսել լուծաչափով[144]։

2011թ.-ի մի ուսումնասիրություն հաղորդում է հետազոտության մասնակիցների կողմից դիտված տեսանյութերի երկրորդ առ վայրկյան վերակառուցումը՝ ֆունկցիոնալ մագնիսական ռեզոնանսային տոմոգրաֆիայի տվյալներից[145]: Դրան հաջողվել է ստեղծել վիճակագրական մոդել, որը կապում է տեսանյութերը ուղեղի գործունեության հետ: Այս մոդելն այնուհետև օգտագործվեց 100 մեկ վայրկյանանոց տեսանյութերի հատվածներ փնտրելու համար՝ 18 միլիոն վայրկյանանոց պատահական YouTube տեսանյութերի տվյալների բազայում՝ համապատասխան տեսողականօրինաչափությունները ուղեղի գործունեության հետ, որոնք գրանցված են, երբ սուբյեկտները տեսանյութ են դիտել: Այս 100 մեկ վայրկյան տեւողությամբ տեսանյութի քաղվածքներն այնուհետև միաձուլվեցին և վերածվեցին համադրված պատկերի, որը նման էր տեսանյութին[146][147][148]

ՈւՀԻ վերահսկման ռազմավարություններ նեյրոխաղում

խմբագրել
Շարժական շերտագրություն
խմբագրել

Շարժական շերտագրությունը ներառում է մարմնի մասերի շարժումների պատկերացում, սենսորաշարժիչ կեղևի ակտիվացում, որը մոդուլավորում է սենսորաշարժիչ տատանումները էլետկրաուղեղագրությունում: Սա կարող է հայտնաբերվել ՈՒՀԻ-ի կողմից և օգտագործվել օգտվողի մտադրությունը ենթադրելու համար: Շարժումային պատկերները սովորաբար պահանջում են ուսուցում ընդունելի վերահսկողություն ձեռք բերելու համար: Վերապատրաստման դասընթացները սովորաբար մի քանի օրվա ընթացքում տևում են ժամեր: Անկախ դասընթացի տեւողությունից՝ օգտատերերը չեն կարողանում տիրապետել կառավարման սխեմային: Սա հանգեցնում է խաղի շատ դանդաղ տեմպերի[149]: Մեքենայական ուսուցման մեթոդները օգտագործվել են առարկայի հատուկ մոդելը հաշվարկելու համար շարժիչի պատկերների կատարողականությունը հայտնաբերելու համար: ՈՒՀԻ Competition IV 2022[150] տվյալների բազա 2-ի ամենաարդյունավետ ալգորիթմը շարժիչ պատկերների համար Ֆիլտրի բանկի ընդհանուր տարածական ձևն էր, որը մշակվել է Անգ և ուրիշների կողմից, A*STAR ընկերության կողմից, Սինգապուրում[151]։

Կենսաբանական/նյարդային հետադարձ կապ պասիվ ՈՒՀԻ-ների դիզայնի համար
խմբագրել

Կենսաբանական հետադարձ կապը կարող է օգտագործվել սուբյեկտի մտավոր թուլացումը վերահսկելու համար: Որոշ դեպքերում կենսահետադարձ կապը չի համապատասխանում էլեկտրոուղեղագրությանը, մինչդեռ այնպիսի պարամետրեր, ինչպիսիք են էլեկտրամիոգրաֆիան (EMG), մաշկի գալվանական դիմադրությունը (GSR) և սրտի հաճախության փոփոխականությունը (HRV) կարող են դա անել: Շատ կենսաբանական հետադարձ կապի համակարգեր բուժում են այնպիսի խանգարումներ, ինչպիսիք են ուշադրության դեֆիցիտի հիպերակտիվության խանգարումը (ADHD), երեխաների քնի խնդիրները, ատամների կրճտոցը և քրոնիկական ցավը: Էլեկտրաուղեղագրության կենսաբանական հետադարձ կապի համակարգերը սովորաբար վերահսկում են ուղեղի ալիքների չորս գոտիները (թետա՝ 4–7 Հց, ալֆա: 8–12 Հց, SMR` 12–15 Հց, բետա` 15–18 Հց) և մարտահրավեր են նետում սուբյեկտին վերահսկել դրանք: Պասիվ ՈՒՀԻ-ն օգտագործում է ՈՒՀԻ-ն՝ հարստացնելու մարդ-մեքենա փոխազդեցությունը օգտվողի հոգեկան վիճակի մասին տեղեկություններով, օրինակ՝ սիմուլյացիաներ, որոնք հայտնաբերում են, երբ օգտվողները մտադիր են արգելակել մեքենայի արտակարգ արգելակման ժամանակ: Պասիվ ՈՒՀԻ-ներ օգտագործող խաղերի մշակողները հասկանում են, որ խաղի մակարդակների կրկնության միջոցով օգտագործողի ճանաչողական վիճակը հարմարվում է: Տվյալ մակարդակի առաջին խաղի ժամանակ խաղացողը տարբեր կերպ է արձագանքում, քան հաջորդ խաղերի ժամանակ. օրինակ, օգտագործողն ավելի քիչ է զարմանում իր ակնկալած իրադարձությունից[149]:

Տեսողական առաջացած ներուժ (VEP)
խմբագրել

Տեսողական առաջացած ներուժը էլեկտրական ներուժ է, որը գրանցվում է այն բանից հետո, երբ առարկան ներկայացվում է տեսողական գրգիռներով: Տեսողական առաջացած ներուժների տեսակները ներառում են SSVEP-ներ և P300 ներուժ:

Կայուն վիճակի տեսողական առաջացվող պոտենցիալները (SSVEPs) օգտագործում են ցանցաթաղանթի գրգռման արդյունքում առաջացած պոտենցիալները՝ օգտագործելով որոշակի հաճախականություններում մոդուլացված տեսողական խթաններ: SSVEP գրգռիչները հաճախ ձևավորվում են շախմատի տախտակի փոփոխվող նախշերից և երբեմն օգտագործում են թարթող պատկերներ: Օգտագործված գրգիռի փուլային հակադարձման հաճախականությունը կարելի է տարբերակել էլեկտրաուղեղագրությամբ. սա համեմատաբար հեշտ է դարձնում SSVEP խթանների հայտնաբերումը: SSVEP-ն օգտագործվում է բազմաթիվ ՈՒՀԻ համակարգերում: Սա պայմանավորված է մի քանի գործոններով՝ ստացված ազդանշանը չափելի է նույնքան մեծ պոպուլյացիայի դեպքում, որքան անցողիկ տեսողական առաջացած ներուժը և թարթման շարժումը: Էլեկտրասրտագրության արտեֆակտները չեն ազդում վերահսկվող հաճախականությունների վրա: SSVEP ազդանշանն ամուր է։ Առաջնային տեսողական կեղևի տեղագրական կազմակերպվածությունն այնպիսին է, որ ավելի լայն տարածքը աֆերենտներ է ստանում տեսողական դաշտի կենտրոնական կամ ֆովիալ շրջանից: SSVEP-ը գալիս է խնդիրներով: Քանի որ SSVEP-ները օգտագործում են թարթող խթաններ՝ ենթադրելու օգտատիրոջ մտադրությունը, օգտվողը պետք է հայացքը հառի թարթող կամ կրկնվող խորհրդանիշներից մեկին, որպեսզի փոխազդի համակարգի հետ: Հետևաբար, հավանական է, որ սիմվոլները դառնում են նյարդայնացնող և անհարմարավետ ավելի երկար խաղերի ժամանակ:

Տեսողական առաջացած ներուժի մեկ այլ տեսակ P300 պոտենցիալն է: Այս պոտենցիալը էլեկտրաուղեղագրությունում դրական գագաթնակետ է, որը տեղի է ունենում մոտավորապես 300 միկրովայրկյան հետո թիրախային գրգռիչի հայտնվելուց հետո (գրգռիչ, որին օգտվողը սպասում կամ փնտրում է) կամ տարօրինակ գրգռիչներ: P300 ամպլիտուդան նվազում է, քանի որ թիրախային և անտեսված գրգռիչները ավելի նման են դառնում: Ենթադրվում է, որ P300-ը կապված է ավելի բարձր մակարդակի ուշադրության գործընթացի կամ կողմնորոշիչ արձագանքի հետ: P300-ի օգտագործումը պահանջում է ավելի քիչ մարզումներ: Առաջին հավելվածը, որն օգտագործեց այն, P300 մատրիցն էր: Այս համակարգի շրջանակներում սուբյեկտն ընտրում է տառ 6-ից 6 տառերի և թվերի ցանցից: Ցանցի տողերն ու սյունակները հաջորդաբար թարթում էին, և ամեն անգամ, երբ ընտրված «ընտրական տառը» լուսավորվում էր, օգտագործողի P300-ը (պոտենցիալ) առաջանում էր: Այնուամենայնիվ, հաղորդակցման գործընթացը, մոտավորապես 17 նիշ րոպեում, դանդաղ էր: P300-ն առաջարկում է դիսկրետ ընտրություն, այլ ոչ թե շարունակական վերահսկողություն: Խաղերի շրջանակներում P300-ի առավելությունն այն է, որ խաղացողը ստիպված չէ սովորել, թե ինչպես օգտագործել նոր կառավարման համակարգ, որը պահանջում է միայն կարճ ուսուցման օրինակներ՝ խաղի մեխանիկա և հիմնական ՈՒՀԻ պարադիգմը սովորելու համար[149]։

Ոչ ուղեղի վրա հիմնված մարդ-համակարգիչ ինտերֆեյս (ֆիզիոլոգիական հաշվարկ)

խմբագրել

Մարդ-համակարգիչ փոխազդեցությունը կարող է օգտագործել ձայնագրման այլ եղանակներ, ինչպիսիք են էլեկտրոկուլոգրաֆիան և աչքի հետագծումը: Այս եղանակները չեն գրանցում ուղեղի ակտիվությունը և, հետևաբար, չեն որակվում որպես ՈՒՀԻ-ներ[152]:

Էլեկտրաօկուլոգրաֆիա (EOG)
խմբագրել

1989 թ.-ին մի ուսումնասիրություն հայտնեց շարժական ռոբոտի կառավարումը աչքի շարժումով, օգտագործելով էլեկտրաօկուլոգրաֆիայի ազդանշանները: Շարժական ռոբոտը մղվեց դեպի նպատակակետ՝ օգտագործելով հինգ էլեկտրաօկուլոգրաֆիական հրամաններ, որոնք մեկնաբանվում են որպես առաջ, հետ, ձախ, աջ և կանգառ [153]:

Բբի չափի տատանում
խմբագրել

2016թ.-ի հոդվածում նկարագրված էր նոր ոչ էլեկտրաուղեղագրության վրա հիմնված մարդ-համակարգիչ փոխազդեցություն, որը չէր պահանջում տեսողական ամրացում կամ աչքերը շարժելու ունակություն[154]: Ինտերֆեյսը հիմնված է գաղտնի շահերի վրա. ուշադրություն դարձնել ընտրված տառին վիրտուալ ստեղնաշարի վրա՝ առանց ուղղակի տառին նայելու անհրաժեշտության: Յուրաքանչյուր տառ ունի իր (ֆոնային) շրջանագիծը, որը միկրո-տատանվում է պայծառությամբ մյուսներից տարբեր: Տառերի ընտրությունը հիմնված է բբի չափի ոչ միտումնավոր տատանումների և ֆոնի շրջանակի պայծառության տատանումների օրինաչափության վրա: Ճշգրտությունը լրացուցիչ բարելավվում է օգտատիրոջ մտավոր փորձով «պայծառ» և «մութ» բառերը տառերի շրջանակի պայծառության անցումների հետ համաժամանակյա:

Ուղեղից ուղեղ հաղորդակցություն

խմբագրել

1960-ական թվականներին մի հետազոտող վերապատրաստումից հետո օգտագործել է էլեկտրաուղեղագրություն՝ ալֆա ալիքների միջոցով Մորզեի կոդ ստեղծելու համար[155]: 2013 թվականի փետրվարի 27-ին Միգել Նիկոլելիսի խումբը Դյուկի համալսարանում և IINN-ELS-ում միացրել են երկու առնետների ուղեղը՝ թույլ տալով նրանց կիսվել տեղեկատվությունը ուղեղից ուղեղ առաջին ուղիղ միջերեսով[156][157][158]:

Գերվին Շալկը զեկուցեց, որ էլեկտրոկորտիկոգրաֆիական ազդանշանները կարող են տարբերակել ձայնավորներն ու բաղաձայնները, որոնք ներկառուցված են խոսակցական և երևակայական բառերի մեջ՝ լույս սփռելով դրանց արտադրության մեխանիզմների վրա և կարող են հիմք հանդիսանալ ուղեղի վրա հիմնված հաղորդակցության համար՝ օգտագործելով երևակայական խոսքը[102][159]:

2002 թվականին Քևին Ուորվիքը 100 էլեկտրոդներից բաղկացած զանգված արձակեց իր նյարդային համակարգի մեջ՝ իր նյարդային համակարգը համացանցին կապելու համար: Ուորվիկն իրականացրել է մի շարք փորձեր։ Էլեկտրոդներ են տեղադրվել նրա կնոջ նյարդային համակարգում՝ թույլ տալով նրանց իրականացնել առաջին ուղիղ էլեկտրոնային հաղորդակցության փորձը երկու մարդկանց նյարդային համակարգերի միջև[160][161][162][163]։

Այլ հետազոտողներ ձեռք են բերել ուղեղից ուղեղ հաղորդակցություն հեռավորության վրա՝ օգտագործելով ոչ ինվազիվ տեխնոլոգիա, որը կցված է մասնակիցների գլխամաշկին: Բառերը կոդավորվել են երկուական հոսքերով՝ տեղեկատվություն ուղարկող անձի ճանաչողական շարժիչի միջոցով: Տեղեկատվության կեղծ պատահական հատվածները կրում էին կոդավորված «hola» (իսպաներեն «hi») և «ciao» (իտալերեն «ցտեսություն») բառերը և փոխանցվում էին մտքից[164]:

Բջջային կուլտուրաների ՈւՀԻ-ներ

խմբագրել

Հետազոտողները ստեղծել են սարքեր՝ նեյրոնային բջիջների և ամբողջ նեյրոնային ցանցերի հետ կապ հաստատելու համար: Կուլտուրացված նյարդային հյուսվածքի վրա փորձերը կենտրոնացած էին խնդիրների լուծման ցանցեր կառուցելու, հիմնական համակարգիչների կառուցման և ռոբոտային սարքերի մանիպուլյացիայի վրա: Կիսահաղորդչային չիպերի վրա աճեցված առանձին նեյրոնների խթանման և գրանցման տեխնիկայի հետազոտությունը նեյրոէլեկտրոնիկայի կամ նեյրոչիպերի հետազոտությունն է[165]:

Առաջին նեյրոչիպի մշակումը հավակնում էր Կալտեխ (Կալիֆորնիայի Տեխնոլոգիական Համալսարան) թիմը՝ Ջերոմ Փայնի և Մայքլ Մահերի գլխավորությամբ 1997 թվականին[166]: Կալտեխ չիպը տեղ ուներ 16 նեյրոնների համար:

2003 թվականին Հարավային Կալիֆորնիայի համալսարանի Թեոդոր Բերգերի գլխավորած թիմն աշխատել է նեյրոչիպի վրա, որը նախատեսված է որպես արհեստական ​​կամ պրոթեզային հիպոկամպ գործելու համար: Նեյրոչիպը նախատեսված է առնետների ուղեղի համար: Հիպոկամպը ընտրվել է, քանի որ կարծում են, որ այն ուղեղի ամենակառուցված և ամենաուսումնասիրված հատվածն է: Նրա գործառույթն է կոդավորել փորձառությունները՝ որպես երկարաժամկետ հիշողություններ ուղեղի այլ վայրերում պահելու համար[167]:

2004 թվականին Թոմաս Դեմարսը Ֆլորիդայի համալսարանում օգտագործեց առնետի ուղեղից վերցված 25000 նեյրոնների կուլտուրա՝ F-22 կործանիչ ինքնաթիռի սիմուլյատորով թռչելու համար: Հավաքումից հետո կեղևային նեյրոնները մշակվել են Պետրիի թասի մեջ և նորից միացել՝ ստեղծելով կենդանի նեյրոնային ցանց: Բջիջները դասավորված էին 60 էլեկտրոդներից բաղկացած ցանցի վրա և օգտագործվում էին սիմուլյատորի բարձրության և թեքության գործառույթները կառավարելու համար: Ուսումնասիրության նպատակն էր հասկանալ, թե ինչպես է մարդկային ուղեղը կատարում և սովորում հաշվողական առաջադրանքները բջջային մակարդակում[168]:

Համագործակցային ՈւՀԻ-ներ

խմբագրել

Բազմաթիվ անհատներից ուղեղի ազդանշանների համակցման/ինտեգրման գաղափարը ներկայացվել է Humanity+ @Caltech-ում 2010 թվականի դեկտեմբերին Ադրիան Ստոյկայի կողմից, ով հայեցակարգն անվանել է բազմաուղեղային ագրեգացիա[169][170][171]: Արտոնագրի համար հայտ է ներկայացվել 2012 թվականին[172][173][174]։ Stoica-ի առաջին հոդվածը թեմայի վերաբերյալ հայտնվեց 2012 թվականին՝ նրա արտոնագրային հայտի հրապարակումից հետո[175]:

Էթիկական նկատառումներ

խմբագրել

ՈւՀԻ-ները ներկայացնում են զգալի էթիկական հարցեր, ներառյալ մտահոգությունները գաղտնիության, ինքնավարության, համաձայնության և արտաքին սարքերի հետ մարդու ճանաչողության միաձուլման հետևանքների վերաբերյալ: Այս էթիկական նկատառումների ուսումնասիրությունը ընդգծում է բարդ փոխազդեցությունը տեխնոլոգիայի առաջընթացի և մարդու հիմնարար իրավունքների և արժեքների պահպանման միջև: Մտահոգությունները կարող են լայնորեն դասակարգվել օգտատերերի վրա հիմնված խնդիրների և իրավական և սոցիալական խնդիրների:

Մտահոգությունները կենտրոնացած են օգտագործողների վրա անվտանգության և երկարաժամկետ ազդեցության վրա: Դրանք ներառում են հաղորդակցման դժվարություններ ունեցող անձանցից տեղեկացված համաձայնություն ստանալը, հիվանդների և ընտանիքների կյանքի որակի վրա ազդեցությունը, առողջության հետ կապված կողմնակի ազդեցությունները, թերապևտիկ հավելվածների չարաշահումը, անվտանգության ռիսկերը և ՈւՀԻ-ով պայմանավորված որոշ փոփոխությունների անշրջելի բնույթը: Բացի այդ, հարցեր են ծագում տեխնիկական սպասարկման, վերանորոգման և պահեստամասերի հասանելիության վերաբերյալ, հատկապես ընկերության սնանկության դեպքում[176]։]

ՈւՀԻ-ների իրավական և սոցիալական ասպեկտները բարդացնում են հիմնական ընդունումը: Մտահոգությունները ներառում են հաշվետվողականության և պատասխանատվության հարցեր, ինչպիսիք են պնդումները, որ ՈւՀԻ-ի ազդեցությունը գերակայում է ազատ կամքի և գործողությունների նկատմամբ վերահսկողության վրա, ճանաչողական մտադրությունների ոչ ճշգրիտ թարգմանությունը, անհատականության փոփոխությունները, որոնք առաջանում են ուղեղի խորը գրգռման հետևանքով, և մարդու և մեքենայի միջև սահմանի լղոզումը[177]: Մյուս մտահոգությունները ներառում են ՈւՀԻ-ների օգտագործումը հարցաքննության առաջադեմ տեխնիկայում, չարտոնված մուտք («ուղեղի կոտրում»)[178], սոցիալական շերտավորումը ընտրովի բարելավման միջոցով, գաղտնիության խնդիրներ՝ կապված մտքերի ընթերցման, հետևելու և «պիտակավորելու» համակարգերին և մտքի ներուժի, շարժուման և զգացմունքների վերահսկմանը[179] Հետազոտողները նաև տեսություն են ներկայացրել, որ ՈւՀԻ-ները կարող են սրել գոյություն ունեցող սոցիալական անհավասարությունները:

Իրենց ներկայիս ձևով, ՈւՀԻ-ների մեծամասնությունը ավելի շատ նման է ուղղիչ թերապիայի, որը ներառում է նման էթիկական խնդիրներից մի քանիսը: Բիոէթիկան լավ պատրաստված է ՈւՀԻ տեխնոլոգիաների կողմից առաջադրված մարտահրավերներին դիմակայելու համար, ընդ որում Կլաուզենը 2009-ին առաջարկել է, որ «ՈւՀԻ-ները ներկայացնում են էթիկական մարտահրավերներ, բայց դրանք կոնցեպտուալ առումով նման են նրանց, որոնց բիոէթիկները դիմել են թերապիայի այլ ոլորտներում»[180]: Հազելագերը և գործընկերները ընդգծեցից ակնկալիքների և արժեքի կառավարման կարևորությունը[181]: Ստանդարտ արձանագրությունները կարող են ապահովել էթիկապես հիմնավորված տեղեկացված համաձայնության ընթացակարգեր արգելափակված հիվանդների համար:

ՈւՀԻ-ների էվոլյուցիան արտացոլում է դեղագործական գիտությունը, որը սկսվել է որպես թերությունները վերացնելու միջոց և այժմ ուժեղացնում է ուշադրությունը և նվազեցնում քնի կարիքը: Քանի որ ՈւՀԻ-ները թերապիաներից դեպի բարելավումներ են ընթանում, ՈւՀԻ համայնքն աշխատում է կոնսենսուս ստեղծել հետազոտության, զարգացման և տարածման համար էթիկական ուղեցույցների շուրջ[182][183]: ՈւՀԻ-ների նկատմամբ արդար հասանելիության ապահովումը կարևոր նշանակություն կունենա սերունդների անհավասարությունը կանխելու համար, որը կարող է խոչընդոտել մարդու ծաղկման իրավունքը:

Էժան համակարգեր

խմբագրել

Տարբեր ընկերություններ մշակում են էժան ՈւՀԻ-ներ հետազոտության և զվարճանքի համար: Խաղալիքները, ինչպիսիք են NeuroSky-ը և Mattel MindFlex-ը, որոշակի առևտրային հաջողություններ են գրանցել:

  • 2006 թվականին Sony-ն արտոնագրեց նեյրոնային ինտերֆեյսի համակարգ, որը թույլ էր տալիս ռադիոալիքներին ազդել նյարդային ծառի կեղևի ազդանշանների վրա[184]։
  • 2007 թվականին NeuroSky-ը թողարկեց առաջին մատչելի, սպառողների վրա հիմնված էլեկտաուղեղագրությունը NeuroBoy խաղի հետ միասին: Դա առաջին լայնածավալ էլեկտաուղեղագրություն սարքն էր, որն օգտագործեց չոր սենսորային տեխնոլոգիա[185]:
  • 2008թ.-ին OCZ Technology-ն ստեղծեց մի սարք՝ վիդեոխաղերում օգտագործելու համար՝ հիմնվելով հիմնականում էլեկտրամիոգրաֆիայի վրա[186]:
  • 2008 թվականին Final Fantasy ծրագրավորող Square Enix-ը հայտարարեց, որ համագործակցում է NeuroSky-ի հետ՝ ստեղծելով Judecca խաղը[187][188]:
  • 2009-ին Mattel-ը համագործակցեց NeuroSky-ի հետ՝ թողարկելու Mindflex խաղը, որն օգտագործում էր էլեկտաուղեղագրութունը գնդակը արգելքների միջով անցնելու համար: Այն ժամանակին սպառողների վրա հիմնված էլեկտաուղեղագրությունն ամենավաճառվողն էր[187][188]:
  • 2009 թվականին Uncle Milton Industries-ը համագործակցեց NeuroSky-ի հետ՝ թողարկելու Star Wars Force Trainer խաղը, որը նախատեսված էր ուժին տիրապետելու պատրանք ստեղծելու համար[187][189]:
  • 2009 թվականին Emotiv-ը թողարկեց EPOC՝ 14 ալիքով էլեկտաուղեղագրություն սարքը, որը կարող է կարդալ 4 հոգեկան վիճակ, 13 գիտակցված վիճակ, դեմքի արտահայտություններ և գլխի շարժումներ։ EPOC-ն առաջին առևտրային ՈւՀԻ-ն էր, որն օգտագործեց չոր սենսորային տեխնոլոգիա, որը կարող է խոնավանալ աղի լուծույթով ավելի լավ կապի համար[190]:
  • 2011 թվականի նոյեմբերին Time ամսագիրը ընտրել է Neurowear-ի կողմից արտադրված «necomimi»-ն՝ որպես տարվա լավագույն գյուտերից մեկը[191]։
  • 2014 թվականի փետրվարին They Shall Walk-ը (շահույթ չհետապնդող կազմակերպություն, որը հիմնված է էկզոկմախքների կառուցման վրա, որը կոչվում է LIFESUITs, պարապլեգիկների և քառակուսիների համար) սկսել է համագործակցություն Ջեյմս Վ. Շաքարջիի հետ անլար ՈւՀԻ-ի մշակման համար[192]:
  • 2016 թվականին մի խումբ հոբբիներ մշակեցին բաց կոդով ՈւՀԻ տախտակ, որը նյարդային ազդանշաններ է ուղարկում սմարթֆոնի աուդիո վարդակին, ինչը նվազեցնում է սկզբնական մակարդակի ՈւՀԻ-ի արժեքը մինչև 20 ֆունտ[193]: Հիմնական ախտորոշիչ ծրագրակազմը հասանելի է Android սարքերի համար, ինչպես նաև տեքստի մուտքագրման հավելված Unity-ի համար[194]։
  • 2020 թվականին NextMind-ը թողարկեց մշակողի հավաքածու, որը ներառում էր չոր էլեկտրոդներով էլեկտաուղեղագրություն ականջակալ՝ $399-ով[195][196]: Սարքը կարող է գործարկել տարբեր տեսողական-ՈւՀԻ ցուցադրական հավելվածներ կամ մշակողները կարող են ստեղծել իրենցը: Այն հետագայում ձեռք բերվեց Snap Inc.-ի կողմից 2022 թվականին[197]

Ապագա ուղղություններ

խմբագրել
 
Ուղեղ-համակարգիչ ինտերֆեյս

12 եվրոպացի գործընկերներից կազմված կոնսորցիումն ավարտեց «Հորիզոն 2020» շրջանակային ծրագրի ֆինանսավորման որոշումների հարցում Եվրոպական հանձնաժողովին աջակցելու քարտեզը: Ծրագիրը ֆինանսավորվել է Եվրոպական հանձնաժողովի կողմից։ Այն սկսվել է 2013 թվականի նոյեմբերին և հրապարակել է քարտեզ 2015 թվականի ապրիլին[198]: 2015 թվականի հրապարակումը նկարագրում է այս նախագիծը, ինչպես նաև Ուղեղ-Համակարգիչ Ինտերֆեյս Հասարակությունը[199]: Այն վերանայեց այս նախագծի շրջանակներում իրականացված աշխատանքը, որը հետագայում սահմանեց ՈւՀԻ-ները և կիրառությունները, ուսումնասիրեց վերջին միտումները, քննարկեց էթիկական խնդիրները և գնահատեց նոր ՈւՀԻ-ների ուղղությունները:

Մյուս վերջին հրապարակումները նույնպես ուսումնասիրել են ապագա ՈւՀԻ ուղղությունները հաշմանդամ օգտվողների նոր խմբերի համար[10][200]:

Գիտակցության խանգարումներ

խմբագրել

Որոշ մարդիկ ունեն գիտակցության խանգարում (DOC): Այս վիճակը սահմանվում է որպես կոմայի մեջ գտնվող մարդկանց և վեգետատիվ վիճակում (VS) կամ նվազագույն գիտակից վիճակում գտնվողներին (MCS): ՈւՀԻ հետազոտությունը փորձում է անդրադառնալ գիտակցության խանգարմանը: Հիմնական սկզբնական նպատակն է բացահայտել հիվանդներին, ովքեր կարող են կատարել հիմնական ճանաչողական առաջադրանքներ, որոնք կփոխեն նրանց ախտորոշումը և թույլ կտան նրանց կարևոր որոշումներ կայացնել (օրինակ՝ դիմել թերապիա, որտեղ ապրել և նրանց տեսակետը կյանքի ավարտի որոշումների վերաբերյալ: դրանց վերաբերյալ): Սխալ ախտորոշված ​​հիվանդները կարող են մահանալ ուրիշների կողմից կյանքի վերջում կայացված որոշումների արդյունքում: Նման հիվանդների հետ շփվելու համար ՈւՀԻ-ի օգտագործման հեռանկարը գայթակղիչ հեռանկար է[201][202]:

Նման հիվանդներից շատերը չեն կարող օգտագործել ՈւՀԻ-ներ՝ հիմնվելով տեսողության վրա: Հետևաբար, գործիքները պետք է հիմնվեն լսողական և/կամ թրթռումային գրգռիչների վրա: Հիվանդները կարող են կրել ականջակալներ և/կամ թրթռումային խթանիչներ՝ տեղադրված մարմնի արձագանքող մասերի վրա: Մեկ այլ խնդիր այն է, որ հիվանդները կարող են հաղորդակցվել միայն անկանխատեսելի ընդմիջումներով: Տնային սարքերը կարող են թույլ տալ հաղորդակցություն, երբ հիվանդը պատրաստ է:

Ավտոմատացված գործիքները կարող են հարցեր տալ, որոնց հիվանդները կարող են հեշտությամբ պատասխանել, օրինակ՝ «Ձեր հոր անունը Ջորջ է»: կամ «Դուք ծնվել եք ԱՄՆ-ում»: Ավտոմատացված հրահանգները հիվանդներին տեղեկացնում են, թե ինչպես կարելի է ասել այո կամ ոչ, օրինակ՝ կենտրոնացնելով նրանց ուշադրությունը աջ և ձախ դաստակի գրգռիչների վրա: Այս կենտրոնացված ուշադրությունը հանգեցնում է էլեկտրաուղեղագրության օրինաչափությունների հուսալի փոփոխությունների, որոնք կարող են օգնել որոշել, թե արդյոք հիվանդը ի վիճակի է շփվել[203][204][205]:

Շարժման վերականգնում

խմբագրել

Մարդիկ կարող են կորցնել իրենց շարժման որոշ կարողությունները բազմաթիվ պատճառներով, ինչպիսիք են ինսուլտը կամ վնասվածքը: Վերջին տարիների հետազոտությունները ցույց են տվել էլեկտրաուղեղագրության վրա հիմնված ՈւՀԻ համակարգերի օգտակարությունը՝ ինսուլտ ստացած հիվանդների մոտ շարժման վերականգնմանը և նյարդավերականգնմանը նպաստելու համար[206][207][208][209]: Մի քանի խմբեր ուսումնասիրել են շարժման վերականգնման համակարգեր և մեթոդներ, որոնք ներառում են ՈւՀԻ-ներ[210][211][212][213]: Այս մոտեցման դեպքում ՈւՀԻ-ն չափում է շարժողական ակտիվությունը, մինչդեռ հիվանդը պատկերացնում կամ փորձում է շարժումներ կատարել, ինչպես թերապևտի հրահանգն է: ՈւՀԻ-ն կարող է ապահովել երկու առավելություն. (1) եթե ՈւՀԻ-ն ցույց է տալիս, որ հիվանդը ճիշտ չի պատկերացնում շարժումը (անհամապատասխանություն), ապա ՈւՀԻ-ն կարող է տեղեկացնել հիվանդին և թերապևտին. և (2) պարգևատրող հետադարձ կապը, ինչպիսին է ֆունկցիոնալ խթանումը կամ վիրտուալ ավատարի շարժումը, նույնպես կախված է հիվանդի շարժումների ճիշտ պատկերացումից:

Մինչ այժմ շարժման վերականգնման համար ՈւՀԻ-ները հիմնվել են էլեկտրաուղեղագրության վրա՝ չափելու հիվանդի շարժման պատկերը: Այնուամենայնիվ, ուսումնասիրությունները նաև օգտագործել են ֆունկցիոնալ մագնիսառեզոնանսային շերտագրություն ուղեղի տարբեր փոփոխություններ ուսումնասիրելու համար, երբ մարդիկ անցնում են ՈւՀԻ-ի վրա հիմնված ինսուլտի վերականգնողական ուսուցում[214][215][216]: Պատկերային հետազոտությունները, որոնք զուգորդվում են էլեկտրաուղեղագրության վրա հիմնված ՈւՀԻ համակարգերի հետ, խոստանում են հետազոտել նեյրոպլաստիկությունը ինսուլտից հետո շարժման վերականգնման ժամանակ[216]: Ապագա համակարգերը կարող են ներառել ֆունկցիոնալ մագնիսառեզոնանսային շերտագրություն և այլ միջոցներ իրական ժամանակի վերահսկման համար, ինչպիսիք են ֆունկցիոնալ ինֆրակարմրին մոտ սպեկտրոսկոպիան, հավանաբար էլեկտրաուղեղագրության հետ համատեղ: Ուղեղի ոչ ինվազիվ խթանումը նույնպես հետազոտվել է ՈւՀԻ-ների հետ համատեղ՝ շարժման վերականգնման համար[217]։ 2016 թվականին Մելբուռնի համալսարանի գիտնականները հրապարակեցին նախակլինիկական կոնցեպտի ապացույցներ՝ կապված ուղեղի-համակարգչային ինտերֆեյսի հնարավոր տեխնոլոգիական հարթակի հետ, որը մշակվում է կաթվածահար հիվանդների համար՝ հեշտացնելու արտաքին սարքերի կառավարումը, ինչպիսիք են ռոբոտային վերջույթները, համակարգիչները և էկզոկմախքները՝ թարգմանելով ուղեղի ակտիվությունը[218][219][220]։

Ֆունկցիոնալ ուղեղի քարտեզավորում

խմբագրել

2014 թվականին մոտ 400,000 մարդ նյարդավիրաբուժության ընթացքում ուղեղի քարտեզագրման է ենթարկվել: Այս ընթացակարգը հաճախ պահանջվում է այն մարդկանց համար, ովքեր չեն արձագանքում դեղամիջոցներին[221]: Այս պրոցեդուրաների ընթացքում էլեկտրոդներ են տեղադրվում ուղեղի վրա՝ ճշգրիտ որոշելու կառուցվածքների և ֆունկցիոնալ տարածքների գտնվելու վայրը: Հիվանդները կարող են արթուն լինել նյարդավիրաբուժության ժամանակ և խնդրել կատարել այնպիսի առաջադրանքներ, ինչպիսիք են մատները շարժելը կամ բառերը կրկնելը: Սա անհրաժեշտ է, որպեսզի վիրաբույժները կարողանան հեռացնել ցանկալի հյուսվածքը՝ խնայելով մյուս շրջանները: Ուղեղի չափից շատ հյուսվածքների հեռացումը կարող է մշտական ​​վնաս պատճառել, մինչդեռ շատ քիչ հեռացնելը կարող է լրացուցիչ նյարդավիրաբուժություն պահանջել:

Հետազոտողները հետազոտել են նյարդավիրաբուժական քարտեզագրումը բարելավելու ուղիները: Այս աշխատանքը հիմնականում կենտրոնանում է բարձր գամմա ակտիվության վրա, որը դժվար է հայտնաբերել ոչ ինվազիվ ճանապարհով: Արդյունքները բարելավեցին հիմնական ֆունկցիոնալ ոլորտները բացահայտելու մեթոդները[222]:

Ճկուն սարքեր

խմբագրել

Ճկուն էլեկտրոնիկան պոլիմերներ կամ այլ ճկուն նյութեր են (օրինակ՝ մետաքս[223], պենտացեն, PDMS, պարիլեն,պոլիիմիդ[224]) տպված սխեմաներով, ճկունությունը թույլ է տալիս էլեկտրոնիկային թեքվել: Այս սարքերի ստեղծման համար օգտագործվող արտադրական տեխնիկան նման է ինտեգրալային սխեմաների և միկրոէլեկտրամեխանիկական համակարգերի (MEMS) ստեղծման մեթոդներին:

Նյարդային ճկուն միջերեսները կարող են նվազագույնի հասցնել ուղեղի հյուսվածքի վնասվածքը՝ կապված էլեկտրոդի և հյուսվածքի մեխանիկական անհամապատասխանության հետ[225]։

Նյարդային փոշի

խմբագրել

Նյարդային փոշին միլիմետր չափի սարքեր են, որոնք գործում են որպես անլար էներգիայով աշխատող նյարդային սենսորներ, որոնք առաջարկվել են 2011 թվականին Կալիֆորնիայի Բերքլիի համալսարանի անլար հետազոտական ​​կենտրոնի աշխատության մեջ[226][227]: Մի մոդելում տեղական դաշտային պոտենցիալները կարելի է տարբերել գործողության պոտենցիալ «հասկից», որը կառաջարկի մեծապես դիվերսիֆիկացված տվյալներ՝ ընդդեմ սովորական տեխնիկայի.[226]:

Տես նաև

խմբագրել

Նշումներ

խմբագրել
  1. ↑ These electrodes had not been implanted in the patient with the intention of developing a BCI. The patient had had severe epilepsy and the electrodes were temporarily implanted to help his physicians localize seizure foci; the BCI researchers simply took advantage of this.[99]

Ծանոթագրությունենր

խմբագրել
  1. ↑ 1,0 1,1 Krucoff MO, Rahimpour S, Slutzky MW, Edgerton VR, Turner DA (2016). «Enhancing Nervous System Recovery through Neurobiologics, Neural Interface Training, and Neurorehabilitation». Frontiers in Neuroscience. 10: 584. doi:10.3389/fnins.2016.00584. PMC 5186786. PMID 28082858.
  2. ↑ 2,0 2,1 Martini, Michael L.; Oermann, Eric Karl; Opie, Nicholas L.; Panov, Fedor; Oxley, Thomas; Yaeger, Kurt (February 2020). «Sensor Modalities for Brain-Computer Interface Technology: A Comprehensive Literature Review». Neurosurgery (ամերիկյան անգլերեն). 86 (2): E108–E117. doi:10.1093/neuros/nyz286. ISSN 0148-396X. PMID 31361011.
  3. ↑ 3,0 3,1 Vidal JJ (1973). «Toward direct brain-computer communication». Annual Review of Biophysics and Bioengineering. 2 (1): 157–180. doi:10.1146/annurev.bb.02.060173.001105. PMID 4583653.
  4. ↑ 4,0 4,1 Vidal J (1977). «Real-Time Detection of Brain Events in EEG». Proceedings of the IEEE. 65 (5): 633–641. doi:10.1109/PROC.1977.10542.
  5. ↑ Levine SP, Huggins JE, BeMent SL, Kushwaha RK, Schuh LA, Rohde MM, և այլք: (June 2000). «A direct brain interface based on event-related potentials». IEEE Transactions on Rehabilitation Engineering. 8 (2): 180–185. doi:10.1109/86.847809. PMID 10896180.
  6. ↑ Bird JJ, Manso LJ, Ribeiro EP, Ekárt A, Faria DR (September 2018). A Study on Mental State Classification using EEG-based Brain-Machine Interface. Madeira Island, Portugal: 9th international Conference on Intelligent Systems 2018. Վերցված է 3 December 2018-ին.
  7. ↑ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Mental Emotional Sentiment Classification with an EEG-based Brain-Machine Interface. St Hugh's College, University of Oxford, United Kingdom: The International Conference on Digital Image and Signal Processing (DISP'19). Արխիվացված է օրիգինալից 3 December 2018-ին. Վերցված է 3 December 2018-ին.
  8. ↑ Vanneste S, Song JJ, De Ridder D (March 2018). «Thalamocortical dysrhythmia detected by machine learning». Nature Communications (անգլերեն). 9 (1): 1103. Bibcode:2018NatCo...9.1103V. doi:10.1038/s41467-018-02820-0. PMC 5856824. PMID 29549239.
  9. ↑ Straebel V, Thoben W (2014). «Alvin Lucier's music for solo performer: experimental music beyond sonification». Organised Sound. 19 (1): 17–29. doi:10.1017/S135577181300037X.
  10. ↑ 10,0 10,1 Wolpaw, J.R. and Wolpaw, E.W. (2012). "Brain-Computer Interfaces: Something New Under the Sun". In: Brain-Computer Interfaces: Principles and Practice, Wolpaw, J.R. and Wolpaw (eds.), E.W. Oxford University Press.
  11. ↑ Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM (June 2002). «Brain-computer interfaces for communication and control». Clinical Neurophysiology. 113 (6): 767–791. doi:10.1016/s1388-2457(02)00057-3. PMID 12048038.
  12. ↑ Allison BZ, Wolpaw EW, Wolpaw JR (July 2007). «Brain-computer interface systems: progress and prospects». Expert Review of Medical Devices. 4 (4): 463–474. doi:10.1586/17434440.4.4.463. PMID 17605682.
  13. ↑ Bozinovski S, Bozinovska L (2019). «Brain-computer interface in Europe: The thirtieth anniversary». Automatika. 60 (1): 36–47. doi:10.1080/00051144.2019.1570644.
  14. ↑ Vidal, Jacques J. (1977). «Real-time detection of brain events in EEG» (PDF). Proceedings of the IEEE (անգլերեն). 65 (5): 633–641. doi:10.1109/PROC.1977.10542. Արխիվացված է օրիգինալից (PDF) 19 July 2015-ին. Վերցված է 4 November 2022-ին.
  15. ↑ S. Bozinovski, M. Sestakov, L. Bozinovska: Using EEG alpha rhythm to control a mobile robot, In G. Harris, C. Walker (eds.) Proc. IEEE Annual Conference of Medical and Biological Society, p. 1515-1516, New Orleans, 1988
  16. ↑ S. Bozinovski: Mobile robot trajectory control: From fixed rails to direct bioelectric control, In O. Kaynak (ed.) Proc. IEEE Workshop on Intelligent Motion Control, p. 63-67, Istanbul, 1990
  17. ↑ M. Lebedev: Augmentation of sensorimotor functions with neural prostheses. Opera Medica and Physiologica. Vol. 2 (3): 211-227, 2016
  18. ↑ M. Lebedev, M. Nicolelis: Brain-machine interfaces: from basic science to neuroprostheses and neurorehabilitation, Physiological Review 97:737-867, 2017
  19. ↑ L. Bozinovska, G. Stojanov, M. Sestakov, S. Bozinovski: CNV pattern recognition: a step toward a cognitive wave observation, In L. Torres, E. Masgrau, E. Lagunas (eds.) Signal Processing V: Theories and Applications, Proc. EUSIPCO-90: Fifth European Signal Processing Conference, Elsevier, p. 1659-1662, Barcelona, 1990
  20. ↑ L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectogram: experimental design and algorithms, In Proc IEEE International Biomedical Engineering Days, p. 55-60, Istanbul, 1992
  21. ↑ Miranda RA, Casebeer WD, Hein AM, Judy JW, Krotkov EP, Laabs TL, և այլք: (April 2015). «DARPA-funded efforts in the development of novel brain-computer interface technologies». Journal of Neuroscience Methods. 244: 52–67. doi:10.1016/j.jneumeth.2014.07.019. PMID 25107852.
  22. ↑ Jacobs M, Premji A, Nelson AJ (16 May 2012). «Plasticity-inducing TMS protocols to investigate somatosensory control of hand function». Neural Plasticity. 2012: 350574. doi:10.1155/2012/350574. PMC 3362131. PMID 22666612.
  23. ↑ Fox, Maggie (October 13, 2016). «Brain Chip Helps Paralyzed Man Feel His Fingers». NBC News. Վերցված է 23 March 2021-ին.
  24. ↑ Hatmaker, Taylor (July 10, 2017). «DARPA awards $65 million to develop the perfect, tiny two-way brain-computer inerface». Tech Crunch. Վերցված է 23 March 2021-ին.
  25. ↑ Stacey, Kevin (July 10, 2017). «Brown to receive up to $19M to engineer next-generation brain-computer interface». Brown University. Վերցված է 23 March 2021-ին.
  26. ↑ «Minimally Invasive "Stentrode" Shows Potential as Neural Interface for Brain». Defense Advanced Research Projects Agency (DARPA). 2016-02-08. Վերցված է 23 March 2021-ին.
  27. ↑ «Cochlear Implants». National Institute on Deafness and Other Communication Disorders. February 2016. Վերցված է 1 April 2024-ին.
  28. ↑ Miguel Nicolelis et al. (2001) Duke neurobiologist has developed system that allows monkeys to control robot arms via brain signals Արխիվացված 19 Դեկտեմբեր 2008 Wayback Machine
  29. ↑ Baum M (6 September 2008). «Monkey Uses Brain Power to Feed Itself With Robotic Arm». Pitt Chronicle. Արխիվացված է օրիգինալից 10 September 2009-ին. Վերցված է 6 July 2009-ին.
  30. ↑ Lewis T (November 2020). «Elon Musk's Pig-Brain Implant Is Still a Long Way from 'Solving Paralysis'». Scientific American. Վերցված է 23 March 2021-ին.
  31. ↑ Shead S (February 2021). «Elon Musk says his start-up Neuralink has wired up a monkey to play video games using its mind». CNBC. Վերցված է 23 March 2021-ին.
  32. ↑ Fetz EE (February 1969). «Operant conditioning of cortical unit activity». Science. 163 (3870): 955–958. Bibcode:1969Sci...163..955F. doi:10.1126/science.163.3870.955. PMID 4974291.
  33. ↑ Schmidt EM, McIntosh JS, Durelli L, Bak MJ (September 1978). «Fine control of operantly conditioned firing patterns of cortical neurons». Experimental Neurology. 61 (2): 349–369. doi:10.1016/0014-4886(78)90252-2. PMID 101388.
  34. ↑ Georgopoulos AP, Lurito JT, Petrides M, Schwartz AB, Massey JT (January 1989). «Mental rotation of the neuronal population vector». Science. 243 (4888): 234–236. Bibcode:1989Sci...243..234G. doi:10.1126/science.2911737. PMID 2911737.
  35. ↑ Stanley GB, Li FF, Dan Y (September 1999). «Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus». The Journal of Neuroscience. 19 (18): 8036–8042. doi:10.1523/JNEUROSCI.19-18-08036.1999. PMC 6782475. PMID 10479703.
  36. ↑ Wessberg J, Stambaugh CR, Kralik JD, Beck PD, Laubach M, Chapin JK, և այլք: (November 2000). «Real-time prediction of hand trajectory by ensembles of cortical neurons in primates». Nature. 408 (6810): 361–365. Bibcode:2000Natur.408..361W. doi:10.1038/35042582. PMID 11099043.
  37. ↑ 37,0 37,1 Carmena JM, Lebedev MA, Crist RE, O'Doherty JE, Santucci DM, Dimitrov DF, և այլք: (November 2003). «Learning to control a brain-machine interface for reaching and grasping by primates». PLOS Biology. 1 (2): E42. doi:10.1371/journal.pbio.0000042. PMC 261882. PMID 14624244.
  38. ↑ 38,0 38,1 Lebedev MA, Carmena JM, O'Doherty JE, Zacksenhouse M, Henriquez CS, Principe JC, Nicolelis MA (May 2005). «Cortical ensemble adaptation to represent velocity of an artificial actuator controlled by a brain-machine interface». The Journal of Neuroscience. 25 (19): 4681–4693. doi:10.1523/JNEUROSCI.4088-04.2005. PMC 6724781. PMID 15888644.
  39. ↑ O'Doherty JE, Lebedev MA, Ifft PJ, Zhuang KZ, Shokur S, Bleuler H, Nicolelis MA (October 2011). «Active tactile exploration using a brain-machine-brain interface». Nature. 479 (7372): 228–231. Bibcode:2011Natur.479..228O. doi:10.1038/nature10489. PMC 3236080. PMID 21976021.
  40. ↑ Serruya MD, Hatsopoulos NG, Paninski L, Fellows MR, Donoghue JP (March 2002). «Instant neural control of a movement signal». Nature. 416 (6877): 141–142. Bibcode:2002Natur.416..141S. doi:10.1038/416141a. PMID 11894084.
  41. ↑ Taylor DM, Tillery SI, Schwartz AB (June 2002). «Direct cortical control of 3D neuroprosthetic devices». Science. 296 (5574): 1829–1832. Bibcode:2002Sci...296.1829T. CiteSeerX 10.1.1.1027.4335. doi:10.1126/science.1070291. PMID 12052948.
  42. ↑ Pitt team to build on brain-controlled arm Արխիվացված 4 Հուլիս 2007 Wayback Machine, Pittsburgh Tribune Review, 5 September 2006.
  43. ↑ Տեսանյութը ՅուԹյուբում
  44. ↑ Velliste M, Perel S, Spalding MC, Whitford AS, Schwartz AB (June 2008). «Cortical control of a prosthetic arm for self-feeding». Nature. 453 (7198): 1098–1101. Bibcode:2008Natur.453.1098V. doi:10.1038/nature06996. PMID 18509337.
  45. ↑ Musallam S, Corneil BD, Greger B, Scherberger H, Andersen RA (July 2004). «Cognitive control signals for neural prosthetics». Science. 305 (5681): 258–262. Bibcode:2004Sci...305..258M. doi:10.1126/science.1097938. PMID 15247483.
  46. ↑ Santucci DM, Kralik JD, Lebedev MA, Nicolelis MA (September 2005). «Frontal and parietal cortical ensembles predict single-trial muscle activity during reaching movements in primates». The European Journal of Neuroscience. 22 (6): 1529–1540. doi:10.1111/j.1460-9568.2005.04320.x. PMID 16190906.
  47. ↑ Anumanchipalli GK, Chartier J, Chang EF (April 2019). «Speech synthesis from neural decoding of spoken sentences». Nature. 568 (7753): 493–498. Bibcode:2019Natur.568..493A. doi:10.1038/s41586-019-1119-1. PMC 9714519. PMID 31019317.
  48. ↑ Pandarinath C, Ali YH (April 2019). «Brain implants that let you speak your mind». Nature (անգլերեն). 568 (7753): 466–467. Bibcode:2019Natur.568..466P. doi:10.1038/d41586-019-01181-y. PMID 31019323.
  49. ↑ 49,0 49,1 Moses DA, Metzger SL, Liu JR, Anumanchipalli GK, Makin JG, Sun PF, և այլք: (July 2021). «Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria». The New England Journal of Medicine. 385 (3): 217–227. doi:10.1056/NEJMoa2027540. PMC 8972947. PMID 34260835.
  50. ↑ Belluck, Pam (14 July 2021). "Tapping Into the Brain to Help a Paralyzed Man Speak". The New York Times.
  51. ↑ «Using BCI2000 in BCI Research». National Center for Adaptive Neurotechnology. Վերցված է 5 December 2023-ին.
  52. ↑ Huber D, Petreanu L, Ghitani N, Ranade S, Hromádka T, Mainen Z, Svoboda K (January 2008). «Sparse optical microstimulation in barrel cortex drives learned behaviour in freely moving mice». Nature. 451 (7174): 61–64. Bibcode:2008Natur.451...61H. doi:10.1038/nature06445. PMC 3425380. PMID 18094685.
  53. ↑ Nicolelis MA, Lebedev MA (July 2009). «Principles of neural ensemble physiology underlying the operation of brain-machine interfaces». Nature Reviews. Neuroscience. 10 (7): 530–540. doi:10.1038/nrn2653. PMID 19543222.
  54. ↑ Zander TO, Kothe C (April 2011). «Towards passive brain-computer interfaces: applying brain-computer interface technology to human-machine systems in general». Journal of Neural Engineering. 8 (2): 025005. Bibcode:2011JNEng...8b5005Z. doi:10.1088/1741-2560/8/2/025005. PMID 21436512.
  55. ↑ Richardson AG, Ghenbot Y, Liu X, Hao H, Rinehart C, DeLuccia S, և այլք: (August 2019). «Learning active sensing strategies using a sensory brain-machine interface». Proceedings of the National Academy of Sciences of the United States of America. 116 (35): 17509–17514. Bibcode:2019PNAS..11617509R. doi:10.1073/pnas.1909953116. PMC 6717311. PMID 31409713.
  56. ↑ Abdulkader SN, Atia A, Mostafa MS (July 2015). «Brain computer interfacing: Applications and challenges». Egyptian Informatics Journal. 16 (2): 213–230. doi:10.1016/j.eij.2015.06.002. ISSN 1110-8665.
  57. ↑ Polikov VS, Tresco PA, Reichert WM (October 2005). «Response of brain tissue to chronically implanted neural electrodes». Journal of Neuroscience Methods. 148 (1): 1–18. doi:10.1016/j.jneumeth.2005.08.015. PMID 16198003.
  58. ↑ "Vision quest". Wired. (September 2002).
  59. ↑ Kotler S. «Vision Quest». Wired (ամերիկյան անգլերեն). ISSN 1059-1028. Վերցված է 2021-11-10-ին.
  60. ↑ Tuller D (1 November 2004). «Dr. William Dobelle, Artificial Vision Pioneer, Dies at 62». The New York Times.
  61. ↑ Naumann J (2012). Search for Paradise: A Patient's Account of the Artificial Vision Experiment. Xlibris. ISBN 978-1-4797-0920-5.
  62. ↑ nurun.com (28 November 2012). «Mr. Jen Naumann's high-tech paradise lost». Thewhig.com. Վերցված է 19 December 2016-ին.
  63. ↑ Kennedy PR, Bakay RA (June 1998). «Restoration of neural output from a paralyzed patient by a direct brain connection». NeuroReport. 9 (8): 1707–1711. doi:10.1097/00001756-199806010-00007. PMID 9665587.
  64. ↑ Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan AH, և այլք: (July 2006). Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh, Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn and John P. Donoghue. «Neuronal ensemble control of prosthetic devices by a human with tetraplegia». Nature. 442 (7099): 164–171. Bibcode:2006Natur.442..164H. doi:10.1038/nature04970. PMID 16838014.
  65. ↑ Martins Iduwe. «Brain Computer Interface». Academia.edu. Վերցված է 5 December 2023-ին.
  66. ↑ Hochberg LR, Bacher D, Jarosiewicz B, Masse NY, Simeral JD, Vogel J, և այլք: (May 2012). «Reach and grasp by people with tetraplegia using a neurally controlled robotic arm». Nature. 485 (7398): 372–375. Bibcode:2012Natur.485..372H. doi:10.1038/nature11076. PMC 3640850. PMID 22596161.
  67. ↑ Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, և այլք: (February 2013). «High-performance neuroprosthetic control by an individual with tetraplegia». Lancet. 381 (9866): 557–564. doi:10.1016/S0140-6736(12)61816-9. PMC 3641862. PMID 23253623.
  68. ↑ Willett FR, Avansino DT, Hochberg LR, Henderson JM, Shenoy KV (May 2021). «High-performance brain-to-text communication via handwriting». Nature. 593 (7858): 249–254. Bibcode:2021Natur.593..249W. doi:10.1038/s41586-021-03506-2. PMC 8163299. PMID 33981047.
  69. ↑ Willett FR (2021). «A High-Performance Handwriting BCI». In Guger C, Allison BZ, Gunduz A (eds.). Brain-Computer Interface Research: A State-of-the-Art Summary 10. SpringerBriefs in Electrical and Computer Engineering (անգլերեն). Cham: Springer International Publishing. էջեր 105–109. doi:10.1007/978-3-030-79287-9_11. ISBN 978-3-030-79287-9.
  70. ↑ Hamliton J (14 July 2021). «Experimental Brain Implant Lets Man With Paralysis Turn His Thoughts Into Words». All Things Considered. NPR.
  71. ↑ Pandarinath C, Bensmaia SJ (September 2021). «The science and engineering behind sensitized brain-controlled bionic hands». Physiological Reviews. 102 (2): 551–604. doi:10.1152/physrev.00034.2020. PMC 8742729. PMID 34541898.
  72. ↑ Willett, Francis R.; Kunz, Erin M.; Fan, Chaofei; Avansino, Donald T.; Wilson, Guy H.; Choi, Eun Young; Kamdar, Foram; Glasser, Matthew F.; Hochberg, Leigh R.; Druckmann, Shaul; Shenoy, Krishna V.; Henderson, Jaimie M. (2023-08-23). «A high-performance speech neuroprosthesis». Nature (անգլերեն). 620 (7976): 1031–1036. Bibcode:2023Natur.620.1031W. doi:10.1038/s41586-023-06377-x. ISSN 1476-4687. PMC 10468393. PMID 37612500.
  73. ↑ Metzger, Sean L.; Littlejohn, Kaylo T.; Silva, Alexander B.; Moses, David A.; Seaton, Margaret P.; Wang, Ran; Dougherty, Maximilian E.; Liu, Jessie R.; Wu, Peter; Berger, Michael A.; Zhuravleva, Inga; Tu-Chan, Adelyn; Ganguly, Karunesh; Anumanchipalli, Gopala K.; Chang, Edward F. (2023-08-23). «A high-performance neuroprosthesis for speech decoding and avatar control». Nature (անգլերեն). 620 (7976): 1037–1046. Bibcode:2023Natur.620.1037M. doi:10.1038/s41586-023-06443-4. ISSN 1476-4687. PMC 10826467. PMID 37612505.
  74. ↑ Naddaf, Miryam (2023-08-23). «Brain-reading devices allow paralysed people to talk using their thoughts». Nature (անգլերեն). 620 (7976): 930–931. Bibcode:2023Natur.620..930N. doi:10.1038/d41586-023-02682-7. PMID 37612493.
  75. ↑ Zhang M, Tang Z, Liu X, Van der Spiegel J (April 2020). «Electronic neural interfaces». Nature Electronics (անգլերեն). 3 (4): 191–200. doi:10.1038/s41928-020-0390-3. ISSN 2520-1131. S2CID 216508360.
  76. ↑ Hodgkin AL, Huxley AF (August 1952). «A quantitative description of membrane current and its application to conduction and excitation in nerve». The Journal of Physiology. 117 (4): 500–544. doi:10.1113/jphysiol.1952.sp004764. PMC 1392413. PMID 12991237.
  77. ↑ 77,0 77,1 Obien ME, Deligkaris K, Bullmann T, Bakkum DJ, Frey U (2015). «Revealing neuronal function through microelectrode array recordings». Frontiers in Neuroscience. 8: 423. doi:10.3389/fnins.2014.00423. PMC 4285113. PMID 25610364.
  78. ↑ 78,0 78,1 Harrison RR (July 2008). «The Design of Integrated Circuits to Observe Brain Activity». Proceedings of the IEEE. 96 (7): 1203–1216. doi:10.1109/JPROC.2008.922581. ISSN 1558-2256.
  79. ↑ Haci D, Liu Y, Ghoreishizadeh SS, Constandinou TG (February 2020). «Key Considerations for Power Management in Active Implantable Medical Devices». 2020 IEEE 11th Latin American Symposium on Circuits & Systems (LASCAS). էջեր 1–4. doi:10.1109/LASCAS45839.2020.9069004. ISBN 978-1-7281-3427-7.
  80. ↑ Downey JE, Schwed N, Chase SM, Schwartz AB, Collinger JL (August 2018). «Intracortical recording stability in human brain-computer interface users». Journal of Neural Engineering. 15 (4): 046016. Bibcode:2018JNEng..15d6016D. doi:10.1088/1741-2552/aab7a0. PMID 29553484.
  81. ↑ Freire MA, Morya E, Faber J, Santos JR, Guimaraes JS, Lemos NA, Sameshima K, Pereira A, Ribeiro S, Nicolelis M (November 2011). «Comprehensive analysis of tissue preservation and recording quality from chronic multielectrode implants». PLOS ONE. 6 (11): e27554. Bibcode:2011PLoSO...627554F. doi:10.1371/journal.pone.0027554. PMC 4476592. PMID 26098896.
  82. ↑ Szostak KM, Grand L, Constandinou TG (2017). «Neural Interfaces for Intracortical Recording: Requirements, Fabrication Methods, and Characteristics». Frontiers in Neuroscience. 11: 665. doi:10.3389/fnins.2017.00665. PMC 5725438. PMID 29270103.
  83. ↑ 83,0 83,1 Saxena T, Karumbaiah L, Gaupp EA, Patkar R, Patil K, Betancur M, և այլք: (July 2013). «The impact of chronic blood-brain barrier breach on intracortical electrode function». Biomaterials. 34 (20): 4703–4713. doi:10.1016/j.biomaterials.2013.03.007. PMID 23562053.
  84. ↑ Nolta NF, Christensen MB, Crane PD, Skousen JL, Tresco PA (2015-06-01). «BBB leakage, astrogliosis, and tissue loss correlate with silicon microelectrode array recording performance». Biomaterials. 53: 753–762. doi:10.1016/j.biomaterials.2015.02.081. PMID 25890770.
  85. ↑ Robinson JT, Pohlmeyer E, Gather MC, Kemere C, Kitching JE, Malliaras GG, և այլք: (November 2019). «Developing Next-generation Brain Sensing Technologies - A Review». IEEE Sensors Journal. 19 (22): 10163–10175. doi:10.1109/JSEN.2019.2931159. PMC 7047830. PMID 32116472.
  86. ↑ Luan L, Wei X, Zhao Z, Siegel JJ, Potnis O, Tuppen CA, և այլք: (February 2017). «Ultraflexible nanoelectronic probes form reliable, glial scar-free neural integration». Science Advances. 3 (2): e1601966. Bibcode:2017SciA....3E1966L. doi:10.1126/sciadv.1601966. PMC 5310823. PMID 28246640.
  87. ↑ Frank JA, Antonini MJ, Anikeeva P (September 2019). «Next-generation interfaces for studying neural function». Nature Biotechnology. 37 (9): 1013–1023. doi:10.1038/s41587-019-0198-8. PMC 7243676. PMID 31406326.
  88. ↑ 88,0 88,1 Hong G, Viveros RD, Zwang TJ, Yang X, Lieber CM (July 2018). «Tissue-like Neural Probes for Understanding and Modulating the Brain». Biochemistry. 57 (27): 3995–4004. doi:10.1021/acs.biochem.8b00122. PMC 6039269. PMID 29529359.
  89. ↑ Viveros RD, Zhou T, Hong G, Fu TM, Lin HG, Lieber CM (June 2019). «Advanced One- and Two-Dimensional Mesh Designs for Injectable Electronics». Nano Letters. 19 (6): 4180–4187. Bibcode:2019NanoL..19.4180V. doi:10.1021/acs.nanolett.9b01727. PMC 6565464. PMID 31075202.
  90. ↑ Gulati T, Won SJ, Ramanathan DS, Wong CC, Bodepudi A, Swanson RA, Ganguly K (June 2015). «Robust neuroprosthetic control from the stroke perilesional cortex». The Journal of Neuroscience. 35 (22): 8653–8661. doi:10.1523/JNEUROSCI.5007-14.2015. PMC 6605327. PMID 26041930.
  91. ↑ Soldozy S, Young S, Kumar JS, Capek S, Felbaum DR, Jean WC, և այլք: (July 2020). «A systematic review of endovascular stent-electrode arrays, a minimally invasive approach to brain-machine interfaces». Neurosurgical Focus (ամերիկյան անգլերեն). 49 (1): E3. doi:10.3171/2020.4.FOCUS20186. PMID 32610291.
  92. ↑ 92,0 92,1 Opie N (2021). «The StentrodeTM Neural Interface System». In Guger C, Allison BZ, Tangermann M (eds.). Brain-Computer Interface Research. SpringerBriefs in Electrical and Computer Engineering. Cham: Springer International Publishing. էջեր 127–132. doi:10.1007/978-3-030-60460-8_13. ISBN 978-3-030-60460-8.
  93. ↑ Teleb MS, Cziep ME, Lazzaro MA, Gheith A, Asif K, Remler B, Zaidat OO (May 2014). «Idiopathic Intracranial Hypertension. A Systematic Analysis of Transverse Sinus Stenting». Interventional Neurology. 2 (3): 132–143. doi:10.1159/000357503. PMC 4080637. PMID 24999351.
  94. ↑ Bryson S (5 November 2020). «Stentrode Device Allows Computer Control by ALS Patients with Partial Upper Limb Paralysis». ALS News Today.
  95. ↑ Lanese, Nicoletta (12 January 2023). «New 'thought-controlled' device reads brain activity through the jugular». livescience.com (անգլերեն). Արխիվացված օրիգինալից 16 February 2023-ին. Վերցված է 16 February 2023-ին.
  96. ↑ Mitchell, Peter; Lee, Sarah C. M.; Yoo, Peter E.; Morokoff, Andrew; Sharma, Rahul P.; Williams, Daryl L.; MacIsaac, Christopher; Howard, Mark E.; Irving, Lou; Vrljic, Ivan; Williams, Cameron; Bush, Steven; Balabanski, Anna H.; Drummond, Katharine J.; Desmond, Patricia; Weber, Douglas; Denison, Timothy; Mathers, Susan; O'Brien, Terence J.; Mocco, J.; Grayden, David B.; Liebeskind, David S.; Opie, Nicholas L.; Oxley, Thomas J.; Campbell, Bruce C. V. (9 January 2023). «Assessment of Safety of a Fully Implanted Endovascular Brain-Computer Interface for Severe Paralysis in 4 Patients: The Stentrode With Thought-Controlled Digital Switch (SWITCH) Study». JAMA Neurology. 80 (3): 270–278. doi:10.1001/jamaneurol.2022.4847. ISSN 2168-6149. PMC 9857731. PMID 36622685.
  97. ↑ Serruya M, Donoghue J (2004). «Chapter III: Design Principles of a Neuromotor Prosthetic Device» (PDF). In Horch KW, Dhillon GS (eds.). Neuroprosthetics: Theory and Practice. Imperial College Press. էջեր 1158–1196. doi:10.1142/9789812561763_0040. Արխիվացված է օրիգինալից (PDF) 4 April 2005-ին.
  98. ↑ «Teenager moves video icons just by imagination». Press release. Washington University in St Louis. 9 October 2006. Արխիվացված է օրիգինալից 3 January 2010-ին. Վերցված է 14 August 2024-ին.
  99. ↑ Schalk G, Miller KJ, Anderson NR, Wilson JA, Smyth MD, Ojemann JG, և այլք: (March 2008). «Two-dimensional movement control using electrocorticographic signals in humans». Journal of Neural Engineering. 5 (1): 75–84. Bibcode:2008JNEng...5...75S. doi:10.1088/1741-2560/5/1/008. PMC 2744037. PMID 18310813.
  100. ↑ Nicolas-Alonso LF, Gomez-Gil J (2012-01-31). «Brain computer interfaces, a review». Sensors. 12 (2): 1211–1279. Bibcode:2012Senso..12.1211N. doi:10.3390/s120201211. PMC 3304110. PMID 22438708.
  101. ↑ Yanagisawa T (2011). «Electrocorticographic Control of Prosthetic Arm in Paralyzed Patients». American Neurological Association. Vol. 71, no. 3. էջեր 353–361. doi:10.1002/ana.22613. «ECoG- Based BCI has advantage in signal and durability that are absolutely necessary for clinical application»
  102. ↑ 102,0 102,1 Pei X (2011). «Decoding Vowels and Consonants in Spoken and Imagined Words Using Electrocorticographic Signals in Humans». J Neural Eng 046028th ser. 8.4. PMID 21750369. «Justin Williams, a biomedical engineer at the university, has already transformed the ECoG implant into a micro device that can be installed with a minimum of fuss. It has been tested in animals for a long period of time – the micro ECoG stays in place and doesn't seem to negatively affect the immune system.»
  103. ↑ Makin JG, Moses DA, Chang EF (2021). «Speech Decoding as Machine Translation». In Guger C, Allison BZ, Gunduz A (eds.). Brain-Computer Interface Research. SpringerBriefs in Electrical and Computer Engineering (անգլերեն). Cham: Springer International Publishing. էջեր 23–33. doi:10.1007/978-3-030-79287-9_3. ISBN 978-3-030-79287-9.
  104. ↑ Makin JG, Moses DA, Chang EF (April 2020). «Machine translation of cortical activity to text with an encoder-decoder framework». Nature Neuroscience. 23 (4): 575–582. doi:10.1038/s41593-020-0608-8. PMC 10560395. PMID 32231340.
  105. ↑ Gallegos-Ayala G, Furdea A, Takano K, Ruf CA, Flor H, Birbaumer N (May 2014). «Brain communication in a completely locked-in patient using bedside near-infrared spectroscopy». Neurology. 82 (21): 1930–1932. doi:10.1212/WNL.0000000000000449. PMC 4049706. PMID 24789862.
  106. ↑ Vidal 1977
  107. ↑ Bozinovska et al. 1988, 1990
  108. ↑ Bozinovski et al. 1988
  109. ↑ Farwell and Donchin, 1988
  110. ↑ Bozinovski S, Bozinovska L (2019). «Brain-computer interface in Europe: The thirtieth anniversary». Automatika. 60 (1): 36–47. doi:10.1080/00051144.2019.1570644.
  111. ↑ Winters, Jeffrey (May 2003). «Communicating by Brain Waves». Psychology Today.
  112. ↑ Adrijan Bozinovski "CNV flip-flop as a brain-computer interface paradigm" In J. Kern, S. Tonkovic, et al. (Eds) Proc 7th Conference of the Croatian Association of Medical Informatics, pp. 149-154, Rijeka, 2005
  113. ↑ Bozinovski, Adrijan; Bozinovska, Liljana (2009). Anticipatory brain potentials in a Brain-Robot Interface paradigm. 2009 4th International IEEE/EMBS Conference on Neural Engineering. IEEE. էջեր 451–454. doi:10.1109/ner.2009.5109330.
  114. ↑ Božinovski, Adrijan; Tonković, Stanko; Išgum, Velimir; Božinovska, Liljana (2011). «Robot Control Using Anticipatory Brain Potentials». Automatika (անգլերեն). 52 (1): 20–30. doi:10.1080/00051144.2011.11828400.
  115. ↑ Bozinovski, Stevo; Bozinovski, Adrijan (2015). «Mental States, EEG Manifestations, and Mentally Emulated Digital Circuits for Brain-Robot Interaction». IEEE Transactions on Autonomous Mental Development. Institute of Electrical and Electronics Engineers (IEEE). 7 (1): 39–51. doi:10.1109/tamd.2014.2387271. ISSN 1943-0604.
  116. ↑ Yuan H, Liu T, Szarkowski R, Rios C, Ashe J, He B (February 2010). «Negative covariation between task-related responses in alpha/beta-band activity and BOLD in human sensorimotor cortex: an EEG and fMRI study of motor imagery and movements». NeuroImage. 49 (3): 2596–2606. doi:10.1016/j.neuroimage.2009.10.028. PMC 2818527. PMID 19850134.
  117. ↑ Doud AJ, Lucas JP, Pisansky MT, He B (2011). Gribble PL (ed.). «Continuous three-dimensional control of a virtual helicopter using a motor imagery based brain-computer interface». PLOS ONE. 6 (10): e26322. Bibcode:2011PLoSO...626322D. doi:10.1371/journal.pone.0026322. PMC 3202533. PMID 22046274.
  118. ↑ «Thought-guided helicopter takes off». BBC News. 5 June 2013. Վերցված է 5 June 2013-ին.
  119. ↑ Qin L, Ding L, He B (September 2004). «Motor imagery classification by means of source analysis for brain-computer interface applications». Journal of Neural Engineering. 1 (3): 135–141. Bibcode:2004JNEng...1..135Q. doi:10.1088/1741-2560/1/3/002. PMC 1945182. PMID 15876632.
  120. ↑ Höhne J, Holz E, Staiger-Sälzer P, Müller KR, Kübler A, Tangermann M (2014). «Motor imagery for severely motor-impaired patients: evidence for brain-computer interfacing as superior control solution». PLOS ONE. 9 (8): e104854. Bibcode:2014PLoSO...9j4854H. doi:10.1371/journal.pone.0104854. PMC 4146550. PMID 25162231.
  121. ↑ Bird JJ, Faria DR, Manso LJ, Ekárt A, Buckingham CD (2019-03-13). «A Deep Evolutionary Approach to Bioinspired Classifier Optimisation for Brain-Machine Interaction». Complexity. Hindawi Limited. 2019: 1–14. doi:10.1155/2019/4316548. ISSN 1076-2787.
  122. ↑ Mansour S, Ang KK, Nair KP, Phua KS, Arvaneh M (January 2022). «Efficacy of Brain-Computer Interface and the Impact of Its Design Characteristics on Poststroke Upper-limb Rehabilitation: A Systematic Review and Meta-analysis of Randomized Controlled Trials». Clinical EEG and Neuroscience. 53 (1): 79–90. doi:10.1177/15500594211009065. PMC 8619716. PMID 33913351.
  123. ↑ Baniqued PD, Stanyer EC, Awais M, Alazmani A, Jackson AE, Mon-Williams MA, և այլք: (January 2021). «Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review». Journal of Neuroengineering and Rehabilitation. 18 (1): 15. doi:10.1186/s12984-021-00820-8. PMC 7825186. PMID 33485365.
  124. ↑ Taheri BA, Knight RT, Smith RL (May 1994). «A dry electrode for EEG recording». Electroencephalography and Clinical Neurophysiology. 90 (5): 376–383. doi:10.1016/0013-4694(94)90053-1. PMID 7514984.
  125. ↑ Alizadeh-Taheri B (1994). Active Micromachined Scalp Electrode Array for Eeg Signal Recording (PHD Thesis thesis). էջ 82. Bibcode:1994PhDT........82A.
  126. ↑ Hockenberry, John (August 2001). «The Next Brainiacs». Wired. Vol. 9, no. 8.
  127. ↑ Lin CT, Ko LW, Chang CJ, Wang YT, Chung CH, Yang FS, և այլք: (2009), «Wearable and Wireless Brain-Computer Interface and Its Applications», Foundations of Augmented Cognition. Neuroergonomics and Operational Neuroscience, Lecture Notes in Computer Science, Springer Berlin Heidelberg, vol. 5638, էջեր 741–748, doi:10.1007/978-3-642-02812-0_84, ISBN 978-3-642-02811-3
  128. ↑ 128,0 128,1 128,2 128,3 Wang YT, Wang Y, Jung TP (April 2011). «A cell-phone-based brain-computer interface for communication in daily life». Journal of Neural Engineering. 8 (2): 025018. Bibcode:2011JNEng...8b5018W. doi:10.1088/1741-2560/8/2/025018. PMID 21436517.
  129. ↑ Guger C, Allison BZ, Großwindhager B, Prückl R, Hintermüller C, Kapeller C, և այլք: (2012). «How Many People Could Use an SSVEP BCI?». Frontiers in Neuroscience. 6: 169. doi:10.3389/fnins.2012.00169. PMC 3500831. PMID 23181009.
  130. ↑ 130,0 130,1 Lin YP, Wang Y, Jung TP (2013). «A mobile SSVEP-based brain-computer interface for freely moving humans: The robustness of canonical correlation analysis to motion artifacts». 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. էջեր 1350–1353. doi:10.1109/EMBC.2013.6609759. ISBN 978-1-4577-0216-7. PMID 24109946.
  131. ↑ Rashid M, Sulaiman N, Abdul Majeed AP, Musa RM, Ab Nasir AF, Bari BS, Khatun S (2020). «Current Status, Challenges, and Possible Solutions of EEG-Based Brain-Computer Interface: A Comprehensive Review». Frontiers in Neurorobotics. 14: 25. doi:10.3389/fnbot.2020.00025. PMC 7283463. PMID 32581758.
  132. ↑ US 20130127708, issued 23 May 2013 
  133. ↑ 133,0 133,1 133,2 Wang YT, Wang Y, Cheng CK, Jung TP (2013). «Developing stimulus presentation on mobile devices for a truly portable SSVEP-based BCI». 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. էջեր 5271–5274. doi:10.1109/EMBC.2013.6610738. ISBN 978-1-4577-0216-7. PMID 24110925.
  134. ↑ Bin G, Gao X, Yan Z, Hong B, Gao S (August 2009). «An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method». Journal of Neural Engineering. 6 (4): 046002. Bibcode:2009JNEng...6d6002B. doi:10.1088/1741-2560/6/4/046002. PMID 19494422.
  135. ↑ Symeonidou ER, Nordin AD, Hairston WD, Ferris DP (April 2018). «Effects of Cable Sway, Electrode Surface Area, and Electrode Mass on Electroencephalography Signal Quality during Motion». Sensors. 18 (4): 1073. Bibcode:2018Senso..18.1073S. doi:10.3390/s18041073. PMC 5948545. PMID 29614020.
  136. ↑ Wang Y, Wang R, Gao X, Hong B, Gao S (June 2006). «A practical VEP-based brain-computer interface». IEEE Transactions on Neural Systems and Rehabilitation Engineering. 14 (2): 234–239. doi:10.1109/TNSRE.2006.875576. PMID 16792302.
  137. ↑ Pfurtscheller G, Müller GR, Pfurtscheller J, Gerner HJ, Rupp R (November 2003). «'Thought'--control of functional electrical stimulation to restore hand grasp in a patient with tetraplegia». Neuroscience Letters. 351 (1): 33–36. doi:10.1016/S0304-3940(03)00947-9. PMID 14550907.
  138. ↑ Do AH, Wang PT, King CE, Chun SN, Nenadic Z (December 2013). «Brain-computer interface controlled robotic gait orthosis». Journal of Neuroengineering and Rehabilitation. 10 (1): 111. doi:10.1186/1743-0003-10-111. PMC 3907014. PMID 24321081.
  139. ↑ Subject with Paraplegia Operates BCI-controlled RoGO (4x) at YouTube.com
  140. ↑ Alex Blainey controls a cheap consumer robot arm using the EPOC headset via a serial relay port at YouTube.com
  141. ↑ Ranganatha Sitaram, Andrea Caria, Ralf Veit, Tilman Gaber, Giuseppina Rota, Andrea Kuebler and Niels Birbaumer(2007) "FMRI Brain–Computer Interface: A Tool for Neuroscientific Research and Treatment"
  142. ↑ Peplow, Mark (27 August 2004). «Mental ping-pong could aid paraplegics». News@nature. doi:10.1038/news040823-18.
  143. ↑ «To operate robot only with brain, ATR and Honda develop BMI base technology». Tech-on. 26 May 2006. Արխիվացված է օրիգինալից 23 June 2017-ին. Վերցված է 22 September 2006-ին.
  144. ↑ Miyawaki Y, Uchida H, Yamashita O, Sato MA, Morito Y, Tanabe HC, և այլք: (December 2008). «Visual image reconstruction from human brain activity using a combination of multiscale local image decoders». Neuron. 60 (5): 915–929. doi:10.1016/j.neuron.2008.11.004. PMID 19081384.
  145. ↑ Nishimoto S, Vu AT, Naselaris T, Benjamini Y, Yu B, Gallant JL (October 2011). «Reconstructing visual experiences from brain activity evoked by natural movies». Current Biology. 21 (19): 1641–1646. doi:10.1016/j.cub.2011.08.031. PMC 3326357. PMID 21945275.
  146. ↑ Yam, Philip (22 September 2011). «Breakthrough Could Enable Others to Watch Your Dreams and Memories». Scientific American. Վերցված է 25 September 2011-ին.
  147. ↑ «Reconstructing visual experiences from brain activity evoked by natural movies (Project page)». The Gallant Lab at UC Berkeley. Արխիվացված է օրիգինալից 2011-09-25-ին. Վերցված է 25 September 2011-ին.
  148. ↑ Anwar, Yasmin (22 September 2011). «Scientists use brain imaging to reveal the movies in our mind». UC Berkeley News Center. Վերցված է 25 September 2011-ին.
  149. ↑ 149,0 149,1 149,2 Marshall D, Coyle D, Wilson S, Callaghan M (2013). «Games, Gameplay, and BCI: The State of the Art». IEEE Transactions on Computational Intelligence and AI in Games. 5 (2): 83. doi:10.1109/TCIAIG.2013.2263555.
  150. ↑ «Goals of the organizers». BBC. Վերցված է 19 December 2022-ին.
  151. ↑ Ang KK, Chin ZY, Wang C, Guan C, Zhang H (1 January 2012). «Filter Bank Common Spatial Pattern Algorithm on BCI Competition IV Datasets 2a and 2b». Frontiers in Neuroscience. 6: 39. doi:10.3389/fnins.2012.00039. PMC 3314883. PMID 22479236.
  152. ↑ Fairclough, Stephen H. (January 2009). «Fundamentals of physiological computing». Interacting with Computers (անգլերեն). 21 (1–2): 133–145. doi:10.1016/j.intcom.2008.10.011.
  153. ↑ Bozinovski S (2017). «Signal Processing Robotics Using Signals Generated by a Human Head: From Pioneering Works to EEG-Based Emulation of Digital Circuits». Advances in Robot Design and Intelligent Control. Advances in Intelligent Systems and Computing. Vol. 540. էջեր 449–462. doi:10.1007/978-3-319-49058-8_49. ISBN 978-3-319-49057-1.
  154. ↑ Mathôt S, Melmi JB, van der Linden L, Van der Stigchel S (2016). «The Mind-Writing Pupil: A Human-Computer Interface Based on Decoding of Covert Attention through Pupillometry». PLOS ONE. 11 (2): e0148805. Bibcode:2016PLoSO..1148805M. doi:10.1371/journal.pone.0148805. PMC 4743834. PMID 26848745.
  155. ↑ Bland, Eric (13 October 2008). «Army Developing 'synthetic telepathy'». Discovery News. Վերցված է 13 October 2008-ին.
  156. ↑ Pais-Vieira M, Lebedev M, Kunicki C, Wang J, Nicolelis MA (28 February 2013). «A brain-to-brain interface for real-time sharing of sensorimotor information». Scientific Reports. 3: 1319. Bibcode:2013NatSR...3E1319P. doi:10.1038/srep01319. PMC 3584574. PMID 23448946.
  157. ↑ Gorman, James (28 February 2013). «One Rat Thinks, and Another Reacts». The New York Times. Վերցված է 28 February 2013-ին.
  158. ↑ Sample, Ian (1 March 2013). «Brain-to-brain interface lets rats share information via internet». The Guardian. Վերցված է 2 March 2013-ին.
  159. ↑ Kennedy, Pagan (18 September 2011). «The Cyborg in Us All». The New York Times. Վերցված է 28 January 2012-ին.
  160. ↑ Selim, Jocelyn; Drinkell, Pete (1 November 2002). «The Bionic Connection». Discover. Արխիվացված է օրիգինալից 6 January 2008-ին.
  161. ↑ Giaimo, Cara (10 June 2015). «Nervous System Hookup Leads to Telepathic Hand-Holding». Atlas Obscura.
  162. ↑ Warwick, K, Gasson, M, Hutt, B, Goodhew, I, Kyberd, P, Schulzrinne, H and Wu, X: "Thought Communication and Control: A First Step using Radiotelegraphy", IEE Proceedings on Communications, 151(3), pp.185–189, 2004
  163. ↑ Warwick K, Gasson M, Hutt B, Goodhew I, Kyberd P, Andrews B, և այլք: (October 2003). «The application of implant technology for cybernetic systems». Archives of Neurology. 60 (10): 1369–1373. doi:10.1001/archneur.60.10.1369. PMID 14568806.
  164. ↑ Grau C, Ginhoux R, Riera A, Nguyen TL, Chauvat H, Berg M, և այլք: (2014). «Conscious brain-to-brain communication in humans using non-invasive technologies». PLOS ONE. 9 (8): e105225. Bibcode:2014PLoSO...9j5225G. doi:10.1371/journal.pone.0105225. PMC 4138179. PMID 25137064.
  165. ↑ Mazzatenta A, Giugliano M, Campidelli S, Gambazzi L, Businaro L, Markram H, և այլք: (June 2007). «Interfacing neurons with carbon nanotubes: electrical signal transfer and synaptic stimulation in cultured brain circuits». The Journal of Neuroscience. 27 (26): 6931–6936. doi:10.1523/JNEUROSCI.1051-07.2007. PMC 6672220. PMID 17596441.
  166. ↑ Caltech Scientists Devise First Neurochip, Caltech, 26 October 1997
  167. ↑ Sandhana, Lakshmi (22 October 2004). «Coming to a brain near you». Wired News. Արխիվացված է օրիգինալից 10 September 2006-ին.
  168. ↑ «'Brain' in a dish flies flight simulator». CNN. 4 November 2004.
  169. ↑ «David Pearce – Humanity Plus» (անգլերեն). 2017-10-05. Վերցված է 2021-12-30-ին.
  170. ↑ Stoica A (2010). «Speculations on Robots, Cyborgs & Telepresence». YouTube. Արխիվացված օրիգինալից 28 December 2021-ին. Վերցված է 28 December 2021-ին.
  171. ↑ «Experts to 'redefine the future' at Humanity+ @ CalTech». Kurzweil (ամերիկյան անգլերեն). Վերցված է 2021-12-30-ին.
  172. ↑ WO2012100081A2, Stoica, Adrian, "Aggregation of bio-signals from multiple individuals to achieve a collective outcome", issued 2012-07-26 
  173. ↑ Wang Y, Jung TP (2011-05-31). «A collaborative brain-computer interface for improving human performance». PLOS ONE. 6 (5): e20422. Bibcode:2011PLoSO...620422W. doi:10.1371/journal.pone.0020422. PMC 3105048. PMID 21655253.
  174. ↑ Eckstein MP, Das K, Pham BT, Peterson MF, Abbey CK, Sy JL, Giesbrecht B (January 2012). «Neural decoding of collective wisdom with multi-brain computing». NeuroImage. 59 (1): 94–108. doi:10.1016/j.neuroimage.2011.07.009. PMID 21782959.
  175. ↑ Stoica A (September 2012). «MultiMind: Multi-Brain Signal Fusion to Exceed the Power of a Single Brain». 2012 Third International Conference on Emerging Security Technologies. էջեր 94–98. doi:10.1109/EST.2012.47. ISBN 978-0-7695-4791-6.
  176. ↑ «Paralyzed Again». MIT Technology Review (անգլերեն). Վերցված է 2023-12-08-ին.
  177. ↑ «Gale - Product Login». galeapps.gale.com. Վերցված է 2023-12-08-ին.
  178. ↑ Ienca, Marcello; Haselager, Pim (June 2016). «Hacking the brain: brain-computer interfacing technology and the ethics of neurosecurity». Ethics & Information Technology. 18 (2): 117–129. doi:10.1007/s10676-016-9398-9.
  179. ↑ Steinert, Steffen; Friedrich, Orsolya (2020-02-01). «Wired Emotions: Ethical Issues of Affective Brain–Computer Interfaces». Science and Engineering Ethics (անգլերեն). 26 (1): 351–367. doi:10.1007/s11948-019-00087-2. ISSN 1471-5546. PMC 6978299. PMID 30868377.
  180. ↑ Clausen, Jens (2009-02-01). «Man, machine and in between». Nature. 457 (7233): 1080–1081. Bibcode:2009Natur.457.1080C. doi:10.1038/4571080a. ISSN 0028-0836. PMID 19242454.
  181. ↑ Haselager, Pim; Vlek, Rutger; Hill, Jeremy; Nijboer, Femke (2009-11-01). «A note on ethical aspects of BCI». Neural Networks. Brain-Machine Interface. 22 (9): 1352–1357. doi:10.1016/j.neunet.2009.06.046. ISSN 0893-6080. PMID 19616405. {{cite journal}}: |hdl-access= requires |hdl= (օգնություն)
  182. ↑ Attiah, Mark A.; Farah, Martha J. (2014-05-15). «Minds, motherboards, and money: futurism and realism in the neuroethics of BCI technologies». Frontiers in Systems Neuroscience. 8: 86. doi:10.3389/fnsys.2014.00086. ISSN 1662-5137. PMC 4030132. PMID 24860445.
  183. ↑ Nijboer, Femke; Clausen, Jens; Allison, Brendan Z.; Haselager, Pim (2013). «The Asilomar Survey: Stakeholders' Opinions on Ethical Issues Related to Brain-Computer Interfacing». Neuroethics. 6 (3): 541–578. doi:10.1007/s12152-011-9132-6. ISSN 1874-5490. PMC 3825606. PMID 24273623.
  184. ↑ «Sony patent neural interface». Արխիվացված է օրիգինալից 7 April 2012-ին.
  185. ↑ «Mind Games». The Economist. 23 March 2007.
  186. ↑ «nia Game Controller Product Page». OCZ Technology Group. Վերցված է 30 January 2013-ին.
  187. ↑ 187,0 187,1 187,2 Li S (8 August 2010). «Mind reading is on the market». Los Angeles Times. Արխիվացված է օրիգինալից 4 January 2013-ին.
  188. ↑ 188,0 188,1 Fruhlinger, Joshua (9 October 2008). «Brains-on with NeuroSky and Square Enix's Judecca mind-control game». Engadget. Վերցված է 29 May 2012-ին.
  189. ↑ Snider, Mike (7 January 2009). «Toy trains 'Star Wars' fans to use The Force». USA Today. Վերցված է 1 May 2010-ին.
  190. ↑ «Emotiv Homepage». Emotiv.com. Վերցված է 29 December 2009-ին.
  191. ↑ «'necomimi' selected 'Time Magazine / The 50 best invention of the year'». Neurowear. 22 November 2011. Արխիվացված է օրիգինալից 25 January 2012-ին.
  192. ↑ «LIFESUIT Updates & News – They Shall Walk». Theyshallwalk.org. Վերցված է 19 December 2016-ին.
  193. ↑ «SmartphoneBCI». GitHub. Վերցված է 5 June 2018-ին.
  194. ↑ «SSVEP_keyboard». GitHub. Վերցված է 5 April 2017-ին.
  195. ↑ Protalinski, Emil (8 December 2020). «NextMind ships its real-time brain computer interface Dev Kit for $399». VentureBeat (ամերիկյան անգլերեն). Վերցված է 8 September 2021-ին.
  196. ↑ Etherington, Darrell (21 December 2020). «NextMind's Dev Kit for mind-controlled computing offers a rare 'wow' factor in tech». TechCrunch (ամերիկյան անգլերեն). Վերցված է 1 April 2024-ին.
  197. ↑ «Welcome Nextmind!». ar.snap.com (անգլերեն). Վերցված է 2024-05-31-ին.
  198. ↑ «Roadmap - BNCI Horizon 2020». bnci-horizon-2020.eu. Վերցված է 2019-05-05-ին.
  199. ↑ Brunner C, Birbaumer N, Blankertz B, Guger C, Kübler A, Mattia D, և այլք: (2015). «BNCI Horizon 2020: towards a roadmap for the BCI community». Brain-Computer Interfaces. 2: 1–10. doi:10.1080/2326263X.2015.1008956. {{cite journal}}: |hdl-access= requires |hdl= (օգնություն)
  200. ↑ Allison BZ, Dunne S, Leeb R, Millan J, Nijholt A (2013). Towards Practical Brain-Computer Interfaces: Bridging the Gap from Research to Real-World Applications. Berlin Heidelberg: Springer Verlag. ISBN 978-3-642-29746-5.
  201. ↑ Edlinger G, Allison BZ, Guger C (2015). «How many people could use a BCI system?». In Kansaku K, Cohen L, Birbaumer N (eds.). Clinical Systems Neuroscience. Tokyo: pringer Verlag Japan. էջեր 33–66. ISBN 978-4-431-55037-2.
  202. ↑ Chatelle C, Chennu S, Noirhomme Q, Cruse D, Owen AM, Laureys S (2012). «Brain-computer interfacing in disorders of consciousness». Brain Injury. 26 (12): 1510–1522. doi:10.3109/02699052.2012.698362. PMID 22759199. {{cite journal}}: |hdl-access= requires |hdl= (օգնություն)
  203. ↑ Boly M, Massimini M, Garrido MI, Gosseries O, Noirhomme Q, Laureys S, Soddu A (2012). «Brain connectivity in disorders of consciousness». Brain Connectivity. 2 (1): 1–10. doi:10.1089/brain.2011.0049. PMID 22512333. {{cite journal}}: |hdl-access= requires |hdl= (օգնություն)
  204. ↑ Gibson RM, Fernández-Espejo D, Gonzalez-Lara LE, Kwan BY, Lee DH, Owen AM, Cruse D (2014). «Multiple tasks and neuroimaging modalities increase the likelihood of detecting covert awareness in patients with disorders of consciousness». Frontiers in Human Neuroscience. 8: 950. doi:10.3389/fnhum.2014.00950. PMC 4244609. PMID 25505400.
  205. ↑ Risetti M, Formisano R, Toppi J, Quitadamo LR, Bianchi L, Astolfi L, և այլք: (2013). «On ERPs detection in disorders of consciousness rehabilitation». Frontiers in Human Neuroscience. 7: 775. doi:10.3389/fnhum.2013.00775. PMC 3834290. PMID 24312041.
  206. ↑ Silvoni S, Ramos-Murguialday A, Cavinato M, Volpato C, Cisotto G, Turolla A, և այլք: (October 2011). «Brain-computer interface in stroke: a review of progress». Clinical EEG and Neuroscience. 42 (4): 245–252. doi:10.1177/155005941104200410. PMID 22208122.
  207. ↑ Leamy DJ, Kocijan J, Domijan K, Duffin J, Roche RA, Commins S, և այլք: (January 2014). «An exploration of EEG features during recovery following stroke - implications for BCI-mediated neurorehabilitation therapy». Journal of Neuroengineering and Rehabilitation. 11: 9. doi:10.1186/1743-0003-11-9. PMC 3996183. PMID 24468185.
  208. ↑ Tung SW, Guan C, Ang KK, Phua KS, Wang C, Zhao L, և այլք: (July 2013). «Motor imagery BCI for upper limb stroke rehabilitation: An evaluation of the EEG recordings using coherence analysis». 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. էջեր 261–264. doi:10.1109/EMBC.2013.6609487. ISBN 978-1-4577-0216-7. PMID 24109674.
  209. ↑ Bai Z, Fong KN, Zhang JJ, Chan J, Ting KH (April 2020). «Immediate and long-term effects of BCI-based rehabilitation of the upper extremity after stroke: a systematic review and meta-analysis». Journal of Neuroengineering and Rehabilitation. 17 (1): 57. doi:10.1186/s12984-020-00686-2. PMC 7183617. PMID 32334608.
  210. ↑ Remsik A, Young B, Vermilyea R, Kiekhoefer L, Abrams J, Evander Elmore S, և այլք: (May 2016). «A review of the progression and future implications of brain-computer interface therapies for restoration of distal upper extremity motor function after stroke». Expert Review of Medical Devices. 13 (5): 445–454. doi:10.1080/17434440.2016.1174572. PMC 5131699. PMID 27112213.
  211. ↑ Monge-Pereira E, Ibañez-Pereda J, Alguacil-Diego IM, Serrano JI, Spottorno-Rubio MP, Molina-Rueda F (September 2017). «Use of Electroencephalography Brain-Computer Interface Systems as a Rehabilitative Approach for Upper Limb Function After a Stroke: A Systematic Review». PM&R. 9 (9): 918–932. doi:10.1016/j.pmrj.2017.04.016. PMID 28512066.
  212. ↑ Sabathiel N, Irimia DC, Allison BZ, Guger C, Edlinger G (17 July 2016). «Paired Associative Stimulation with Brain-Computer Interfaces: A New Paradigm for Stroke Rehabilitation». Foundations of Augmented Cognition: Neuroergonomics and Operational Neuroscience. Lecture Notes in Computer Science. Vol. 9743. էջեր 261–272. doi:10.1007/978-3-319-39955-3_25. ISBN 978-3-319-39954-6.
  213. ↑ Riccio A, Pichiorri F, Schettini F, Toppi J, Risetti M, Formisano R, և այլք: (2016). «Interfacing brain with computer to improve communication and rehabilitation after brain damage». Brain-Computer Interfaces: Lab Experiments to Real-World Applications. Progress in Brain Research. Vol. 228. էջեր 357–387. doi:10.1016/bs.pbr.2016.04.018. ISBN 978-0-12-804216-8. PMID 27590975.
  214. ↑ Várkuti B, Guan C, Pan Y, Phua KS, Ang KK, Kuah CW, և այլք: (January 2013). «Resting state changes in functional connectivity correlate with movement recovery for BCI and robot-assisted upper-extremity training after stroke». Neurorehabilitation and Neural Repair. 27 (1): 53–62. doi:10.1177/1545968312445910. PMID 22645108.
  215. ↑ Young BM, Nigogosyan Z, Remsik A, Walton LM, Song J, Nair VA, և այլք: (2014). «Changes in functional connectivity correlate with behavioral gains in stroke patients after therapy using a brain-computer interface device». Frontiers in Neuroengineering. 7: 25. doi:10.3389/fneng.2014.00025. PMC 4086321. PMID 25071547.
  216. ↑ 216,0 216,1 Yuan K, Chen C, Wang X, Chu WC, Tong RK (January 2021). «BCI Training Effects on Chronic Stroke Correlate with Functional Reorganization in Motor-Related Regions: A Concurrent EEG and fMRI Study». Brain Sciences. 11 (1): 56. doi:10.3390/brainsci11010056. PMC 7824842. PMID 33418846.
  217. ↑ Mrachacz-Kersting N, Voigt M, Stevenson AJ, Aliakbaryhosseinabadi S, Jiang N, Dremstrup K, Farina D (November 2017). «The effect of type of afferent feedback timed with motor imagery on the induction of cortical plasticity». Brain Research. 1674: 91–100. doi:10.1016/j.brainres.2017.08.025. PMID 28859916. {{cite journal}}: |hdl-access= requires |hdl= (օգնություն)
  218. ↑ Opie N (2 April 2019). «Research Overview». University of Melbourne Medicine. University of Melbourne. Վերցված է 5 December 2019-ին.
  219. ↑ Oxley TJ, Opie NL, John SE, Rind GS, Ronayne SM, Wheeler TL, և այլք: (March 2016). «Minimally invasive endovascular stent-electrode array for high-fidelity, chronic recordings of cortical neural activity». Nature Biotechnology. 34 (3): 320–327. doi:10.1038/nbt.3428. PMID 26854476.
  220. ↑ «Synchron begins trialling Stentrode neural interface technology». Verdict Medical Devices. 22 September 2019. Վերցված է 5 December 2019-ին.
  221. ↑ Radzik I, Miziak B, Dudka J, Chrościńska-Krawczyk M, Czuczwar SJ (June 2015). «Prospects of epileptogenesis prevention». Pharmacological Reports. 67 (3): 663–668. doi:10.1016/j.pharep.2015.01.016. PMID 25933984.
  222. ↑ Ritaccio A, Brunner P, Gunduz A, Hermes D, Hirsch LJ, Jacobs J, և այլք: (December 2014). «Proceedings of the Fifth International Workshop on Advances in Electrocorticography». Epilepsy & Behavior. 41: 183–192. doi:10.1016/j.yebeh.2014.09.015. PMC 4268064. PMID 25461213.
  223. ↑ Kim DH, Viventi J, Amsden JJ, Xiao J, Vigeland L, Kim YS, և այլք: (June 2010). «Dissolvable films of silk fibroin for ultrathin conformal bio-integrated electronics». Nature Materials. 9 (6): 511–517. Bibcode:2010NatMa...9..511K. doi:10.1038/nmat2745. PMC 3034223. PMID 20400953.
  224. ↑ Boppart SA, Wheeler BC, Wallace CS (January 1992). «A flexible perforated microelectrode array for extended neural recordings». IEEE Transactions on Bio-Medical Engineering. 39 (1): 37–42. doi:10.1109/10.108125. PMID 1572679.
  225. ↑ Thompson CH, Zoratti MJ, Langhals NB, Purcell EK (April 2016). «Regenerative Electrode Interfaces for Neural Prostheses». Tissue Engineering. Part B, Reviews. 22 (2): 125–135. doi:10.1089/ten.teb.2015.0279. PMID 26421660.
  226. ↑ 226,0 226,1 Rabaey JM (September 2011). «Brain-machine interfaces as the new frontier in extreme miniaturization». 2011 Proceedings of the European Solid-State Device Research Conference (ESSDERC). էջեր 19–24. doi:10.1109/essderc.2011.6044240. ISBN 978-1-4577-0707-0.
  227. ↑ Warneke B, Last M, Liebowitz B, Pister KS (January 2001). «Smart Dust: communicating with a cubic-millimeter computer». Computer. 34 (1): 44–51. doi:10.1109/2.895117. ISSN 0018-9162.

Ավելին իմանալու համար

խմբագրել

Արտաքին հղումներ

խմբագրել
 
Ստացված է «https://hy.wikipedia.org/w/index.php?title=Ուղեղ-համակարգիչ_ինտերֆեյս&oldid=10106520» էջից