Puede pensar en un BCI típico de la siguiente manera:
- Producción de señal. Necesitas una persona para producir señales.
- Detección de señal. Estas señales necesitan ser detectadas.
- Procesamiento de la señal. Las señales deben procesarse para que sean útiles.
- Salida de señal. Los resultados del procesamiento de señales ahora deben usarse para hacer algo realmente.
Trataré de desarrollar estos aspectos un poco más abajo. Tenga en cuenta que cada uno de estos aspectos tiene su propio campo de investigación y hay mucho más que encontrar en cada uno de estos aspectos de lo que podría explicar aquí.
Producción de señal
Para que un BCI sea útil, el sujeto debe producir señales cerebrales (es decir, la persona que usa el BCI). Hay dos formas de producir estas señales cerebrales:
- Generando activamente estas señales presentando estímulos al sujeto (por ejemplo, luces intermitentes) o haga que el sujeto imagine movimientos, por ejemplo.
- Simplemente leyendo las ondas cerebrales que ya son generadas por el sujeto.
La generación activa de señales tiene la ventaja de que la detección de señales es más fácil, ya que usted tiene control sobre los estímulos; sabes por ejemplo cuando se presentan. Esto es más difícil en el caso de que solo estés leyendo ondas cerebrales del sujeto.
Detección de señal
Hay diferentes formas de detectar señales cerebrales. Los más conocidos son EEG y fMRI, pero también hay otros (por ejemplo, MEG, ECoG). EEG mide la actividad eléctrica del cerebro, fMRI el flujo sanguíneo en el cerebro. Cada uno de estos métodos tiene sus propias (des) ventajas. Algunos tienen una mejor resolución temporal (es decir, pueden detectar la actividad cerebral a medida que sucede), mientras que otros tienen una mejor resolución espacial (es decir, pueden determinar la ubicación de la actividad).
- ¿Es posible ejecutar PowerMTA en mi máquina local y qué requisitos se necesitan?
- ¿Puedo ser lo suficientemente bueno en el aprendizaje automático?
- ¿Qué es el cuello de botella de von Neumann y cómo se puede evitar?
- ¿Por qué uno usaría máquinas de Turing Multi-cinta?
- Cómo saber si un puerto USB es 3.0 o no
Tenga en cuenta que supondré que estamos usando EEG aquí. La idea sigue siendo en gran medida la misma para otros tipos de técnicas de medición.
Procesamiento de la señal
Uno de los problemas que encontrará al tratar con datos cerebrales es que los datos tienden a contener mucho ruido. Cuando se usa EEG, por ejemplo, cosas como el rechinar de los dientes se mostrarán en los datos, así como los movimientos oculares. Este ruido debe filtrarse (o al menos detectarse para que pueda descartar los datos).
Los datos ahora se pueden usar para detectar señales reales. Cuando el sujeto genera señales activamente (caso 1 en Producción de señales), generalmente conoce el tipo de señales que desea detectar. Un ejemplo es la onda P300, que es un llamado potencial relacionado con eventos que se mostrará cuando se presente un estímulo infrecuente y relevante para la tarea (consulte Wikipedia para obtener más información). Esta ola se mostrará como un gran pico en sus datos y puede probar diferentes técnicas de aprendizaje automático para detectar tales picos.
Transducción de señales
Cuando haya detectado las señales interesantes en sus datos, desea usarlas de alguna manera que sea útil para el sujeto. El sujeto podría, por ejemplo, usar el BCI para controlar un mouse por medio de un movimiento imaginado (por ejemplo, mover mi mano derecha moverá el cursor hacia la derecha, los pies derechos lo moverán hacia abajo, etc.). Un problema que encontrará aquí es que necesita usar los datos que recibe del sujeto de la manera más eficiente posible, al mismo tiempo que tiene en cuenta que los BCI pueden cometer errores. Los BCI actuales son relativamente lentos y cometen errores de vez en cuando (por ejemplo, la computadora cree que imaginó el movimiento de la mano derecha, mientras que de hecho imaginó el movimiento de la mano izquierda).
Campo de golf
P300: http://en.wikipedia.org/wiki/P30…
EEG: http://en.wikipedia.org/wiki/Ele…
fMRI: http://en.wikipedia.org/wiki/FMRI