Engenharia 360

Interface cérebro-computador pode auxiliar controle de cadeiras de rodas, veículos ou computadores

Engenharia 360
por Kamila Jessie
| 24/10/2019 | Atualizado em 30/06/2022 3 min

Interface cérebro-computador pode auxiliar controle de cadeiras de rodas, veículos ou computadores

por Kamila Jessie | 24/10/2019 | Atualizado em 30/06/2022

A combinação de novas classes de nanoeletrodos com eletrônica flexível e um algoritmo de deep learning pode ajudar as pessoas com deficiência a controlar com o cérebro, por exemplo, uma cadeira de rodas elétrica, além de interagir com um computador ou operar um pequeno veículo robótico. Tudo isso sem ser necessário vestir um capacete estranho com eletrodos ou fios. Vem com a gente conhecer sobre essa interface cérebro-computador.

interface cérebro-computador
Imagem: Woon-Hong Yeo et al. (2019)

Interface cérebro-computador não-invasiva:

A equipe que publicou o trabalho acadêmico é
multidisciplinar do jeito que a gente gosta: inclui engenheiras e engenheiros
da área biomédica, eletrônica e de nanomateriais, além de profissionais de
psicologia, todos conduzindo pesquisa em universidades.

PUBLICIDADE

CONTINUE LENDO ABAIXO

Em termos de robótica e engenharia na medicina, as interfaces
cérebro-máquina (IMC) são parte essencial da tecnologia de reabilitação que
permite que pessoas com esclerose lateral amiotrófica, acidente vascular
cerebral crônico ou outras deficiências motoras graves controlem os sistemas
protéticos. Mas, atualmente, a coleta de sinais cerebrais conhecidos requer o
uso de uma touca de cabelo cravejada em eletrodos que usa eletrodos úmidos,
adesivos e fios para conectar-se a equipamentos de computador que interpretam
os sinais, o que pode ser desconfortável e constrangedor para o usuário.

Redes neurais cerebrais:

No sentido de aliviar essa situação, os cientistas que desenvolveram essa nova pesquisa está aproveitando uma classe de sensores e eletrônicos flexíveis e sem fio que podem ser facilmente aplicados à pele. O sistema inclui três componentes principais: eletrodos altamente flexíveis montados no cabelo que fazem contato direto com o couro cabeludo através do próprio cabelo; um eletrodo de nanomembrana ultrafina; e circuidade macia e flexível com uma unidade de telemetria Bluetooth. Os dados de eletroencefalogramas (EEG) são processados ​​em circuitos flexíveis e depois entregues sem fio a um tablet via Bluetooth a até 15 metros de distância. Ao fornecer uma interface cérebro-máquina sem fio totalmente portátil, o sistema wearable pode oferecer uma melhoria em relação à EEG convencional para medir sinais cerebrais.

Além dos requisitos de detecção dos sinais cerebrais, há
outros desafios relacionados à amplitude do sinal. Para enfrentar esses entraves,
a equipe de pesquisa voltou-se para algoritmos de redes neurais de aprendizado
profundo em execução no circuito flexível, permitindo medir e categorizar com
precisão os sinais indicativos do que o usuário deseja que o sistema faça.

A interface usa três eletrodos elastoméricos do couro cabeludo presos à cabeça com uma faixa de tecido, eletrônicos sem fio ultrafinos conformados ao pescoço e um eletrodo impresso semelhante à pele colocado na pele abaixo da orelha. Os eletrodos secos e macios aderem à pele e não usam adesivo ou gel. Juntamente com a facilidade de uso, o sistema pode reduzir ruídos e interferências e fornecer taxas de transmissão de dados mais altas em comparação com os sistemas existentes.

PUBLICIDADE

CONTINUE LENDO ABAIXO

interface homem-máquina
Imagem: Woon-Hong Yeo et al. (2019)

Resultados e perspectivas:

Foram conduzidos testes com seis pessoas. O algoritmo de
aprendizado profundo com classificação de dados em tempo real pode controlar
uma cadeira de rodas elétrica e um pequeno veículo robótico. Os sinais também
podem ser usados ​​para controlar um sistema de exibição sem o uso de teclado,
joystick ou outro controlador.

Os próximos passos incluem melhorar os eletrodos e tornar o sistema mais útil para indivíduos com deficiência motora. Além disso, é mais um passo em direção à monitoramento de atividade cerebral de forma não invasiva. Isso constitui aplicabilidade na medicina diagnóstica, evitando que usuários tenham que, por exemplo, se submeter a exames desconfortáveis ou no desenvolvimento de próteses, com wearables mais discretos.


Fontes: Nature Machine Intelligence.

Comentários

Engenharia 360

Kamila Jessie

Doutoranda e mestre em Engenharia Hidráulica e Saneamento pela Universidade de São Paulo, é formada em Engenharia Ambiental e Sanitária.