(Wearable Brain-Machine Interface Could Control a Wheelchair, Vehicle or Computer )
2019/9/20 ｱﾒﾘｶ合衆国ジョージア工科大学 (Georgia Tech)
・ Georgia Tech は、英ケント大学と米ウィチタ大学と共同で、完全にポータブルでワイヤレスな、ブレイン・マシーン・インターフェース(BMI)を開発。このウェアラブルシステムは、視覚誘発電位からの信号を脳内で測定、従来の脳波記録（EEG）の弱点を改善。
・ BMIは、筋萎縮性側索硬化症（ALS）、慢性期脳卒中など他の重度運動障害を患う人の人工装具操作を助けるリハビリ技術において、重要な役割を担う。
・ 定常状態視覚誘発電位(SSVEP)と呼ばれる神経信号を収集するには、今までは電極付きヘアキャップを被り、濡らした電極、接着剤、ワイヤーを使用して、ヘアキャップを、信号を読み取るコンピュータ装置と繋ぐ必要があった。
・ 新技術は、最新のフレキシブルなワイヤレスセンサーと電子機器を用いて、SSVEP を直接皮膚に装着。システムは、毛髪を通じて頭皮に直接接続する、フレキシブルで毛髪に装着可能な電極、超薄型のナノ薄膜の電極、Bluetooth 遠隔測定装置を組み込んだフレキシブルな回路、の 3 つの要素から構成。
・ 脳が記録した EEG データはフレキシブル回路で処理され、Bluetooth を通して 15m 離れたタブレット端末に、無線で送信。・ SSVEP 信号の探知、分析は、その信号振幅が数十マイクロボルトと体内の電子ノイズに相当するほど低いので、難しい。また、ヒトの脳の個体差も対応する必要がある。
・ 研究チームでは、フレキシブルエレクトロニクスに用いられる深層学習神経ネットワークのアルゴリズムに着目し、EEG 信号を分析するための情報収集に、深層学習のモデルを適用。EEG 信号分析にどの電極が最も効果的であるか特定でき、必要なセンサーの数を低減、コスト削減と携帯性の向上に繋げた。
・ 新開発のシステムは、ファブリック製のヘッドバンドを使って頭部に装着する 3 個の弾性電極、首に装着する極薄の無線電子装置と、耳の下に装着する皮膚のように見えるプリントした電極で構成。乾燥して柔らかい電極は直接皮膚に接着し、接着剤やゲルは不要。従来のシステムと比べ、ノイズや妨害も低減し、データ伝送速度も向上。
・ システムは、6 人の被験者で評価。リアルタイムなデータ分析が可能な深層学習は、電動車いすや小型のロボット車を制御できる。また、信号は、キーボードやコントローラーなどを使用しないディスプレイシステムの制御にも使用可能。
・ 新技術は、小型化したウェアラブルなソフトデバイスが完全に統合されているので、皮膚が敏感な人も長期間快適に装着できるように設計されている。
・ 今後は、システムが運動障害の人に更に役立つよう電極を改善する予定。ヘッドバンド無しでも毛髪の生えた頭皮に装着可能で接着剤不要なワイヤレスの電極や、電子装置をさらに小型化した、他の研究にも役立つ電極の開発を目指す。EEG システムは、運動障害者の運動誘発電位や運動イメージの再形成のためのモニタリングに設定できる。また、睡眠の研究など、より安易な EEG モニタリングが効果的な他のアプリケーションへの可能性もある。
・ 本研究は、Korea Institute of Materials Science (KIMS)の Fundamental Research Program (project PNK5061) か ら 研 究 助 成 金 を 受 け 、 韓 国 未 来 創 造 科 学 部 （ 現 : 科 学 技 術 情 報 通 信 部 ） (no. 2016M3A7B4900044)より助成を受けている National Research Foundation of Korea (NRF)の NanoMaterial Technology Development Program より資金提供を受けた。また、米国立科学財団(NSF grant ECCS-1542174)より支援を受けている National Nanotechnology Coordinated Infrastructure (NNCI)の会員である Institute for Electronics and Nanotechnology at Georgia Tech より支援を受けた。
URL: https://www.news.gatech.edu/2019/09/20/wearable-brain-machine-interface-couldcontrol-wheelchair-vehicle-or-computer
（関連情報)
Nature Machine Intelligence 掲載論文(アブストラクトのみ：全文は有料）
Fully portable and wireless universal brain–machine interfaces enabled by flexible scalp electronics and deep learning algorithm
URL: https://www.nature.com/articles/s42256-019-0091-7
＜NEDO海外技術情報より＞
Abstract
Variation in human brains creates difficulty in implementing electroencephalography into universal brain–machine interfaces. Conventional electroencephalography systems typically suffer from motion artefacts, extensive preparation time and bulky equipment, while existing electroencephalography classification methods require training on a per-subject or per-session basis. Here, we introduce a fully portable, wireless, flexible scalp electronic system, incorporating a set of dry electrodes and a flexible membrane circuit. Time-domain analysis using convolutional neural networks allows for accurate, real-time classification of steady-state visually evoked potentials in the occipital lobe. Compared to commercial systems, the flexible electronics show the improved performance in detection of evoked potentials due to significant reduction of noise and electromagnetic interference. The two-channel scalp electronic system achieves a high information transfer rate (122.1 ± 3.53 bits per minute) with six human subjects, allowing for wireless, real-time, universal electroencephalography classification for an electric wheelchair, a motorized vehicle and a keyboard-less presentation.
