Interfaz Cerebro-Computadora
IA decodifica gestos manuales a partir de imagen cerebral
Investigación busca interfaces cerebro-computadora no invasivas para paralíticos
23 de mayo de 2023 Revisado por Gary Drevitch
![Geralt/Pixabay Geralt/Pixabay](https://cdn2.psychologytoday.com/assets/styles/article_inline_half_caption/public/field_blog_entry_images/2023-05/pic8888.jpg?itok=AqVKG_9M)
Las interfaces cerebro-computadora (ICC), también conocidas como interfaces cerebro-máquina (ICM), ofrecen esperanza a quienes han perdido la capacidad de moverse o comunicarse. Las capacidades de reconocimiento de patrones de la inteligencia artificial (IA) están acelerando la innovación. Un nuevo estudio de la Universidad de California en San Diego (UC San Diego) publicado en Cerebral Cortex, una revista académica de Oxford, muestra cómo el aprendizaje automático de IA puede decodificar gestos con las manos a partir de imágenes cerebrales de magnetoencefalografía (MEG), un método de imagen no invasivo.
“Nuestro modelo MEG-RPSnet superó a dos arquitecturas de redes neuronales de última generación para ICC basadas en electroencefalogramas, así como a un método de aprendizaje automático tradicional, y demostró un rendimiento equivalente y/o mejor que los métodos de aprendizaje automático que han empleado electrocorticografía invasiva basada en ICC usando la misma tarea”, escribió el autor principal Mingxiong Huang, codirector del Centro MEG de UC San Diego en el Instituto Qualcomm junto con los investigadores Yifeng Bu, Deborah L Harrington, Roland R Lee, Qian Shen, Annemarie Angeles-Quinto , Zhengwei Ji, Hayden Hansen, Jaqueline Hernandez-Lucas, Jared Baumgartner, Tao Song, Sharon Nichols, Dewleen Baker, Ramesh Rao, Imanuel Lerman, Tuo Lin y Xin Ming Tu.
La magnetoencefalografía (MEG) es un método de neuroimagen no invasivo para mapear la actividad cerebral midiendo los campos magnéticos producidos por las corrientes eléctricas del cerebro. MEG permite el seguimiento en tiempo real de las secuencias de activación del cerebro y la resolución de tiempo de milisegundos.
Así es como funciona MEG: el cerebro genera campos electromagnéticos que son producidos por el efecto neto de iones cargados eléctricamente que fluyen a través de una célula. Cuando miles de neuronas se excitan juntas, se genera un campo magnético fuera de la cabeza que se puede medir. Las señales neuromagnéticas generadas por el cerebro son pequeñas, por lo que se requieren sensores especiales. Los escáneres MEG tienen sensores de dispositivo de interferencia cuántica superconductora (SQUID).
Para este estudio, el equipo de UC San Diego usó un casco que constaba de una matriz de 306 sensores integrados para detectar los campos magnéticos producidos por las corrientes eléctricas del cerebro que fluyen entre las neuronas. Doce participantes usaron el casco MEG cuando se les pidió aleatoriamente que hicieran un gesto con la mano de piedra, papel o tijera, como se usa en el juego. El casco MEG recopiló imágenes de la actividad cerebral de los participantes durante los gestos.
Los investigadores utilizaron un algoritmo de aprendizaje profundo de red neuronal convolucional (CNN) de IA para aprender a clasificar los gestos.
“En un solo ensayo, encontramos un promedio de 85.56 % de precisión en la clasificación en 12 sujetos”, informaron los investigadores de la UC San Diego.
Los investigadores descubrieron dos regiones específicas donde el modelo de aprendizaje profundo de IA pudo clasificar con resultados comparables a los del modelo de cerebro completo. “Sorprendentemente, también descubrimos que cuando se usaban solo sensores regionales central-parietal-occipital o sensores regionales occipitotemporales, el modelo de aprendizaje profundo lograba rendimientos de clasificación que eran similares al modelo de sensor de todo el cerebro”, señalaron los científicos.
Al aprovechar las capacidades de reconocimiento de patrones del aprendizaje profundo de IA entrenado en datos de imágenes cerebrales no invasivas, los investigadores de UC San Diego tienen una prueba de concepto que algún día puede conducir a interfaces cerebro-computadora no invasivas para ayudar a los paralizados y a los que han perdido. la capacidad de hablar.
“En conjunto, estos resultados muestran que las aplicaciones de ICC basadas en MEG no invasivas son prometedoras para futuros desarrollos de ICC en la decodificación de gestos manuales”, concluyeron los científicos.
Derechos de autor © 2023 Cami Rosso. Todos los derechos reservados.
A version of this article originally appeared in English.