رابط مغز و کامپیوتر (Brain Computer Interface) یک رویکرد جدید برای توسعه عملی است. یک رابط مغز و کامپیوتر، که همچنین رابط ذهن و ماشین، رابط عصبی و یا رابط مغز و ماشین نیز نامیده میشود یک مسیر ارتباط مستقیم بین مغز و دستگاههای خارجی برقرار میکند.
تحقیق در مورد رابط مغز و رایانه در سال ۱۹۷۰ در دانشگاه UCLA لسآنجلس زیر نظر موسسه علوم بینالمللی آغاز شد. تکنولوژیهای کنونی در رابطه با رابط مغز و رایانه برای تحقیقاتی درباره امنیت و اهداف انسانی مثلاً ارتباطدادن مغز با سیستمهای روباتیک مورد استفاده قرار میگیرند.
طراحی نمونه ساده و اولیه رابط مغز و رایانه مربوط به تحقیقی است که در آزمایشگاه دانشگاه براون و به رهبری دکتر جان داناگیو John P. Donoghue، استاد علوم اعصاب انجام شد. در یک آزمایشگاه در دانشگاه براون بر روی نوعی میمون Rhesus که بر روی یک صندلی رو به یک صفحه نمایش کامپیوتری نشسته بود مطالعه شد.
میمونها یک دسته کنترلی Joystick برای دنبالکردن نقطه قرمز رنگ داخل صفحه از طریق نقاط سبز دراختیار داشتند. بهزودی میمون با کمک کامپیوتر و برنامه قادر به تعقیب نقطه و درایو مکاننما با استفاده از سیگنالهای مغزیشان شدند.
برای راهاندازی سیستم مغز و رایانه نیاز به بخشهایی از جمله: سیگنال، الگوریتمهای هوشمند و روشهای پردازش سیگنال، الگوریتم بهینهسازی، سیستم رباتیکی و یا مکاترونیکی است.
موارد استفاده از سیستم رابط مغز و رایانه میتواند گویای اهمیت بیان و ارائه این موضوع باشد. موارد استفاده از سیستم رابط مغز و رایانه و سیگنالهای الکتروآنسفالوگرام (Electroencephalogram (EEG مربوط به توانبخشی افراد ناتوان و معلول در دستیابی به حرکت، درمان بیماریهای روحی و ساخت تجهیزات هوشمند و کنترل آنها از راه دور و همچنین امکان استفاده از این نوع سیستمها در صنایع دفاعی و خودروسازی و شبیهسازی پرواز است.
با وجود اینکه از این تکنولوژیها میتوان برای اهداف انسانی استفاده کرد، حقیقت این است که امکان سوءاستفاده از این مطالعات و فناوریها نیز وجود دارد. این فرآیند در قالب واژه جنگ الکترونیک تعریف میشود. رابط مغز و رایانه با وجود این که میتواند برای سربازان مجروح و افراد ناتوان امکان حرکت و حس را فراهم کند، توان دستکاریکردن مغز و حتی آسیبرساندن به فرد را نیز دارد.
تاریخچه
با مرور تاریخچه نورولوژی به این نتیجه میرسیم که تقریباً همزمان با کشف الکتروآنسفالوگرام، دانشمندان به ارتباط سیگنالهای مغزی با فعالیتهای ذهنی پرداختند. شاید از همان زمان ایده برقراری ارتباط مستقیم با مغز شکل گرفته باشد. اما باتوجه به محدودیت وسایل ثبت و پردازش سیگنال در آن زمان امکان انجام پردازش بر روی سیگنالهای مغزی میسر نبود.
به همین علت تحقیقات در این زمینه تا چند دهه قبل منحصر به مجامع پزشکی بود. اما رفتهرفته با برطرف شدن محدودیتهای ثبت و پردازش سیگنال، تحقیقات بر روی سیگنالهای حیاتی، از جمله سیگنالهای مغزی مورد توجه مهندسان قرار گرفت.
هدف از پردازش سیگنال پزشکی، استخراج اطلاعات مهم از سیگنالهای پزشکی است. روشهای پردازشی و الگوریتمهای طبقهبندی مختلف از جمله شبکه عصبی، نزدیکترین همسایه، ماشیل بردار پشتیبان و … مورد استفاده قرار میگیرند.
بعد از پردازش، نتیجه خروجی به یک سیستم مکاترونیکی و یا اندام مصنوعی منتقل میشود. در ادامه، مطالعات انجام شده درباره انتخاب و استخراج ویژگی، روشهای مختلف طبقهبندی و الگوریتمهای بهینهسازی بیان و بررسی میشوند.
اگر بهطورکلی به تاریخچه رابط مغز و رایانه نگاه کنیم درمییابیم که رافائل ایلال جز اولین کسانی است که به تفکیک سیگنالهای مغزی در حین انجام فعالیتهای ذهنی پرداخته است. او نشان داد که اگر فردی فعالیت ذهنی خاصی انجام ندهد شکل نمایش سیگنال۶۶ % بهصورت توزیع گوسی خواهد بود و درحین انجام یک محاسبه به ۳۲ % کاهش مییابد.
در سال ۱۹۹۷ ویدال از پتانسیل برانگیخته بصری (VEP (Visual Evoked Potential و بیوفیدبک بهعنوان کانال مخابراتی برای ارتباطانسان با محیطش استفاده کرد. روش دستهبندی او برمبنای روشهای کلاسیک موجود در مباحث تشخیص بود بهطوری که بهگفته وُلپا، مطالعه ویدال نتیجه کارهایی بود که وزارت دفاع آمریکا از اوایل دهه ۷۰ میلادی در زمینه بیوتیک و بیوسیبرنتیک آغاز کرده بود.
ادامه مطالعات رابط مغز و رایانه مربوط به تحقیقات آونون و کرن از دانشگاه کلورادو در راستای ثبت سیگنال الکتروآنسفالوگرام از پنج فعالیت ذهنی خاص و همزمان و تفکیک آنها با استفاده از طبقهبندیکننده بیز(Bayes (classifier است.
آنها در حین کار خود این ایده را مطرح کردند که فعالیتهای مختلف ذهنی میتوانند بهعنوان الفبایی جهت برقراری ارتباط مستقیم مغز با دنیای خارج استفاده شوند.
این افراد علیرغم پیشگام بودنشان در زمینه رابط مغز و رایانه، تحقیقات خود را ادامه ندادند. اما گروه دکتر اندرسون از همین دانشگاه مطالعه آنها را ادامه دادند. همزمان با این گروه، گروههای تحقیقاتی دیگری هم در سایر نقاط دنیا شکل گرفتند که از نظر نوع سیگنال با سیگنالهای مورد تحقیق در دانشگاه کلورادو اتفاوت ماهیتی داشتند.
آنها بهجای استفاده از فعالیتهای محض ذهنی، از فعالیتهایی مانند تصور حرکتدادن دست راست و چپ و یا تصور حرکت یک انگشت استفاده کردند. علت تفاوت ماهیتی این روشها در این است که از نظر فیزیولوژیک نواحی شناخته شدهای از قشر مغز در حین انجام فعالیتهای حرکتی فعال میشوند، لذا انتخاب کانالهای ثبت سیگنال و انجام عمل تفکیک در این روشها سادهتر است.
از میان این گروهها میتوان به فراشلر از اتریش و وُلپا از آمریکا اشاره کرد که هر یک با تشکیل تیمهای تحقیقاتی، در زمینه رابط مغز و رایانه فعال هستند. زمینه فعالیت فراشلر و همکارانش مربوط به انتخاب ویژگیهای سیگنال و دستهبندی آنها با استفاده از الگوریتم شبکه عصبی و تفکیککنندههای خطی است. درحالیکه وُلپا و همکارانش (که بیشتر یک گروه پزشکی هستند تا مهندسی)، بر کنترل ویژگیهای الکتروآنسفالوگرام توسط خود فرد تکیه داشتند.
اخیراً در کشور ما نیز در زمینه رابط مغز و رایانه تحقیقاتی صورت گرفته است. کارگروه دکتر عرفانیان در دانشگاه علم و صنعت، در زمینه پردازش سیگنالهای مغز در حین محاسبات ریاضی و گروهی که از سیگنالهای p300 برای تفکیک فعالیت مغزی استفاده میکنند، تحقیق میکند.
اجزای رابط مغز و رایانه
مانند هر سیستم کنترلی و ارتباطی، رابط مغز و رایانه دارای ورودی (بهعنوان مثال فعالیت الکتروفیزیولوژیک کاربر)، و خروجی (بهعنوان مثال دستورات دستگاه) و یک پروتکل که شروع، آفست، و زمان عمل را تعیین میکند، است.
این سامانه از اجزای زیر تشکیل میشود:
۱- مرحله جمعآوری دادهها شامل ثبت اطلاعات خام EEG است که از الکترودها در مکانهای مشخصی از مغز گرفته میشود و ورودی سیستم رابط مغز و رایانه را تشکیل میدهد و انتخابهایی نظیر تعداد، مکان و تراکم الکترودها، کانالهای ورودی را مشخص میکند. مرحله پیشپردازش از فاز جمعآوری شامل تقویتکردن، فیلترکردن و تبدیل سیگنال آنالوگ به دیجیتال است.
۲- مرحله بعدی، یک مرحله بهینهسازی اطلاعات است که بهصورت اختیاری صورت میگیرد و شامل بهبود نسبت سیگنال به نویز، با حذف آرتیفکت و کاهش افزونگی اطلاعاتی است که از کانالهای EEG دریافت میشود.
۳- استخراج ویژگی مهمترین مرحله در هر سیستم رابط مغز و رایانه است. این مرحله شامل استخراج ویژگیهای وابسته به دستور و قابل تمیز از سیگنالهای مغزی حاصل از مرحله پیشپردازش است که برای این استخراج ویژگی، از الگوریتمهای پردازش سیگنالهای دیجیتال استفاده میشود.
۴- مرحله کلاسبندی یا ترجمه ویژگی، شامل مشخصکردن الگوهای ویژگی برای آسانکردن دستهبندی دستورات کاربر است. میتوان از سادهترین روش که گذاشتن یک حد آستانه یا استفاده از یک مدل خطی است تا روشهای پیچیده غیر خطی از آن استفاده کرد.
۵- خروجی مرحله کلاسبندی ورودی کنترلی وسیله است. فرآیند کنترل وسیله، خروجی کلاسبندی را به یک عمل از وسیله تبدیل میکند. خروجی مرحله کلاسبندی ممکن است این باشد که وسیله عملی را انجام ندهد.
انواع رابط مغز و رایانه
رابط مغز و رایانه به دو دسته تقسیم میشود؛ وابسته و مستقل. رابط مغز و رایانه وابسته، از مسیرهای نرمال خروجی مغز برای انتقال پیام استفاده نمیکند، اما فعالیت در این مسیر به وجود فعالیت مغز که آن را حمل میکند نیازمند است.
بهعنوان مثال، رابط مغز و رایانه وابسته مربوط به زمانی است که یک ماتریس از حروف که در یک زمان نمایش داده میشود، و کاربر باید حرف خاصی را با نگاهکردن به آن انتخاب کنند. در این مورد پتانسیل برانگیخته بصری (VEP) از پوست سر قشر بینایی ثبت میشود.
در این مورد، کانال خروجی مغز، سیگنال مغزی است. اما تولید سیگنال مغزی به جهت نگاه، عضلات خارجی و اعصاب جمجمهای که آن را فعال میکند، بستگی دارد. رابط مغز و رایانه وابسته، اساساً یک روش جایگزین برای تشخیص پیامهای منتقلشده در خروجی مسیرهای نرمال مغز است.
در مقابل، رابط مغز و رایانه مستقل به مسیر خروجی نرمال مغز بستگی ندارد. پیام به وسیله عضلات و اعصاب محیطی حمل نمیشود و علاوه بر این، فعالیت در این مسیر نیازمند وجود فعالیت مغز که این پیامها را منتقل میکند، نیست.
برای مثالی از رابط مغز و رایانه مستقل، به کاربر ماتریسی از حروف در یک زمان نشان داده میشود و کاربر با تولید پتانسیل برانگیخته p300 وقتی که حروف ظاهر میشوند، آن حرف خاص را انتخاب میکند. مسیرهای نرمال خروجی اعصاب و عضلات نقش مهمی در عملکرد رابط مغز و رایانه مستقل ندارند.
انواع رابط مغز و رایانه
۱- روش تهاجمی
تحقیقات رابط مغز و رایانه تهاجمی، مربوط به ترمیم چشمهای آسیبدیده و ارائه قابلیتهای جدید برای افراد معلول است. رابط مغز و رایانه تهاجمی، بهطور مستقیم بر روی ماده خاکستری مغز در حین جراحی مغز و اعصاب قرار داده میشود. تجهیزات تهاجمی، سیگنال مغزی باکیفیتی تولید میکنند اما این سیگنالها با گذشت زمان و بهدلیل آسیب به بافت سیگنال ضعیفتر میشوند.
۲- روش غیر تهاجمی
علاوه بر آزمایشهای تهاجمی، آزمایشهایی با استفاده از فناوریهای غیر تهاجمی تصویربرداری عصبی بهعنوان رابط بر روی انسان انجام میشود. سیگنالهای ثبتشده در این روش برای القا قدرت به عضلات و بازگرداندن حرکت جزئی در یک داوطلب تجربی مورد استفاده قرار گرفتند. اگر چه امکان پوشیدن آنها وجود دارد، اما ایمپلنتهای غیرتهاجمی سیگنال با رزولوشن ضعیفتر ایجاد میکنند زیرا جمجمه، سیگنالها را تعدیل میکند و امواج الکترومغناطیسی ایجادشده توسط نورون را پراکنده میکند.
منابع مقاله
[۱]. ثامنی رضا، (۱۳۸۲). «تفکیک سیگنالهای مغزی در زمان انجام فعالیتهای مختلف ذهنی»، پایان نامه کارشناسی ارشد، دانشکده مهندسی برق، دانشگاه صنعتی شریف، اردیبهشت ۱۳۸۲٫
[۲]. Vidal, JJ. (1973).”Toward direct brain-computer communication”. Annual review of biophysics and bioengineering 2: 157–۸۰٫ doi:10.1146/annurev.bb.02.060173.001105.
[۳]. Vidal, J. (1977). “Real-Time detection of brain events in EEG”. IEEE Proceedings 65 (5): 633–۶۴۱٫ doi:10.1109/PROC.1977.10542
[۴]. Wolpaw, J. R., et al. (2002) «Brain-computer interfaces for communication and control». Clinical neurophysiology 113, 767-791
[۵].Biocybernaut Institute, EEG-ElectroEncephaloGraph, http://biocybernaut.com/tutorial/eeg.html.
[۶]. Elul, R., (1969). «Gaussian Behavior of the Electroencephalogram: Changes during performance of Mental Task», Science, vol. 164, pp. 338–۳۳۱, April 1969.
[۷]. Wolpaw, J. R., et al. (2000). «Brain–Computer Interface Technology: A Review of the First International Meeting», IEEE Trans. Rehab. Eng., vol. 8, No. 2, pp. 164–۱۷۳ June 2000.
[۸]. Anderson, C. W., et al. (1998). «Multivariate Autoregressive Models for Classification of Spontaneous Electoencephalographic Signal during Mental Tasks», IEEE Trans. Biomed. Eng., vol. 45, No. 3, pp. 277–۲۸۶, March 1998.
[۹]. Anderson, C. and Z. Sijercic,(1996). «Classification of EEG Signals from Four Subjects during Five Mental Tasks», in Solving Eng. Problems with Neural Networks: Proc. Conf. on Eng. Applications in Neural Networks (EANN’۹۶), PL 34, Finland 1996, pp. 407-414.