Interfacce Uomo-Macchina avanzate Advanced Human Machine
Transcript
Interfacce Uomo-Macchina avanzate Advanced Human Machine
Testo inglese Interfacce Uomo-Macchina avanzate Dipartimento di Bioingegneria Advanced Human Machine interfaces Gruppo di ricerca Research group Giuseppe Andreoni Luca Maggi Luca Piccini Sergio Parini Anno di avvio attività Beginning of activity 2003 Cooperazioni nazionali e internazionali National and international collaboration IRCCS “La Nostra Famiglia”, Bosisio Parini, (LC) AST - STMicroelectronics, Agrate (MI) Una Brain Computer Interface (BCI) è una interfaccia uomo-macchina che, senza far uso dei normali canali di comunicazione del sistema nervoso centrale quali i nervi periferici e i muscoli, è in grado di stabilire una modalità di comunicazione diretta tra il cervello e il mondo esterno. Le attività fisiologiche di diverse aree cerebrali possono essere correlate con le intenzioni del soggetto o modulate dall’interazione dello stesso con l’ambiente circostante: per esempio l’onda P300 si verifica quando l’attenzione del soggetto è catturata da 50 A Brain Computer Interface (BCI) is a new humanmachine communication system that doesn’t rely on the normal output pathways of the central nervous system, like peripheral nerves and muscles, but introduces a direct communication channel between the brain and the external world. The physiological activity of different areas of the brain are correlated either with the subject intention or with the interaction of the subject with the external world: for example the P300 occurs when the subject attention is captured by a cognitive stimulus. 1. Struttura tipica di un sistema BCI Structure of a typical BCI system 2. Il caschetto EEG da noi sviluppato Picture of our EEG helmet. uno stimolo con valenza cognitiva. Un sistema BCI cerca di riconoscere determinate attività cerebrali che possono essere definite esogene (se generate da particolari stimoli esterni), endogene (se generate autonomamente dal soggetto mediante esercizi di concentrazione o immaginazione) e di associarle a comandi utili per l’interazione con il computer e tramite questo con l’ambiente. A BCI equipment exploits these phenomena trying to detect some modifications in the brain activity. Such patterns are defined exogenous when generated by specific external stimuli, endogenous if they are autonomically generated by the subject (during concentration or imagination tasks). The fundamental principle is to associate those variations with commands useful to interact with the external environment through a computer or similar devices. Since ’70, BCIs have been studied, for military purposes. The poor performances in terms of information throughput and in terms of reliability didn’t allow to reach the objective of driving and aircraft or activating a weapon. Scientists have explored the advantages and the applications of a direct connection between the brain and the external world in other fields, but nowadays the most important and fascinating application of a BCI is the aid to disabled people. Since there are many other technologies able to improve the residual abilities of the subject, the BCI addresses people with severe disabilities and whose residual capabilities are minimal. Stato dell’arte Attualmente l’elettroencefalogramma (EEG) è il segnale più utilizzato per estrarre le informazioni necessarie per questo genere di informazioni. Come affermato precedentemente una BCI sfrutta le informazioni relative all’attività fisiologica cerebrale per comprendere e tradurre in comandi le intenzioni del soggetto. Il sistema si compone tipicamente dei blocchi seguenti (Figura 1): 1.un sistema di acquisizione; 2.un sistema per l’elaborazione dei dati in tempo reale; 3.una interfaccia utente. Il metodo per la rilevazione dell’attività cerebrale 51 è l’elettroencefalogramma (EEG). Il segnale EEG riflette l’attività elettro-fisiologica del cervello e può essere utilizzato utilizzando elettrodi applicati sullo scalpo. Sono disponibili anche altre tecnologie, tuttavia richiedono strumentazione più ingombrante e costosa. Per poter estrarre un comando dal segnale ricevuto, è necessario un sistema di elaborazione: questo sistema deve essere sufficientemente veloce da assicurare un funzionamento in real-time. L’utente deve svolgere specifiche e predeterminate operazioni mentali affinché sia prodotto un segnale riconoscibile e associabile a uno specifico comando: ciascun comando è associato a una classe di attività cerebrali simili. In primo luogo un blocco di estrazione delle features estrae alcuni parametri descrittivi del segnale che permettono di dividerlo in classi differenti. Un vettore di features identifica uno spazio multi dimensionale nel quale ciascuna classe è localizzata in un punto diverso. Il classificatore ha il compito di identificare la linea di demarcazione tra una classe e l’altra: in questo modo, date le coordinate che collocano un certo segnale in un punto nello spazio, è possibile risalire a quale classe appartiene. In seguito alla classificazione è possibile associare questa ultima a un comando. Questa operazione viene eseguita dall’interfaccia utente che può essere un’applicazione di wordprocessing, l’attivazione di una stimolazione elettrica funzionale oppure di un dispositivo domestico. I risultati consolidati della ricerca mondiale permettono di considerare la BCI come un ausilio domestico per le persone affette da disabilità. Questa affascinante prospettiva, tuttavia, deve scontrarsi con il fatto che questi sistemi sono spesso voluminosi, ingombranti e troppo costosi per essere considerati una soluzione adatta all’applicazione domestica della BCI. Ulteriormente il numero di canali EEG utilizzati dagli algoritmi dovrebbe essere minimizzato al fine di semplificare l’applicazione degli elettrodi; l’algoritmo di classificazione e di estrazione delle features dovrebbe escludere ridondanze per ridurre il carico computazionale del computer. 52 State of the art Nowadays the electroencephalogram (EEG) signal is the most frequently used signal to extract the information required for the implementation of a BCI system. As stated before a BCI has to exploit the information about the brain physiological activity in order to understand the user’s intention. In order to perform such an operation, the system is typically composed by the following blocks: 1.a data acquisition system; 2.a data processing real-time system; 3.a user interface. The most diffused method for the acquisition of the brain activity is the electroencephalogram (EEG). The EEG signal reflects the electrophysiological activity of the brain and can be recorded by means of superficial electrodes applied on the scalp. There are also other ways to record the brain activity, but those techniques are invasive or require extremely expensive or bulky instrumentation. In order to extract the user’s will from the signal there is a data processing system: this system must process all the data as fast as possible in order to provide a real-time operation. The user has to perform some kind of activity in order to produce the signal associated to a specific command: each command is identified by a class of similar brain activities. The first part is a block which performs a data preprocessing in order to reject artefact and to increase the signal to noise ratio (SNR), some kind of elaboration are band-pass filtering, adaptive filtering of envelope extraction. After that a feature extraction block extracts the parameters (called ‘features’) from the signal which can be used to discriminate between different classes of possible commands. Typical features are the power density in certain areas of the spectrum, the value and the index of the maximum and the root mean square amplitude. The features vector identifies a multidimensional space inside which each class is situated in a different place. The classifier has to identify the border of discrimination between each area in order to be able, given the coordinates of the signal in the space of the features, to understand to which class it Obiettivi e stato di avanzamento del progetto L’aspetto che maggiormente caratterizza questo progetto è l’utilizzo di sensori miniaturizzati e indossabili e di dispositivi elettronici in grado di sfruttare tutte le risorse residue delle persone disabili permettendo all’individuo di interagire con il mondo esterno. Lo scopo di questo progetto è mettere a disposizione un sistema BCI affidabile, robusto ed economico. Questo obiettivo sarà raggiunto progettando un framework per la realizzazione, il test e l’applicazione della BCI basandosi su un sistema wearable. Più in dettaglio, il nostro sistema attualmente è composto da un elmetto indossabile chiamato Kimera in grado di acquisire diversi biosegnali, principalmente il segnale EEG. Grazie a un microprocessore a bordo, il sistema sarà in grado di effettuare localmente e in real-time l’elaborazione del segnale e di controllare il programma (Bellerophonte) in esecuzione sul computer. Il paradigma BCI da noi utilizzato si basa su due protocolli, SSVEP e Motor Imagery. Il primo si basa sull’utilizzo di stimoli luminosi intermittenti per la generazione di potenziali evocati che vengono poi associati a comandi specifici. Il secondo, sicuramente più interessante, prevede invece il riconoscimento di segnali evocati autonomamente dal soggetto durante la preparazione del movimento, senza richiedere l’effettiva esecuzione dello stesso. La semplicità di utilizzo e il basso costo della piattaforma formata da Kimera e Bellerophonte renderanno possibile lo sviluppo di applicazioni BCI domestiche e studi a lungo termine dell’applicazione di questa tecnologia. corresponds. After the class is identified it is possible to associate it to a command. The command is executed by the user interface: it can be a word processing application, a functional electrical stimulation of some muscles or the activation of a home automation device. Now the consolidated outcomes of the worldwide research allow to conceive BCI as a potential actual aid for people at home. This fascinating perspective faces the problems related to those systems, which often are bulky and too expensive to become a practical solution for domestic appliance of BCI. Moreover the number of channel used by the algorithms should be minimized in order to simplify the application of electrodes; the feature extraction and classification algorithm should avoid redundancy in order to reduce the computational workload to the host computer. Objectives and current work The focus of this project is the use of wearable sensors and microelectronics technologies in order to exploit all the available resources from the disabled to allow them to interact with the surrounding environment. The aim of this project is to provide a reliable, smart and low cost system. This objective will be achieved by designing a framework for the realization, the test and the application of BCI at home, based on wearable system. More in detail, our system is composed of a wearable EEG helmet (called Kimera) with a on board Data Processing Unit, able to perform a local real-time processing and to control the software (Bellerophonte) running on the host computer by a low-power RF connection. Our BCI paradigm is based on two protocols, the SSVEP and the Motor Imagery. The first requires different flashing sources in order to generate visual evoked potential mapped on specific commands. The second, without doubt the most interesting one, uses the signals generated when the subjects prepare their movement, without requiring its execution. The user-friendliness and low cost of the Kimera&Bellerophonte platform will make it suitable for the development of home BCI applications, and long term application studies. 53