뇌-컴퓨터 인터페이스

Brain–computer interface
보철 장치의 직접적인 뇌 제어는 신경 보철물을 참조하십시오.
신경심리학
The lobes of the brain, viewed laterally
토픽
뇌기능
사람
테스트

뇌-컴퓨터 인터페이스(BCI) 또는 뇌-기계 인터페이스(BMI) 또는 스마트 브레인(smartbrain)은 뇌의 전기적 활동과 외부 장치, 가장 일반적으로 컴퓨터 또는 로봇 팔다리 사이의 직접적인 통신 경로입니다. BCI는 종종 인간의 인지 또는 감각 운동 기능을 연구, 매핑, 보조, 증강 또는 수리하는 것을 목표로 합니다.[1] 그것들은 종종 신체 부위의 물리적 움직임의 중간 구성 요소를 건너뛰는 인간-기계 인터페이스로 개념화되지만, 뇌와 기계의 이산성이 지워질 가능성도 제기합니다. BCI의 구현은 전극이 뇌 조직에 얼마나 가까운지에 따라 비침습적(EEG, MEG, MRI) 및 부분 침습적(ECoG 및 혈관 내)에서 침습적(마이크로 전극 어레이)에 이르기까지 다양합니다.[2]

BCI에 대한 연구는 1970년대에 자크 비달(Jacques Vidal)에 의해 로스앤젤레스 캘리포니아 대학교(UCLA)에서 국립 과학 재단의 보조금을 받아 시작되었고, 그 후 DARPA의 계약이 이루어졌습니다.[3][4] 비달의 1973년 논문은 과학 문헌에서 뇌-컴퓨터 인터페이스라는 표현의 첫 등장을 의미합니다.

뇌의 피질 가소성으로 인해 이식된 보철물의 신호는 적응 후 자연 센서 또는 이펙터 채널과 같이 뇌에서 처리할 수 있습니다.[5] 수년간의 동물 실험 끝에 1990년대 중반 인간에게 이식된 최초의 신경보철장치가 등장했습니다.

최근 전두엽(EEG 뇌파) 데이터에서 추출된 통계적 시간적 특징에 대한 기계 학습의 적용을 통한 인간-컴퓨터 상호 작용에 대한 연구는 정신 상태(여유, 중립, 집중),[6] 정신 감정 상태(부정, 중립, 긍정)를 분류하는 데 높은 수준의 성공을 거두었습니다.[7] 그리고 시상 피질 이상.[8]

역사

뇌-컴퓨터 인터페이스(BCI)의 역사는 한스 버거(Hans Berger)가 인간 뇌의 전기적 활동을 발견하고 뇌파(EEG)를 발전시킨 것에서 시작됩니다. 1924년 버거는 뇌파를 통해 인간의 뇌 활동을 기록한 최초의 사람이었습니다. 버거는 뇌파 흔적을 분석하여 버거의 파동이나 알파파(8~13Hz)와 같은 진동 활동을 확인할 수 있었습니다.

버거의 첫 번째 녹음 장치는 매우 초보적이었습니다. 그는 환자들의 두피 밑에 은선을 삽입했습니다. 이것들은 나중에 고무 붕대로 환자의 머리에 부착된 은박지로 대체되었습니다. 버거는 이 센서들을 립만 모세관 전자계에 연결했는데, 실망스러운 결과를 얻었습니다. 하지만 만분의 1볼트 정도의 작은 전압을 보여주는 지멘스 이중 코일 기록 검류계와 같은 더 정교한 측정 장치가 성공을 이끌었습니다.

Berger는 자신의 뇌파 파형도에서 나타나는 변화와 뇌 질환의 상호 연관성을 분석했습니다. 뇌파는 인간의 뇌 활동 연구에 완전히 새로운 가능성을 허용했습니다.

비록 그 용어가 아직 만들어지지 않았지만, 작동하는 뇌-기계 인터페이스의 초기 예들 중 하나는 미국 작곡가 Alvin Lucier의 작품 Music for Solo Performer (1965)였습니다. 이 작품은 음향 타악기를 자극하기 위해 뇌파 및 아날로그 신호 처리 하드웨어(필터, 증폭기 및 믹싱 보드)를 사용합니다. 작품을 수행하려면 알파파를 생성하고, 그에 따라 악기 자체에 가까이 또는 직접 배치된 라우드스피커를 통해 다양한 타악기를 "재생"해야 합니다.[9]

UCLA의 Jacques Vidal 교수는 "BCI"라는 용어를 만들었고 이 주제에 대한 최초의 동료 평가 출판물을 만들었습니다.[3][4] 비달은 그 분야를 검토하고 논의하는 수많은 동료 검토 기사(예:)에 반영되어 있듯이 BCI 커뮤니티에서 BCI의 발명가로 널리 인정받고 있습니다.[10][11][12] 한 리뷰는 비달의 1973년 논문에서 뇌파 신호를 사용하여 외부 물체를 제어하는 "BCI 도전"[13]을 언급했다고 지적했습니다. 특히 CNV(Conditional Negative Variation) 잠재력을 BCI 제어를 위한 과제로 사용합니다. 비달이 설명한 1977년 실험은 1973년 BCI 도전 이후 BCI를 처음 적용한 것입니다. 그것은 컴퓨터 화면의 커서와 같은 그래픽 객체에 대한 비침습적 뇌파(실제로 VEP) 제어였습니다. 시위는 미로 속에서 진행되었습니다.[14]

그의 초기 공헌 이후, 비달은 수년 동안 BCI 연구나 컨퍼런스와 같은 BCI 행사에 적극적이지 않았습니다. 그러나 2011년에는 오스트리아 그라츠에서 Future BNCI 프로젝트의 지원을 받는 강연을 하여 최초의 BCI를 발표하여 기립박수를 받았습니다. 비달은 이전에 UCLA에서 그의 첫 번째 BCI 프로젝트에서 그와 함께 일했던 그의 아내 Laryce Vidal과 함께 했습니다.

1988년에는 물리적 물체인 로봇의 비침습적 뇌파 조절에 대한 보고서가 발표되었습니다. 설명된 실험은 바닥에 그려진 선으로 정의된 임의의 궤적을 따라 로봇 움직임의 다중 시작-정지-재시작의 뇌파 제어였습니다. 라인 추종 행동은 자율 지능과 자율 에너지원을 활용한 기본 로봇 행동이었습니다.[15][16] Stevo Bozinovski, Mihail Sestakov, 그리고 Liljana Bozinovska가 쓴 이 1988년 보고서는 뇌파를 이용한 로봇 제어에 관한 최초의 보고서였습니다.[17][18]

1990년, 예상 뇌 전위인 CNV(Contendent Negative Variation) 전위에 의한 폐쇄 루프, 양방향 적응형 BCI 제어 컴퓨터 버저에 대한 보고서가 발표되었습니다.[19][20] 이 실험은 CNV에 의해 나타나는 뇌의 기대 상태가 피드백 루프에서 S1-S2-CNV 패러다임에서 S2 버저를 제어하는 방법을 설명했습니다. 뇌에서 기대 학습을 나타내는 획득된 인지파를 EXG(Electroexpectogram)라고 합니다. CNV 뇌 전위는 1973년 비달이 논문에서 제시한 BCI 챌린지의 일부였습니다.

2010년대의 연구는 시냅스 효능의 분자 메커니즘의 조절을 통해 기능적 연결 및 관련 행동을 복원하는 신경 자극의 잠재적 능력을 제안했습니다.[21][22] 이는 BCI 기술이 기능을 가능하게 할 뿐만 아니라 기능을 복원할 수도 있다는 개념의 문을 열었습니다.

2013년부터 DARPA는 BRAIN 이니셔티브를 통해 BCI 기술에 자금을 지원하고 있으며, BRAIN 이니셔티브는 피츠버그 대학 의료 센터,[23] 패러로믹스,[24] 브라운,[25][26] 싱크로 등의 업무를 지원하고 있습니다.

신경루학과 비교

주요 기사: 신경루학

신경 보철술은 신경 보철술, 즉 손상된 신경계 및 뇌 관련 문제의 기능을 대체하기 위해 인공 장치를 사용하거나 감각 기관 또는 장기 자체(낭, 횡격막 등)에 관한 신경 과학 분야입니다. 2010년 12월 기준 전 세계 약 22만 명의 사람들에게 인공 달팽이관 임플란트가 신경보철장치로 이식되었습니다.[27] 또한 망막 임플란트를 포함하여 시력을 회복하는 것을 목표로 하는 여러 신경 보철 장치가 있습니다. 그러나 최초의 신경보철 장치는 심박조율기였습니다.

용어는 때때로 서로 교환하여 사용됩니다. 신경루학과 BCI는 시각, 청각, 움직임, 의사소통 능력, 심지어 인지 기능을 회복하는 것과 같은 동일한 목적을 달성하려고 합니다.[1] 둘 다 유사한 실험 방법과 수술 기법을 사용합니다.

동물 BCI 연구

참고 항목: 리모콘 동물

몇몇 실험실들은 움직임을 만들기 위해 BCI를 작동시키기 위해 원숭이와 쥐의 대뇌 피질에서 나오는 신호를 기록하는 데 성공했습니다. 원숭이는 화면의 컴퓨터 커서를 탐색하고 로봇 팔에 명령을 내려 작업에 대해 생각하고 시각적 피드백을 보는 것만으로 간단한 작업을 수행하지만, 아무런 모터 출력 없이도 수행할 수 있습니다.[28] 2008년 5월 피츠버그 대학 의료 센터의 원숭이가 생각에 의해 로봇 팔을 작동하는 모습을 보여주는 사진들이 다수의 유명한 과학 저널들과 잡지들에 게재되었습니다.[29] Synchron's Stentrode를 포함한 BCI 기술을 평가하는 데 양도 사용되었습니다.

2020년, 엘론 머스크의 뉴럴링크가 돼지에 성공적으로 이식되었다고 널리 본 웹캐스트에서 발표했습니다.[30] 2021년 일론 머스크는 뉴럴링크의 장치를 사용하여 원숭이가 비디오 게임을 할 수 있도록 성공했다고 발표했습니다.[31]

조기근무

뇌-컴퓨터 인터페이스를 가진 로봇 팔을 작동시키는 원숭이 (피츠버그 대학교 슈워츠 연구실)

1969년 시애틀에 있는 워싱턴 대학교의 지역 영장류 연구 센터와 생리 생물 물리학과에서 페츠와 동료들에 대한 조작자 조절 연구는 처음으로 원숭이들이 신경 활동으로 바이오피드백 미터 팔의 편향을 조절하는 방법을 배울 수 있다는 것을 보여주었습니다.[32] 1970년대의 유사한 연구는 원숭이들이 적절한 신경 활동 패턴을 만들어낸 것에 대한 보상을 받는다면, 일차 운동 피질에 있는 개인 및 다수의 뉴런들의 발화 속도를 자발적으로 조절하는 것을 빠르게 배울 수 있다는 것을 증명했습니다.[33]

움직임을 제어하는 운동피질 뉴런에서 움직임을 재구성하는 알고리즘을 개발한 연구는 1970년대로 거슬러 올라갑니다. 1980년대에 존스 홉킨스 대학(Johns Hopkins University)의 아포스톨로스 게오르고풀로스(Apostolos Georogopoulos)는 붉은털원숭이에서 단일 운동 피질 뉴런의 전기적 반응과 그들이 팔을 움직이는 방향 사이의 수학적 관계를 발견했습니다(코사인 함수에 기초함). 그는 또한 원숭이 뇌의 다른 영역에 흩어져 있는 뉴런 그룹이 운동 명령을 일괄적으로 제어한다는 것을 발견했지만, 그의 장비에 의해 부과된 기술적 한계 때문에 한 번에 한 영역에서만 뉴런의 발화를 기록할 수 있었습니다.[34]

BCI는 1990년대 중반부터 급속한 발전이 있었습니다.[35] 여러 그룹은 신경 앙상블(뉴런 그룹)에서 기록하고 이를 사용하여 외부 장치를 제어함으로써 복잡한 뇌 운동 피질 신호를 포착할 수 있었습니다.

눈에 띄는 연구 성과

케네디와 양단

Phillip Kennedy (후에 1987년에 Neural Signals를 설립한)와 동료들은 원숭이에게 신경영양 원추 전극을 이식함으로써 최초의 피질 내 뇌-컴퓨터 인터페이스를 구축했습니다.[citation needed]

양단과 동료들의 측성 성상핵에 이식된 BCI를 이용한 고양이 시력 기록 (위쪽 행: 원본 이미지; 아래쪽 행: 기록)

1999년, 캘리포니아 대학교 버클리의 양 댄이 이끄는 연구원들은 고양이가 보는 이미지를 재현하기 위해 신경 발화를 해독했습니다. 이 연구팀은 날카로운 눈을 가진 고양이들의 시상에 내장된 (뇌의 모든 감각 입력을 통합하는) 전극 배열을 사용했습니다. 연구원들은 망막에서 신호를 해독하는 시상 측면 생식기 핵 영역의 177개 뇌 세포를 표적으로 삼았습니다. 고양이들에게 8편의 짧은 영화가 상영되었고, 그들의 뉴런 발화가 기록되었습니다. 수학 필터를 사용하여 연구원들은 고양이들이 본 것을 영화화하기 위해 신호를 해독하고 인식 가능한 장면과 움직이는 물체를 재구성할 수 있었습니다.[36] 그 이후 일본의 연구자들에 의해 인간에서도 비슷한 결과가 나왔습니다(아래 참조).

니콜리스

노스캐롤라이나주 더럼에 있는 듀크 대학교의 미구엘 니콜리스 교수는 BCI를 구동하기 위해 신경 신호를 얻기 위해 뇌의 더 넓은 영역에 퍼져 있는 여러 개의 전극을 사용하는 저명한 지지자였습니다.

1990년대에 쥐를 대상으로 초기 연구를 수행한 후 니콜리스(Nicolelis)와 그의 동료들은 올빼미 원숭이의 뇌 활동을 해독하고 이 장치를 사용하여 로봇 팔의 원숭이 움직임을 재현하는 BCI를 개발했습니다. 원숭이는 손을 뻗고 잡는 능력과 좋은 손 조작 기술을 가지고 있어 이러한 종류의 작업에 이상적인 시험 대상이 됩니다.

2000년까지 이 단체는 부엉이 원숭이가 조이스틱을 작동하거나 먹이를 찾기 위해 손을 뻗는 동안 부엉이 원숭이의 움직임을 재현하는 BCI를 구축하는 데 성공했습니다.[37] BCI는 실시간으로 작동하며 인터넷 프로토콜을 통해 별도의 로봇을 원격으로 제어할 수도 있습니다. 하지만 원숭이들은 팔이 움직이는 것을 볼 수 없었고, 소위 개방형 고리 BCI라는 어떠한 피드백도 받지 못했습니다.

미구엘 니콜리스와 동료들이 붉은털원숭이에 사용하기 위해 개발한 BCI 도식

이후 니콜리스(Nicolelis)가 붉은털원숭이를 이용한 실험에서 피드백 루프를 닫고 로봇 팔에서 원숭이가 손을 뻗어 움직임을 잡는 것을 재현하는 데 성공했습니다. 깊은 갈라지고 홈이 파인 뇌를 가진 붉은털원숭이는 올빼미원숭이보다 인간의 신경 생리학에 더 좋은 모델로 여겨집니다. 이 원숭이들은 로봇 팔에 의한 상응하는 움직임이 숨겨져 있는 동안 조이스틱을 조작하여 컴퓨터 화면의 물체에 손을 뻗고 잡도록 훈련을 받았습니다.[38][39] 이 원숭이들은 나중에 로봇에게 직접 보여졌고, 로봇의 움직임을 보고 조종하는 법을 배웠습니다. BCI는 속도 예측을 사용하여 도달하는 움직임을 제어하고 동시에 손을 잡는 힘을 예측했습니다. 2011년 오도허티(O'Doherty)와 동료들은 붉은털원숭이와 함께 감각적 피드백을 받은 BCI를 보여주었습니다. 원숭이는 감각피질의 팔 표현 영역에서 직접 피질내자극(ICMS)을 통해 감각 피드백을 받으면서 아바타 팔의 위치를 뇌가 조절하고 있었습니다.[40]

도노휴, 슈바르츠, 안데르센

BCI는 브라운 대학의 카니 뇌 과학 연구소의 핵심 초점입니다.

신경 신호를 해독하는 BCI와 알고리즘을 개발한 다른 연구소로는 브라운 대학의 카니 뇌 과학 연구소와 피츠버그 대학의 앤드류 슈워츠와 칼텍의 리차드 안데르센 연구소가 있습니다. 이 연구자들은 니콜리스(15–30 뉴런 대 50–200 뉴런)보다 훨씬 적은 수의 뉴런에서 기록된 신호를 사용하여 작동하는 BCI를 생성할 수 있었습니다.

카니 연구소(Carney Institute)의 존 도노휴(John Donoghue) 연구실은 붉은털원숭이가 BCI를 사용하여 컴퓨터 화면(폐쇄 루프 BCI)의 시각적 목표물을 추적하도록 훈련한다고 보고했습니다.[41] 슈워츠의 그룹은 가상현실에서 3차원 추적을 위한 BCI를 만들었고, 로봇 팔에 BCI 제어를 재현하기도 했습니다.[42] 같은 그룹은 원숭이가 자신의 뇌 신호에 의해 조종되는 로봇 팔을 사용하여 과일과 마시멜로 조각을 스스로 먹을 수 있다는 것을 보여줌으로써 헤드라인을 장식하기도 했습니다.[43][44][45]

안데르센 연구팀은 실험동물이 보상을 받을 것으로 예상했을 때 만들어진 신호를 포함하여 후두정엽 피질의 움직임 전 활동 기록을 BCI에 사용했습니다.[46]

기타연구

사지 움직임의 운동학적 및 운동적 매개변수를 예측하는 것 외에도 영장류 근육의 근전도 또는 전기적 활동을 예측하는 BCI가 개발되고 있습니다.[47] 이러한 BCI는 근육을 전기적으로 자극하여 마비된 팔다리의 이동성을 회복하는 데 사용될 수 있습니다.

미구엘 니콜리스(Miguel Nicolelis)와 동료들은 큰 신경 앙상블의 활동이 팔 위치를 예측할 수 있다는 것을 보여주었습니다. 이 작업은 팔의 움직임 의도를 읽고 이를 인공 액츄에이터의 움직임으로 변환하는 BCI의 생성을 가능하게 했습니다. 카르메나(Carmena)와[38] 동료들은 BCI에서 신경 코딩을 프로그래밍하여 원숭이가 로봇 팔로 손을 뻗고 움직임을 잡는 것을 제어할 수 있도록 했습니다. 레베데프와 동료들은[39] 뇌 네트워크가 동물 자신의 팔다리를 표현하는 것 외에 로봇 부속기의 새로운 표현을 만들기 위해 재구성된다고 주장했습니다.

2019년 UCSF의 연구원들은 신경 질환으로 인한 언어 장애 환자를 도울 수 있는 BCI를 입증한 연구를 발표했습니다. 그들의 BCI는 환자의 뇌에서 신경 활동을 두드리기 위해 고밀도 전기 피질 검사를 사용했고 음성을 합성하기 위해 딥 러닝 방법을 사용했습니다.[48][49] 2021년, 같은 그룹의 연구원들은 15년 이상 말을 할 수 없었던 관절통 환자에게 BCI가 단어와 문장을 해독할 수 있는 가능성을 보여주는 연구를 발표했습니다.[50][51]

현재 BCI 기술의 가장 큰 장애물은 뇌 신호에 안전하고 정확하며 강력한 액세스를 제공하는 센서 양식이 없다는 것입니다. 그러나 이러한 센서가 향후 20년 이내에 개발될 가능성이 있습니다. 이러한 센서의 사용은 BCI를 사용하여 제공할 수 있는 통신 기능의 범위를 크게 확장해야 합니다.

BCI 시스템의 개발 및 구현은 복잡하고 시간이 많이 소요됩니다. 이 문제에 대한 대응으로, Gerwin Schalk는 BCI2000이라고 불리는 BCI 연구를 위한 범용 시스템을 개발해오고 있습니다. BCI2000은 미국 뉴욕 올버니에 있는 뉴욕주 보건부 워즈워스 센터의 Brain-Computer Interface R&D Program에 의해 이끌어지는 프로젝트에서 2000년부터 개발되어 왔습니다.[52]

새로운 '무선' 접근법은 채널로돕신과 같은 광 게이트 이온 채널을 사용하여 생체 내에서 유전적으로 정의된 뉴런의 하위 집합의 활동을 제어합니다. 단순 학습 과제의 맥락에서 체성감각 피질에서 형질감염된 세포의 조명은 자유롭게 움직이는 쥐의 의사결정 과정에 영향을 미쳤습니다.[53]

BMI의 사용은 또한 신경망과 중추신경계에 대한 더 깊은 이해로 이어졌습니다. 연구에 따르면 신경과학자들이 뉴런이 함께 일할 때 가장 큰 영향을 미친다고 믿는 경향이 있음에도 불구하고, 단일 뉴런은 BMI를 사용하여 영장류가 운동 출력을 제어할 수 있는 패턴으로 발사할 수 있습니다. BMI의 사용은 잘 조정된 발사 속도로도 단일 뉴런은 좁은 양의 정보만 전달할 수 있으므로 집단 앙상블의 발사를 기록함으로써 가장 높은 수준의 정확도를 달성한다는 단일 뉴런 불충분 원칙을 개발했습니다. BMI를 사용하여 발견된 다른 원리로는 신경 멀티태스킹 원리, 신경 질량 원리, 신경 퇴행 원리, 가소성 원리가 있습니다.[54]

BCI도 장애가 없는 사용자가 적용할 것을 제안합니다. 토르스텐 오 잔더(Thorsten O. Zander)와 크리스티안 코테(Christian Kothe)가 BCI 접근 방식을 사용자 중심으로 분류하여 수동 BCI라는 용어를 소개합니다.[55] 지시 제어에 사용되는 능동 및 반응형 BCI 이외에 수동 BCI를 사용하면 HCI(Human-Computer Interaction) 중 사용자 상태의 변화를 평가하고 해석할 수 있습니다. 2차적인 암묵적 제어 루프에서 컴퓨터 시스템은 사용자가 일반적으로 사용성을 개선하는 것에 적응합니다.

외부 이펙터를 구동하기 위해 신경 활동을 디코딩하는 BCI 시스템 외에도 BCI 시스템을 사용하여 주변의 신호를 인코딩할 수 있습니다. 이러한 감각 BCI 장치는 폐쇄 루프 신경 자극을 기반으로 실시간, 행동 관련 결정을 가능하게 합니다.[56]

BCI 어워드

Brain-Computer Interface 분야에서 탁월하고 혁신적인 연구를 수행한 공로를 인정받아 매년 BCI 연구상을 수상합니다. 매년 저명한 연구소에 제출된 프로젝트를 판단하도록 요청합니다. 심사위원단은 시상 연구소에서 모집한 세계 유수의 BCI 전문가들로 구성되어 있습니다. 심사위원단은 12명의 후보자를 선정한 후, 각각 3,000달러, 2,000달러, 1,000달러의 상을 받는 1등, 2등, 3등 수상자를 선정합니다.

인간 BCI 연구

침습적 BCI

침습적 BCI는 뇌 신호를 전달하기 위해 두피 아래에 전극을 이식하는 수술이 필요합니다. 가장 큰 장점은 더 정확한 판독을 제공하는 것입니다. 그러나 단점은 흉터 조직을 포함한 수술로 인한 부작용으로 뇌 신호를 약하게 만들 수 있습니다. 또한, Abdulkader et al., (2015)의 연구에 따르면,[57] 신체는 이식된 전극을 수용하지 않을 수 있고 이것은 의학적인 상태를 야기할 수 있습니다.

비전.

침습적 BCI 연구는 손상된 시력을 수리하고 마비가 있는 사람들에게 새로운 기능을 제공하는 것을 목표로 합니다. 침습성 BCI는 신경외과 수술 시 뇌의 회백질에 직접 이식됩니다. 침습적인 장치는 회백질에 있기 때문에 BCI 장치의 최고 품질의 신호를 생성하지만 흉터 조직이 축적되기 쉬워서 신체가 뇌의 이물질에 반응함에 따라 신호가 약해지거나 심지어 존재하지 않게 됩니다.[58]

시력 과학에서 직접적인 뇌 임플란트는 선천적이지 않은 (후천적인) 실명을 치료하는 데 사용되었습니다. 시력을 회복하기 위해 작동하는 뇌 인터페이스를 생산한 최초의 과학자 중 한 명은 민간 연구원인 윌리엄 도벨이었습니다.

도벨레의 첫 프로토타입은 1978년 성인기에 눈이 먼 남자 "제리"에 이식되었습니다. 68개의 전극이 들어 있는 단일 배열 BCI를 제리의 시각 피질에 이식해 빛을 보는 감각인 인광을 생성하는 데 성공했습니다. 이 시스템에는 임플란트에 신호를 보내기 위해 안경에 장착된 카메라가 포함되었습니다. 처음에, 이 임플란트를 통해 제리는 제한된 시야에서 낮은 프레임 속도로 회색 음영을 볼 수 있었습니다. 이것은 또한 그가 메인프레임 컴퓨터에 연결될 것을 요구했지만, 전자 장치와 더 빠른 컴퓨터의 축소는 그의 인공 눈을 더 쉽게 만들었으며 이제는 도움 없이 간단한 일을 수행할 수 있게 해주었습니다.[59]

BrainGate 인터페이스의 설계를 설명하기 위한 더미 유닛

2002년, 성인이 되어서도 눈이 멀었던 Jens Naumann은 16명의 급여를 받는 환자들 중 최초로 도벨의 2세대 임플란트를 받게 되었고, 이는 BCI의 초기 상업적 용도 중 하나로 기록되었습니다. 2세대 장치는 더 정교한 임플란트를 사용하여 일관된 시각으로 인을 더 잘 매핑할 수 있게 했습니다. 인광은 연구자들이 "별밤 효과"라고 부르는 시각 영역에 걸쳐 퍼져 있습니다. 그의 이식 직후, Jens는 불완전하게 회복된 시력을 이용하여 연구소의 주차 구역 주변을 천천히 운전할 수 있었습니다.[60] 불행하게도, 도벨레는 그의 과정과 발전이 기록되기 전 2004년에[61] 사망했습니다. 그 후, 나우만 씨와 프로그램에 참여한 다른 환자들이 시력에 문제가 생기기 시작했을 때, 그들은 안도감을 느끼지 못했고, 결국 다시 "시력"을 잃었습니다. 나우만은 Search for Paradise: A Patient's Account of the Artificial Vision Experiment에서[62] 도벨레의 작업에 대한 경험에 대해 썼고 정상적인 활동을 재개하기 위해 캐나다 남동 온타리오에 있는 자신의 농장으로 돌아갔습니다.[63]

움직임.

운동 신경 보철술에 초점을 맞춘 BCI는 마비가 있는 개인의 움직임을 복구하거나 컴퓨터 또는 로봇 팔과의 인터페이스와 같은 그들을 보조하는 장치를 제공하는 것을 목표로 합니다.

필립 케네디(Philip Kennedy)와 로이 바케이(Roy Bakay)가 이끄는 애틀랜타(Atlanta)의 에모리(Emory) 대학 연구원들은 처음으로 움직임을 시뮬레이션할 수 있을 만큼 충분한 품질의 신호를 생성하는 뇌 이식물을 사람에게 설치했습니다. 그들의 환자인 조니 레이(1944-2002)는 1997년 뇌간 뇌졸중을 일으킨 후 '잠김 증후군'이 생겼습니다. 레이의 임플란트는 1998년에 설치되었고, 그는 임플란트 작업을 시작할 만큼 충분히 오래 살았고, 결국 컴퓨터 커서를 제어하는 법을 배웠고, 2002년에 뇌동맥류로 사망했습니다.[64]

사지마비 환자인 매트 나글(Matt Nagle)은 2005년 사이버키네틱스(Cyberkinetics)의 브레인게이트(BrainGate) 칩 주입에 대한 최초의 9개월간의 인체 실험의 일환으로 BCI를 사용하여 인공 손을 조종한 최초의 사람이 되었습니다. Nagle의 오른쪽 전중앙 자이러스 (팔 움직임을 위한 운동 피질의 영역)에 이식 된 96 전극 BrainGate 임플란트는 Nagle이 컴퓨터 커서, 조명 및 TV 뿐만 아니라 손을 움직이는 것에 대해 생각함으로써 로봇 팔을 제어 할 수 있게 해주었습니다.[65] 1년 후 조나단 월포 교수는 Altran Foundation for Innovation의 상을 받아 뇌에서 직접 전극이 아닌 두개골 표면에 위치하는 Brain Computer Interface를 개발했습니다.[66]

더 최근에는 브라운 대학의 브레인게이트 그룹이 이끄는 연구팀과 피츠버그 대학 의료 센터가 이끄는 연구팀이 미국 보훈부와 협력하여 사지 마비 환자의 운동 피질에 있는 뉴런 배열에 직접적인 연결을 사용하여 많은 자유도를 가진 로봇 의족을 직접적으로 제어하는 것이 더욱 성공적임을 입증했습니다.[67][68]

의사소통

2021년 5월, Stanford University 팀은 사지마비 참가자가 분당 약 86자, 분당 약 18자의 영어 문장을 입력할 수 있는 성공적인 개념 증명 테스트를 보고했습니다. 참가자는 손을 움직여 글자를 쓰는 상상을 했고, 시스템은 숨겨진 마르코프 모델과 디코딩을 위한 순환 신경망을 활용해 운동 피질에서 감지된 전기 신호에 대해 필기 인식을 수행했습니다.[69][70]

2021년 7월에 발표된 보고서에 따르면 마비된 환자는 이전에 성대를 제어하던 운동 뉴런을 분석한 뇌 임플란트를 사용하여 분당 15개의 단어를 의사소통할 수 있었습니다.[71][50]

최근 리뷰 기사에서 연구원들은 인간의 정보 전달률이 BCI가 있는 언어의 정보 전달률을 능가할 수 있는지에 대한 공개적인 질문을 제기했습니다. 최근 언어 연구를 통해 인간의 정보 전달 속도가 여러 언어에 걸쳐 비교적 일정하다는 것이 입증된 것을 감안할 때, 뇌의 정보 처리 수준에는 한계가 존재할 수 있습니다. 반대로, 정보 전달률의 이러한 "상한선"은 정보 전달을 위한 모달리티로서 언어 자체에 내재되어 있을 수 있습니다.[72]

2023년에 두 연구는 반복 신경망이 있는 BCI를 사용하여 분당 62단어, 분당 78단어의 기록적인 속도로 음성을 해독했습니다.[73][74][75]

기술적 과제

침습적 BCI로 뇌 활동을 기록하는 데는 여러 가지 기술적 과제가 있습니다. CMOS 기술의 발전은 더 작은 크기, 더 낮은 전력 요구 사항 및 더 높은 신호 획득 기능을 가진 통합된 침습적 BCI 설계를 추진하고 가능하게 하고 있습니다.[76] 침습적 BCI는 전극 근처에 있는 개별 또는 작은 뉴런 그룹의 활동 전위 신호(스파이크라고도 함)를 기록하기 위해 뇌 조직에 침투하는 전극을 포함합니다. 기록 전극과 뉴런을 둘러싼 전해 용액 사이의 인터페이스는 호지킨-헉슬리 모델을 사용하여 모델링되었습니다.[77][78]

침습적 BCI에 대한 전자적 제한은 최근 수십 년 동안 활발한 연구 분야였습니다. 뉴런의 세포 내 기록은 수백 밀리볼트 규모의 활동 전위 전압을 나타내지만, 만성 침습성 BCI는 일반적으로 수백 마이크로볼트로 존재하는 3배 더 작은 세포 외 전압을 기록하는 데 의존합니다.[79] 또한 전극-조직 인터페이스는 작은 전압에서 높은 커패시턴스를 갖는다는 사실은 마이크로볼트 규모의 신호를 감지하는 데 어려움을 가중시킵니다. 이러한 작은 신호의 특성으로 인해 집적 회로에 기능을 통합하는 BCI 시스템의 경우 각 전극에는 아날로그 세포외 전압을 디지털 신호로 변환하는 자체 증폭기와 ADC가 필요합니다.[79] 일반적인 뉴런 활동 전위는 1밀리초 동안 지속되므로 스파이크를 측정하는 BCI의 샘플링 속도는 300Hz에서 5kHz 사이여야 합니다. 또 다른 문제는 침습적 BCI가 주변 조직에 열을 덜 방출할 수 있도록 저전력이어야 한다는 것입니다. 가장 기본적인 수준에서는 전통적으로 신호 대 잡음비를 최적화하기 위해 더 많은 전력이 필요하다는 것입니다.[78] 최적의 배터리 설계는 BCI에서 활발한 연구 분야입니다.[80]

침습적 및 부분 침습적 BCI의 예시: 전기피질촬영(ECoG), 혈관 내 및 피질 내 미세 전극.

재료 과학 분야에 존재하는 과제는 침습적 BCI 설계의 핵심입니다. 시간에 따른 신호 품질의 변화는 이식형 마이크로 전극에서 일반적으로 관찰되었습니다.[81][82] 침습적 BCI에서 장기적인 신호 안정성을 위한 최적의 물질적 및 기계적 특성은 활발한 연구 분야였습니다.[83] 전극-조직 계면의 손상으로 인한 2차적인 신경교 흉터의 형성이 전극 실패 및 기록 성능 저하의 원인이 될 가능성이 있다고 제안되었습니다.[84] 연구에 따르면 삽입 시 또는 시간이 지남에 따라 혈액 뇌 장벽 누출이 뇌에 이식된 만성 미세 전극에 대한 염증 및 신경교 반응의 원인이 될 수 있습니다.[84][85] 그 결과 전극의 영률을 뇌 조직의 영률에 가깝게 맞추어 이물반응을 최소화할 수 있는 유연하고[86][87][88] 조직과 유사한 설계가[89][90] 연구 개발되었습니다.[89]

부분침습적 BCI

부분적으로 침습적인 BCI 장치는 두개골 내부에 이식되지만 회백질 내부보다는 뇌 외부에 놓입니다. 이들은 두개골의 뼈 조직이 신호를 편향시키고 변형시키는 비침습적 BCI보다 더 나은 해상도 신호를 생성하고 완전 침습적 BCI보다 뇌에 흉터 조직을 형성할 위험이 낮습니다. 뇌졸중 주변 피질로부터 피질 내 BCI의 전임상 입증이 있었습니다.[91]

혈관내

2020년에 발표된 체계적인 리뷰는 수십 년 전의 임상 및 비임상 연구를 자세히 설명하여 혈관 내 BCI의 타당성을 조사했습니다.[92]

최근 몇 년 동안 부분 침습성 BCI의 가장 큰 발전은 중재 신경학 분야에서 나타났습니다.[2] 2010년 멜버른 대학교 소속 연구원들은 혈관계를 통해 삽입할 수 있는 BCI를 개발하기 시작했습니다. 호주의 신경학자 토마스 옥슬리 (마운트 시나이 병원)는 DARPA로부터 자금을 지원받은 Stentrode라고 불리는 이 BCI에 대한 아이디어를 고안했습니다. 전임상 연구는 양의 기술을 평가했습니다.

단일 스텐트 전극 어레이인 Stentrode는 영상 안내에 따라 정맥 카테터를 통해 운동 피질에 인접한 부위의 상 시상 부비동으로 전달되도록 설계되었습니다.[93] 운동 피질에 대한 이러한 근접성은 스텐트로드의 신경 활동 측정 능력의 기초가 됩니다. 이 절차는 특발성 두개내 고혈압의 치료를 위해 정맥동 스텐트를 배치하는 방법과 가장 유사합니다.[94] 스텐트로드는 가슴에 이식된 배터리가 없는 원격 측정 장치에 신경 활동을 전달하며, 이 장치는 전원 및 데이터 전송이 가능한 외부 원격 측정 장치와 무선으로 통신합니다. 혈관 내 BCI는 삽입을 위해 개두술을 피하는 것이 이득이지만 응고 및 정맥 혈전증과 같은 위험이 가능합니다.

스탠트로드를 이용한 최초의 인간 실험이 진행 중입니다.[93] 2020년 11월, 근위축성 측색 경화증을 앓고 있는 두 명의 참가자는 스탠트로드 뇌-컴퓨터 인터페이스를 통해 직접적인 사고를 통해 운영 체제를 문자, 이메일, 쇼핑, 은행으로 무선 제어할 수 있었으며,[95] 이는 환자의 혈관을 통해 뇌-컴퓨터 인터페이스를 이식한 최초의 사례입니다. 개방적인 뇌 수술의 필요성을 제거합니다. 2023년 1월, 연구원들은 컴퓨터를 작동하는 데 사용할 수 있는 네 명의 환자 모두에게 첫 해 동안 심각한 부작용이 없었다고 보고했습니다.[96][97]

에코그

ECOG(Electrocorticography)는 비침습적 뇌전도와 유사한 방식으로 두개골 아래에서 채취한 뇌의 전기적 활동을 측정하지만 전극은 피질 위 경막 아래에 있는 얇은 플라스틱 패드에 내장되어 있습니다.[98] ECoG 기술은 2004년에 세인트 워싱턴 대학교의 에릭 로이트하르트와 다니엘 모란에 의해 처음으로 인간에게 시험되었습니다. 루이. 이후의 실험에서, 연구원들은 한 십대 소년이 그의 ECoG 임플란트를 사용하여 Space Invaders를 할 수 있도록 했습니다.[99] 이 연구는 제어가 빠르고, 최소한의 훈련이 필요하며, 신호 충실도와 침습성 수준과 관련하여 이상적인 절충안이 될 수 있음을 나타냅니다.[note 1]

신호는 경막하 또는 경막외가 될 수 있지만 뇌 실질 자체에서는 신호를 받지 않습니다. 대상자들의 접근이 제한되어 있어 최근까지 광범위하게 연구되지 않았습니다. 현재 연구를 위한 신호를 획득하는 유일한 방법은 간질 발생 초점의 국소화 및 절제를 위해 침습적 모니터링이 필요한 환자를 사용하는 것입니다.

ECoG는 두피 기록 뇌파보다 공간 해상도가 높고, 신호 대 잡음비가 우수하며, 주파수 범위가 넓으며, 훈련 요구 사항이 적기 때문에 매우 유망한 중급 BCI 모달리티입니다. 피질 내 단일 neuron 기록보다 장기적으로 안정성이 우수할 수 있습니다. 이 기능 프로파일과 최소한의 훈련 요구 사항으로 높은 수준의 제어를 제공한다는 최근의 증거는 운동 장애를 가진 사람들을 위한 실제 적용 가능성을 보여줍니다.[102][103] 광반응 영상 BCI 장치는 여전히 이론의 영역에 있습니다.

UCSF의 에드워드 창(Edward Chang)과 조셉 메이킨(Joseph Makin)이 발표한 최근 연구에 따르면 ECoG 신호를 사용하여 실비아 피질 주변에 고밀도 ECoG 어레이를 이식한 뇌전증의 음성을 해독할 수 있다고 합니다. 그들의 연구는 ECoG 데이터를 250개의 고유한 단어로 구성된 50개의 문장 중 하나로 변환한 인코더-디코더 신경망을 사용하여 3%의 단어 오류율(이전 출판물보다 현저한 개선)을 달성했습니다.

비침습적 BCI

인간을 대상으로 비침습적 신경 영상 기술을 인터페이스로 사용하는 실험도 있었습니다. 발표된 BCI 작업의 상당 부분은 비침습적 뇌파 기반 BCI와 관련이 있습니다. 비침습적 뇌파 기반 기술과 인터페이스는 훨씬 더 다양한 응용 분야에 사용되었습니다. 뇌파 기반 인터페이스는 착용이 쉽고 수술이 필요하지 않지만 두개골이 신호를 감쇠시켜 신경세포에서 생성된 전자파를 분산시키고 흐리게 하기 때문에 상대적으로 공간 해상도가 낮고 고주파 신호를 효과적으로 사용할 수 없습니다. 또한 뇌파 기반 인터페이스는 각 사용 세션 전에 약간의 시간과 노력이 필요한 반면, 비 뇌파 기반 인터페이스와 침습적 인터페이스는 사전 사용 교육이 필요하지 않습니다. 전반적으로 각 사용자에게 가장 적합한 BCI는 다양한 요인에 따라 달라집니다.

기능적 근적외선 분광법

2014년과 2017년, 근위축성 측색 경화증(ALS) 환자에게 기능적 근적외선 분광법을 사용한 BCI는 환자가 다른 사람들과 의사소통할 수 있는 기본적인 능력을 회복할 수 있었습니다.[106][107]

뇌파(EEG) 기반 뇌-컴퓨터 인터페이스

뇌파 측정기에 의해 생성되는 뇌파의 기록

BCI 챌린지가 1973년 Vidal에 의해 언급된 후, 비침습적 접근법에 대한 초기 보고서에는 VEP(Vidal 1977)를 사용한 커서의 제어, CNV를 사용한 버저의 제어(Bozinovska et al. 1988, 1990), 뇌 리듬(alpha)을 사용한 물리적 물체, 로봇의 제어(Bozinovska et al. 1988), P300을 사용하여 화면에 쓰여진 텍스트를 제어합니다(Farwell and Donchin, 1988).[13]

BCI 연구 초기에는 뇌-컴퓨터 인터페이스로 뇌파(EEG)를 사용하는 데 있어 또 다른 실질적인 장벽이 사용자가 기술을 작업하기 전에 필요한 광범위한 훈련이었습니다. 예를 들어, 1990년대 중반부터 시작된 실험에서 독일 튀빙겐 대학의 닐스 비르바우머(Niels Birbaumer)는 심하게 마비된 사람들에게 뇌파에서 느린 피질 전위를 자가 조절하도록 훈련시켜 이러한 신호가 컴퓨터 커서를 제어하는 이진 신호로 사용될 수 있도록 했습니다.[108] (Birbaumer는 일찍이 이 낮은 전압 파동을 제어함으로써 임박한 발작을 예방하기 위해 간질 환자를 훈련시켰습니다.) 이 실험은 10명의 환자들이 뇌파를 조절함으로써 컴퓨터 커서를 움직이도록 훈련 받는 것을 보았습니다. 이 과정은 느려서 환자들이 커서로 100자를 쓰는 데 1시간 이상이 걸리는 반면, 훈련은 종종 수개월이 걸렸습니다. 그러나 BCI에 대한 느린 피질 잠재적 접근법은 몇 년 동안 사용되지 않았습니다. 다른 접근법은 훈련이 거의 또는 전혀 필요하지 않고, 더 빠르고 정확하며, 더 많은 사용자에게 효과가 있기 때문입니다.

또 다른 연구 파라미터는 측정되는 진동 활동의 유형입니다. Gert Pfurtscheller는 1991년 BCI Lab을 설립하고 진동 기능과 분류기를 기반으로 한 최초의 온라인 BCI에서 운동 이미지에 대한 연구 결과를 제공했습니다. 그들은 뉴욕 주립 대학의 버바우머와 조나단 월포와 함께 뮤 리듬과 베타 리듬을 포함하여 BCI를 작동하기에 가장 쉬운 뇌 신호를 사용자가 선택할 수 있는 기술을 개발하는 데 집중했습니다.

또 다른 매개변수는 사용된 피드백 방법이며 이는 P300 신호에 대한 연구에 나와 있습니다. P300 파동의 패턴은 사람들이 인식하는 것을 볼 때 무의식적으로 생성되며 BCI가 환자를 먼저 훈련시키지 않고 생각의 범주를 해독할 수 있도록 할 수 있습니다. 대조적으로, 위에서 설명한 바이오피드백 방법은 결과적인 뇌 활동을 감지할 수 있도록 뇌파를 제어하는 학습이 필요합니다.

2005년에는 CNV 플립플롭과 같은 BCI용 디지털 제어 회로의 뇌파 에뮬레이션에 대한 연구가 보고되었습니다.[109] 2009년 CNV 플립플롭을 사용하여 로봇 팔의 비침습적 뇌파 제어가 보고되었습니다.[110] 2011년에는 CNV 플립플롭을 사용하여 3개의 디스크로 2개의 로봇 팔을 해결하는 것으로 보고되었습니다.[111] 2015년에는 슈미트 트리거, 플립플롭, 디멀티플렉서 및 모뎀의 뇌파 에뮬레이션이 설명되었습니다.[112]

뇌파 기반 뇌-컴퓨터 인터페이스는 많은 연구실에서 광범위하게 추구되어 왔지만, 미네소타 대학의 빈 헤와 그의 팀의 최근 발전은 침습적인 뇌-컴퓨터 인터페이스에 가까운 작업을 수행할 수 있는 뇌파 기반 뇌-컴퓨터 인터페이스의 가능성을 시사합니다. BOLD 기능성 MRI 및 뇌파 소스 영상을 포함한 고급 기능성 신경 영상을 사용하여 BinHe와 동료들은 운동 상상력에 의해 유도된 전기 생리학적 신호와 혈역학적 신호의 공변량 및 공국재화를 확인했습니다.[113] 신경 영상 접근법과 훈련 프로토콜에 의해 정제된 Bin He와 동료들은 운동 상상력을 기반으로 3차원 공간에서 가상 헬리콥터의 비행을 제어하는 비침습적 뇌파 기반 뇌-컴퓨터 인터페이스의 능력을 입증했습니다.[114] 2013년 6월, 빈허(Bin He)는 원격 조종 헬리콥터가 장애물 코스를 통과할 수 있도록 하는 기술을 개발했다고 발표했습니다.[115]

두피 뇌파 전극에서 기록된 바와 같이 뇌파를 기반으로 한 뇌-컴퓨터 인터페이스 외에도, Bin He와 동료들은 먼저 뇌파 역문제를 해결하여 가상 뇌파 신호 기반 뇌-컴퓨터 인터페이스를 탐색한 다음, 그 결과 생성된 가상 뇌파를 뇌-컴퓨터 인터페이스 작업에 사용했습니다. 잘 통제된 연구는 이러한 소스 분석 기반 뇌-컴퓨터 인터페이스의 장점을 제시했습니다.[116]

2014년 연구에 따르면 중증 운동 장애 환자는 근육 기반 의사 소통 채널보다 비침습성 뇌파 BCI로 더 빠르고 안정적으로 의사 소통할 수 있는 것으로 나타났습니다.[117]

2016년 연구에 따르면 이모티브 EPOC 장치가 Neurosky MindWave 장치보다 주의/명상 수준 또는 눈 깜빡임을 사용하는 제어 작업에 더 적합할 수 있습니다.[118]

2019년 연구에 따르면 진화 알고리즘을 적용하면 비침습적 뮤즈 장치로 뇌파 정신 상태 분류를 개선하여 저렴한 소비자 등급의 뇌파 감지 장치로 획득한 데이터를 고품질로 분류할 수 있습니다.[119]

뇌졸중 후 상완 재활을 위해 BCI를 이용한 무작위 대조군 시험의 2021년 체계적 검토에서 뇌파 기반 BCI는 대조군 치료법에 비해 상완 운동 기능 개선에 유의한 효능이 있는 것으로 밝혀졌습니다. 좀 더 구체적으로, 대역 전력 특징, 운동 영상, 기능적 전기 자극을 설계에 활용한 BCI 연구가 대안보다 더 효과적인 것으로 밝혀졌습니다.[120] 또 다른 2021년 체계적인 검토는 뇌졸중 후 손 재활을 위한 로봇 보조 뇌파 기반 BCI에 초점을 맞췄습니다. 체계적 검토에 포함된 11개 연구 중 3개 연구에서 운동 평가 점수의 개선이 관찰되었습니다.[121]

건식 활성 전극 어레이

1990년대 초, 캘리포니아 대학교의 바박 타헤리(Babak Taheri)는 마이크로 머신을 사용하여 최초의 단일 및 다채널 건식 능동 전극 어레이를 시연했습니다. 단일 채널 건식 뇌파 전극 구성 및 결과는 1994년에 발표되었습니다.[122] 배열된 전극도 은/염화은 전극에 비해 우수한 성능을 보이는 것으로 나타났습니다. 이 장치는 임피던스 매칭으로 노이즈를 줄이기 위해 전자 장치가 통합된 4개의 센서 사이트로 구성되었습니다. 이러한 전극의 장점은 다음과 같습니다: (1) 전해질을 사용하지 않음, (2) 피부 준비 없음, (3) 센서 크기가 현저히 감소함, (4) 뇌파 모니터링 시스템과의 호환성. 능동 전극 어레이는 회로에 전원을 공급하기 위해 배터리가 있는 패키지에 내장된 로컬 통합 회로가 있는 용량성 센서 어레이로 구성된 통합 시스템입니다. 전극에서 얻은 기능적 성능을 달성하기 위해서는 이러한 수준의 통합이 필요했습니다.

전극은 전기 테스트 벤치와 인간 피험자를 대상으로 (1) 자발적 뇌파, (2) 감각 이벤트 관련 전위, (3) 뇌간 전위 및 (4) 인지 이벤트 관련 전위의 네 가지 양식으로 테스트되었습니다. 건조 전극의 성능은 피부 준비, 겔 요구 사항 없음(건조) 및 더 높은 신호 대 잡음비 측면에서 표준 습식 전극의 성능과 유리하게 비교되었습니다.[123]

1999년 헌터 페컴이 이끄는 오하이오주 클리블랜드의 케이스 웨스턴 리저브 대학 연구원들은 64전극 뇌파 스컬캡을 사용하여 사지마비인 짐 재티치에게 제한된 손 움직임을 되돌려 주었습니다. Jatich는 위와 아래와 같은 단순하지만 반대되는 개념에 집중했기 때문에, 그의 베타 리듬 뇌파 출력은 소프트웨어를 사용하여 노이즈의 패턴을 식별하는 데 사용되었습니다. 기본 패턴을 확인하고 스위치를 제어하는 데 사용했습니다. 평균 이상의 활동은 켜짐, 평균 이하는 꺼짐으로 설정되었습니다. Jatich가 컴퓨터 커서를 제어할 수 있게 해줄 뿐만 아니라, 그 신호들은 그의 손에 내장된 신경 제어기들을 구동하는데 사용되어, 약간의 움직임을 회복시켰습니다.[124]

SSVEP mobile EEG BCIs

2009년, NCTU Brain-Computer-Interface-Headband가 보고되었습니다. 이 BCI 머리띠를 개발한 연구진은 몸의 비모성 부위에 적용하기 위해 설계된 실리콘 기반 미세전기기계시스템(MEMS) 건조 전극도 설계했습니다. 이 전극은 스냅 온 전극 홀더로 헤드 밴드의 DAQ 보드에 고정되었습니다. 신호 처리 모듈은 알파 활동을 측정했고 블루투스 지원 전화는 환자의 경계와 인지 수행 능력을 평가했습니다. 피험자가 졸음이 오면 전화기는 운영자에게 자극적인 피드백을 보내 그들을 깨웠습니다. 이 연구는 국가 과학 위원회, 대만, 대한민국, NSC, 국립 차오퉁 대학, 대만 교육부, 미군 연구소의 지원을 받았습니다.[125]

2011년, 연구원들은 뇌파 데이터를 받아 그것을 명령어로 변환하여 전화기가 울리게 하는 기능을 가진 세포 기반 BCI를 보고했습니다. 이 연구는 Abraxis Bioscience LLP, 미국 육군연구소 및 육군연구소에서 부분적으로 지원했습니다. 개발된 기술은 4채널 생체신호 획득/증폭 모듈, 무선 전송 모듈, 블루투스 지원 휴대폰으로 구성된 웨어러블 시스템이었습니다. 전극은 정상 상태의 시각 유발 전위(SSVEP)를 선택하도록 배치되었습니다.[126] SSVEP는 시각 피질의 정수리 및 후두 두피 영역에서 가장 잘 발견되는 6Hz[126] 이상의 반복 속도를 가진 깜박이는 시각 자극에 대한 전기적 반응입니다.[127][128][129] 이 BCI 설정을 통해 모든 연구 참여자들은 자연 환경에서 최소한의 연습으로 전화 통화를 시작할 수 있었다고 보고되었습니다.[130]

과학자들은 단일 채널 고속 푸리에 변환(FFT)과 다중 채널 시스템 표준 상관 분석(CCA) 알고리즘을 사용한 연구가 모바일 BCI의 용량을 뒷받침한다고 주장합니다.[126][131] CCA 알고리즘은 BCI를 조사하는 다른 실험에 적용되었으며 속도뿐만 아니라 정확도에서도 높은 성능을 보였다고 주장했습니다.[132] 셀룰러 기반 BCI 기술은 SSVEP의 전화 통화를 시작하기 위해 개발되었지만, 연구원들은 이 기술이 감각 운동 뮤/베타 리듬을 픽업하여 운동 영상 기반 BCI로 기능하는 것과 같은 다른 응용 분야로 번역될 수 있다고 말했습니다.[126]

2013년 안드로이드 휴대폰, 태블릿, 컴퓨터 기반 BCI를 대상으로 비교 테스트를 수행하여 결과 뇌파 SSVEP의 파워 스펙트럼 밀도를 분석했습니다. 미 육군 연구소의 일부 지원을 받는 과학자들이 참여한 이 연구의 명시된 목표는 "SSVEP 기반 BCI의 실용성, 휴대성 및 일상적인 사용을 위한 편재성을 높이는 것"이었습니다. 인용 휴대폰의 신호가 다소 불안정한 것으로 나타났지만 모든 매체의 자극 주파수는 정확한 것으로 보고되었습니다. 노트북과 태블릿용 SSVEP의 진폭도 휴대폰의 진폭보다 큰 것으로 보고되었습니다. 이 두 가지 질적 특성은 모바일 자극 BCI의 사용 가능성을 나타내는 지표로 제시되었습니다.[131]

한계

2011년, 연구원들은 지속적인 작업을 통해 사용 편의성, 성능 견고성, 하드웨어 및 소프트웨어 비용 절감 등을 해결해야 한다고 말했습니다.[126]

뇌파 판독의 어려움 중 하나는 모션 아티팩트에 대한 민감도가 크다는 것입니다.[133] 앞서 설명한 대부분의 연구 프로젝트에서 참가자들은 머리와 눈의 움직임을 최대한 줄이면서 가만히 앉아있도록 했고, 실험실 환경에서 측정을 했습니다. 그러나 이러한 이니셔티브의 강조된 적용은 일상적인 사용을 위한 모바일 장치를 만드는 데 있었기 [131]때문에 기술을 이동하여 테스트해야 했습니다.

2013년, 연구원들은 참가자들이 다양한 속도로 러닝머신을 걸을 때 SSVEP를 측정하는 모바일 뇌파 기반 BCI 기술을 테스트했습니다. 이 연구는 해군연구소, 육군연구소, 미국 육군연구소의 지원을 받았습니다. 명시된 결과는 속도가 증가함에 따라 CCA를 사용한 SSVEP 검출 가능성이 감소했습니다. 독립 성분 분석(ICA)이 소음에서 뇌파 신호를 분리하는 데 효율적인 것으로 [134]밝혀지자 과학자들은 CCA 추출 뇌파 데이터에 ICA를 적용했습니다. 그들은 ICA 처리가 있는 CCA 데이터와 없는 데이터가 유사하다고 말했습니다. 따라서, 그들은 CCA가 실제 조건에서 사용되는 BCI에 적용하는 것이 유익한 알고리즘일 수 있음을 나타내는 모션 아티팩트에 대한 견고성을 독립적으로 입증했다고 결론지었습니다.[128] 뇌파 기반 BCI 애플리케이션의 주요 문제 중 하나는 낮은 공간 해상도입니다. 이 문제를 해결하기 위해 2019년부터 여러 솔루션이 제안되었는데, 그래프 이론에 기반한 뇌파 소스 연결성, 토포맵에 기반한 뇌파 패턴 인식, 뇌파-fMRI 융합 등이 있습니다.

보철물 및 환경관리

마비가 있는 사람의 보철 상지 및 하지 장치의 뇌 제어를 가능하게 하는 비침습적 BCI도 적용되었습니다. 예를 들어, 그라츠 공과대학의 게르트 퍼츠셸러(Gert Pfurtscheller)와 동료들은 척수 손상으로 인한 사지 마비 환자의 상지 운동을 회복시키기 위해 BCI 제어 기능성 전기 자극 시스템을 시연했습니다.[135] 2012년에서 2013년 사이에 어바인 캘리포니아 대학 연구진은 BCI 기술을 사용하여 척수 손상 후 뇌가 제어하는 보행을 복원하는 것이 가능하다는 것을 처음으로 입증했습니다. 그들의 척수 손상 연구 연구에서 하반신 마비를 가진 사람은 기본적인 뇌 조절 보행 보조기를 되찾기 위해 BCI 로봇 보행 보조기를 작동시킬 수 있었습니다.[136][137] 2009년 영국에 기반을 둔 독립 연구원 알렉스 블레이니(Alex Blainey)는 이모티브 EPOC를 사용하여 5축 로봇 팔을 제어하는 데 성공했습니다.[138] 그는 이어 하반신 마비나 뇌성마비와 같은 운동 제어가 제한적이거나 전혀 없는 사람들이 조작할 수 있는 몇 가지 데모 마인드 컨트롤 휠체어와 홈 오토메이션을 만들었습니다.

DARPA의 자금 지원을 받는 BCI의 군사적 사용에 대한 연구는 1970년대부터 지속되고 있습니다.[3][4] 현재 연구의 초점은 신경 신호 분석을 통한 사용자 간 통신입니다.[139]

MEG 및 MRI

주요기사 : 자기뇌조영술 및 자기공명영상
ATR Labs의 fMRI를 이용한 인간 시각 재구성(위 행: 원본 이미지; 아래 행: 결합 판독값의 평균으로부터 재구성)

자기뇌촬영(MEG)과 기능적 자기공명영상(fMRI)은 모두 비침습적 BCI로 성공적으로 사용되었습니다.[140] 널리 보고된 실험에서 fMRI는 바이오피드백 기술을 통해 혈액역학적 반응이나 뇌 혈류를 변경하여 두 명의 사용자가 실시간으로 퐁을 플레이할 수 있도록 했습니다.[141]

실시간으로 혈역학적 반응을 측정하는 fMRI 측정은 사고와 움직임 사이의 7초 지연으로 로봇 팔을 제어하는 데에도 사용되었습니다.[142]

2008년 일본 교토에 있는 컴퓨터 신경과학 고등연구소에서 개발된 연구는 과학자들이 뇌에서 직접 이미지를 재구성하여 10x10 픽셀의 해상도로 흑백으로 컴퓨터에 표시할 수 있도록 해주었습니다. 이러한 성과를 발표하는 기사는 2008년 12월 10일자 뉴런지의 표지 기사였습니다.[143]

2011년 UC Berkeley의 연구원들은 fMRI 데이터로부터 연구 대상자들이 시청한 비디오를 두 번째부터 두 번째까지 재구성하는 연구를 발표했습니다[144]. 이것은 피험자들에게 보여진 비디오의 시각적 패턴과 비디오를 시청함으로써 야기되는 뇌 활동과 관련된 통계 모델을 만듦으로써 달성되었습니다. 그리고 나서 이 모델은 대상자들이 새로운 비디오를 시청했을 때 기록된 뇌 활동과 시각적 패턴이 가장 밀접하게 일치하는 1,800만초의 무작위 유튜브 비디오 데이터베이스에서 100개의 1초 비디오 세그먼트를 검색하는 데 사용되었습니다. 그런 다음 이 100개의 1초 비디오 추출물을 시청 중인 비디오와 유사한 매쉬업 이미지로 결합했습니다.[145][146][147]

뉴로게이밍에서의 BCI 제어 전략

모터 이미지

운동 이미지는 다양한 신체 부위의 움직임을 상상하여 감각 운동 피질을 활성화하고, 이는 뇌파의 감각 운동 진동을 조절합니다. 이는 BCI에 의해 감지되어 사용자의 의도를 추론할 수 있습니다. 일반적으로 모터 이미지는 허용 가능한 BCI 제어 기능을 획득하기 전에 여러 세션의 교육이 필요합니다. 이러한 교육 세션은 사용자가 허용 가능한 수준의 정밀도로 기술을 지속적으로 사용할 수 있기 전에 며칠에 걸쳐 몇 시간이 걸릴 수 있습니다. 교육 세션 기간에 관계없이 사용자는 제어 체계를 마스터할 수 없습니다. 이로 인해 게임 플레이 속도가 매우 느려집니다.[148] 최근에는 운동 이미지의 성능을 감지하기 위한 주제별 모델을 계산하기 위해 고급 기계 학습 방법이 개발되었습니다. 운동 이미지를 위한 BCI Competition IV[149] 데이터 세트 2의 최고 성능 알고리즘은 싱가포르 A*STAR의 Ang 등이 개발한 필터 뱅크 공통 공간 패턴입니다.[150]

패시브 BCI 설계를 위한 바이오/뉴로 피드백

바이오피드백은 피험자의 정신적 이완을 모니터링하는 데 사용됩니다. 바이오피드백은 뇌파(EEG)를 모니터링하지 않고 근전도(EMG), 갈바닉 피부 저항성(GSR), 심박변이도(HRV)와 같은 신체 매개변수를 모니터링하는 경우도 있습니다. 많은 바이오피드백 시스템은 주의력결핍 과잉행동장애(ADHD), 어린이의 수면 문제, 이갈이, 만성 통증과 같은 특정 장애를 치료하는 데 사용됩니다. 뇌파 바이오피드백 시스템은 일반적으로 4개의 서로 다른 대역(theta: 4-7 Hz, alpha: 8-12 Hz, SMR: 12-15 Hz, beta: 15-18 Hz)을 모니터링하고 피험자에게 제어를 요청합니다. 패시브 BCI는[55] BCI를 사용하여 실제 사용자의 상태에 대한 암시적 정보와 인간-기계 상호 작용을 풍부하게 하는 것을 포함합니다. 예를 들어, 사용자가 비상 자동차 정지 절차 중에 브레이크를 밟으려는 경우를 감지하기 위한 시뮬레이션이 포함됩니다. 패시브 BCI를 사용하는 게임 개발자는 게임 레벨의 반복을 통해 사용자의 인지 상태가 변화하거나 적응할 것임을 인식해야 합니다. 레벨의 첫 번째 플레이에서 사용자는 두 번째 플레이에서와는 다른 것에 반응할 것입니다. 예를 들어, 사용자가 게임 내 이벤트에 대해 예상하고 있다면 덜 놀랄 것입니다.[148]

VEP(Visual Evocated Potential)

VEP는 피험자에게 일종의 시각적 자극을 제공한 후 기록되는 전위입니다. 여러 종류의 VEP가 있습니다.

정상 상태 시각 유발 전위(SSVEP)는 특정 주파수에서 변조된 시각 자극을 사용하여 망막을 자극하여 생성된 전위를 사용합니다. SSVEP의 자극은 종종 번갈아 가며 바둑판 패턴으로 형성되며 때로는 단순히 깜박이는 이미지를 사용하기도 합니다. 사용된 자극의 위상 반전 빈도는 뇌파의 스펙트럼에서 명확하게 구분될 수 있습니다. 이를 통해 SSVEP 자극을 비교적 쉽게 감지할 수 있습니다. SSVEP는 많은 BCI 시스템 내에서 성공적인 것으로 입증되었습니다. 이는 여러 요인으로 인해 유도된 신호가 일시적인 VEP 및 깜박임 움직임과 심전도 인공물이 모니터링되는 주파수에 영향을 미치지 않는 만큼 많은 모집단에서 측정 가능합니다. 또한 SSVEP 신호는 매우 견고합니다. 기본 시각 피질의 지형적 조직은 더 넓은 영역이 시각장의 중앙 또는 오비탈 영역에서 구심점을 얻을 수 있도록 합니다. 그러나 SSVEP에는 몇 가지 문제가 있습니다. SSVEP는 점멸 자극을 사용하여 사용자의 의도를 추론하므로, 사용자는 시스템과 상호 작용하기 위해 점멸 또는 반복 기호 중 하나를 응시해야 합니다. 따라서 심볼은 더 긴 플레이 세션 동안 사용하기에 자극적이고 불편해질 수 있으며, 이는 종종 이상적인 게임 플레이가 아닐 수도 있는 경우가 많습니다.

응용 프로그램에 사용되는 또 다른 유형의 VEP는 P300 잠재력입니다. P300 이벤트 관련 잠재력은 표적 자극(사용자가 기다리거나 찾고 있는 자극) 또는 홀수 자극이 나타난 후 약 300 ms에서 발생하는 뇌파의 양의 피크입니다. P300 진폭은 표적 자극과 무시된 자극이 더 유사해질수록 감소합니다.P300은 더 높은 수준의 주의 집중 과정과 관련이 있는 것으로 생각되거나 P300을 제어 체계로 사용하는 오리엔테이션 응답은 참가자가 제한된 교육 세션에만 참석하면 된다는 장점이 있습니다. P300 모델을 처음 사용한 애플리케이션은 P300 매트릭스였습니다. 이 시스템에서 피험자는 6 x 6 문자와 숫자로 구성된 격자에서 문자를 선택합니다. 그리드의 행과 열은 순차적으로 깜박였고 선택한 "선택 문자"가 켜질 때마다 사용자의 P300이 (잠재적으로) 유도되었습니다. 그러나 의사소통 과정은 분당 약 17자로 상당히 느렸습니다. P300은 연속 제어 메커니즘이 아닌 이산 선택 기능을 제공하는 BCI입니다. 게임 내에서 P300 사용의 장점은 플레이어가 완전히 새로운 제어 시스템을 사용하는 방법을 스스로 배울 필요가 없으며 BCI 패러다임의 게임 플레이 메커니즘과 기본 사용을 배우기 위해 짧은 훈련 인스턴스만 수행하면 된다는 것입니다.[148]

비뇌 기반 인간-컴퓨터 인터페이스(생리학적 컴퓨팅)

인간과 컴퓨터의 상호 작용은 EOG 및 시선 추적과 같은 다른 기록 양식의 이점을 얻을 수 있습니다. 그러나 이러한 양식은 뇌 활동을 기록하지 않으므로 BCI의 정확한 범위에 속하지 않고 더 넓은 생리학적 컴퓨팅 분야로 그룹화할 수 있습니다.[151]

EOG(Electro-Oculography)

1989년, EOG(Electrooculography) 신호를 이용한 안구 운동에 의한 이동 로봇의 제어에 관한 보고가 있었습니다. 전진, 후진, 좌, 우, 정지로 해석되는 5개의 EOG 명령을 사용하여 이동 로봇을 시작부터 목표 지점까지 구동했습니다.[152]

동공 크기 진동

2016년 기사에서는[153] 시각적 고정이나 눈을 움직이는 능력이 전혀 필요하지 않은 완전히 새로운 통신 장치와 비 뇌파 기반 인간-컴퓨터 인터페이스에 대해 설명했습니다. 인터페이스는 비밀스러운 관심사를 기반으로 하며, 직접 편지를 보기 위해 눈을 움직일 필요 없이 가상 키보드에서 선택한 편지에 주의를 기울입니다. 각 글자에는 다른 모든 글자와 다르게 마이크로 진동하는 고유한 (배경) 원이 있습니다. 글자 선택은 의도하지 않은 동공 크기 진동과 배경 원의 밝기 진동 패턴 사이의 최적 적합을 기반으로 합니다. 글자 원의 밝기 전환에 따라 '밝은'과 '어두운' 단어를 사용자가 정신적으로 리허설하면 정확도가 향상됩니다.

합성 텔레파시

220만 달러의 보조금을 받아 작성된 630만 달러의 미 육군의 텔레파시 통신을 위한 장치 개발 계획에서, Gerwin Schalk는 ECoG 신호의 사용이 말과 상상의 단어에 내장된 모음과 자음을 구별할 수 있다는 것을 발견하고 모음과 자음의 생산과 관련된 독특한 메커니즘을 밝혀냈습니다. 그리고 상상된 말을 사용한 뇌 기반 의사소통의 기초를 제공할 수 있습니다.[103][154]

2002년 Kevin Warwick은 신장 가능성을 조사하기 위해 그의 신경계를 인터넷에 연결하기 위해 그의 신경계에 100개의 전극 배열을 발사했습니다. 이를 바탕으로 Warwick은 일련의 실험을 성공적으로 수행했습니다. 아내의 신경계에도 전극을 심어 두 사람의 신경계 사이에 최초로 직접 전자통신 실험을 진행했습니다.[155][156][157][158]

또 다른 연구진은 참가자들의 두피와 접촉하는 비침습적인 기술을 사용하여 거리로 떨어진 두 사람 사이의 의식적인 뇌 대 뇌 의사소통을 달성할 수 있었습니다. 단어는 정보를 "방출"하는 사람의 가상 모터 입력에 의해 0과 1의 시퀀스를 사용하여 이진 스트림으로 인코딩되었습니다. 이 실험의 결과로, 정보의 의사 무작위 비트는 암호화된 단어 "hola" (스페인어로 "hi")와 "ciao" (이탈리아어로 "goodbye")를 운반했고, 사람들 사이에 멀리 떨어져 있었고, 운동과 감각 시스템이 차단되어 있었고, 우연히 이런 일이 일어날 확률은 낮거나 전혀 없었습니다.[159]

1960년대에 한 연구원은 뇌파를 사용하여 뇌 알파파를 사용하여 모스 부호를 만드는 훈련을 받은 후에 성공했습니다. 미군의 지원을 받는 연구는 사용자가 머릿속에 메시지를 작성한 다음, 그 메시지를 특정 개인에게 생각의 힘만으로 전달할 수 있도록 하는 것을 목표로 진행되고 있습니다.[160] 2013년 2월 27일, 듀크 대학교의 미겔 니콜리스(Miguel Nicolelis)와 IINN-ELS와 함께 최초의 직접적인 뇌 대 뇌 인터페이스에서 두 쥐의 뇌를 직접적으로 정보를 공유할 수 있는 전자 인터페이스로 연결하는 데 성공했습니다.[161][162][163]

세포배양 BCIs

주요 기사: 배양된 신경 네트워크

연구원들은 동물 외부의 배양체에서 신경 세포 및 전체 신경 네트워크와 인터페이스할 수 있는 장치를 만들었습니다. 배양된 신경조직에 대한 실험은 동물의 이식형 기기에 대한 연구를 더욱 발전시켰을 뿐만 아니라 문제 해결 네트워크 구축, 기본 컴퓨터 구축 및 로봇 기기 조작에 중점을 두었습니다. 반도체 칩에서 성장한 개별 뉴런을 자극하고 기록하는 기술에 대한 연구를 신경전자공학 또는 신경칩이라고 부르기도 합니다.[164]

칼텍 연구원 제롬 파인과 마이클 마허가 개발한 세계 최초의 뉴로칩

1997년 제롬 파인(Jerome Pine)과 마이클 마허(Michael Maher)가 이끄는 칼텍(Caltech) 팀이 최초로 작동하는 뉴로칩을 개발했다고 주장했습니다.[165] 칼텍 칩에는 16개의 뉴런이 들어갈 공간이 있었습니다.

2003년 서던 캘리포니아 대학의 시어도어 버거(Theodore Berger)가 이끄는 팀은 인공 해마 또는 인공 해마로서 기능하도록 설계된 신경 칩에 대한 연구를 시작했습니다. 이 뉴로칩은 쥐의 뇌에서 기능하도록 설계되었으며 궁극적으로 고등 뇌 보철물을 개발하기 위한 프로토타입으로 의도되었습니다. 해마는 뇌에서 가장 질서 있고 구조화된 부분으로 생각되고 가장 많이 연구된 영역이기 때문에 선택되었습니다. 그 기능은 뇌의 다른 곳에서 장기 기억으로 저장하기 위한 경험을 인코딩하는 것입니다.[166]

2004년 플로리다 대학의 토마스 드마세는 F-22 전투기 시뮬레이터를 날리기 위해 쥐의 뇌에서 채취한 25,000개의 뉴런을 배양하는 데 사용했습니다.[167] 채취 후 피질 뉴런은 페트리 접시에서 배양되어 빠르게 다시 연결되어 살아있는 신경망을 형성하기 시작했습니다. 셀은 60개의 전극 그리드 위에 배열되어 시뮬레이터의 피치와 요 기능을 제어하는 데 사용되었습니다. 이 연구의 초점은 인간의 뇌가 어떻게 세포 수준에서 계산 작업을 수행하고 학습하는지를 이해하는 데 있었습니다.

공동 BCI

여러 개인의 뇌 신호를 결합/통합하는 아이디어는 JPL의 칼텍 연구원인 아드리안 스토이카(Adrian Stoica)[168][169][170]에 의해 2010년 12월 Humanity+ @Caltech에서 소개되었습니다. 가특허출원은 2011년 1월 19일에 이루어졌고, 그 후 1년이 경과한 후에 그 비가특허가 출원되었습니다.[171] 2011년 5월 왕이준과 Tzy-Ping Jung은 "인간의 수행능력 향상을 위한 협력적 뇌-컴퓨터 인터페이스"를, 2012년 1월에는 Miguel Eckstein이 "다뇌 컴퓨팅으로 집단 지혜의 신경 해독"을 출판했습니다.[172][173] 스토이카가 이 주제에 대해 처음으로 논문을 발표한 것은 그의 특허 출원이 발표된 후인 2012년이었습니다.[174] 특허와 논문 사이의 출판 시기를 고려할 때 Stoica, Wang & Jung, Eckstein은 독자적으로 개념을 개척했으며 모두 이 분야의 설립자로 간주됩니다. 나중에 스토이카는 에섹스 대학 연구원인 리카르도 폴리(Riccardo Poli)와 카테리나 시넬(Caterina Cinel)과 협력했습니다.[175][176] Poli와 Cinel, 그리고 그들의 학생들에 의해 작업이 계속되었습니다. 아나 마트란-페르난데스, 다비데 발레리아니, 사우가트 바타차리야.[177][178][179]

윤리적 고려사항

기술이 공상과학과 현실 사이의 경계를 계속 흐리게 함에 따라 뇌-컴퓨터 인터페이스(BCI)의 등장은 심각한 윤리적 문제를 제기합니다. 혁신의 경이로움으로 예고된 이러한 신경 인터페이스는 인간의 뇌와 외부 장치 사이의 직접적인 의사 소통을 용이하게 합니다. 그러나 BCI를 둘러싼 윤리적 환경은 개인 정보 침해, 자율성, 동의 및 인간 인식을 기계 인터페이스와 병합하는 잠재적인 사회적 영향에 대한 우려를 포괄하는 복잡하고 다면적입니다. BCI의 윤리적 고려 사항을 살펴보면 기술 발전과 기본적인 인권 및 가치 보호 사이의 복잡한 균형을 알 수 있습니다. 제기된 많은 우려는 사용자 중심의 문제와 법적, 사회적 문제 두 가지로 나눌 수 있습니다.

사용자 중심 영역의 윤리적 우려는 사용자의 안전과 이 기술이 일정 기간 동안 사용자에게 미칠 영향을 중심으로 발생하는 경향이 있습니다. 여기에는 다음과 같은 것들이 포함될 수 있지만 이에 제한되지는 않습니다. 사용자에게 미치는 장기적인 영향은 대부분 알려지지 않았으며, 의사소통에 어려움을 겪는 사람들로부터 정보에 입각한 동의를 얻은 것, BCI 기술이 환자와 가족의 삶의 질에 미치는 영향, 건강과 관련된 부작용 등이 포함될 수 있습니다. 감각 운동 리듬 훈련의 뉴로피드백은 수면의 질에 영향을 미치는 것으로 보고됨), 치료적 응용 및 잠재적 오용, 안전 위험, 뇌에 가해진 일부 변화의 convert 불가능성, 회사 파산 시 유지, 수리 및 예비 부품에 대한 접근 부족 등이 있습니다.

BCI의 법적, 사회적 측면은 BCI를 주류로 만들고자 하는 모든 주체에게 은유적인 지뢰밭입니다. 이러한 우려들 중 일부는 책임과 책임의 문제일 것입니다: BCI의 영향이 감각 운동 작용에 대한 자유 의지와 통제를 무시한다는 주장, BCI의 오작동으로 인해 인지적 의도가 부정확하게 번역되었다는 주장, 심층 뇌 자극으로 인한 성격 변화, "사이보그"가 되는 상태에 대한 우려 - 살아있는 신체의 일부와 기계적인 부분을 가지는 것, 성격에 대한 질문: 인간이라는 것은 무엇을 의미하는가, 인간과 기계의 구분이 모호해지고 인간 대 기계가 통제하는 행동을 구별할 수 없는 것,[181] 정부 당국의 고급 심문 기술, "뇌 해킹" 또는 누군가의 BCI 무단 접근,[182] 선택적 향상 및 사회 계층화, 마인드 리딩 및 개인 정보 보호, 추적 및 "태그 시스템", 마인드 컨트롤, 움직임 제어 및 감정 제어에 이 기술을 사용합니다.[183] 게다가 많은 연구자들은 BCI가 오늘날 보이는 사회적 불평등을 악화시킬 뿐이라고 이론을 세웠습니다.

현재의 형태로는 대부분의 BCI가 위에서 고려한 윤리적 문제와는 거리가 멀다고 할 수 있습니다. 그것들은 실제로 기능적으로 교정 치료법과 유사합니다. Clausen은 2009년에 "BCI는 윤리적인 문제를 제기하지만, 이것들은 생명윤리학자들이 다른 치료[184] 영역에 대해 다룬 것과 개념적으로 유사합니다."라고 말했습니다. 게다가, 그는 생명윤리가 BCI 기술과 관련하여 발생하는 문제들을 처리할 준비가 잘 되어 있다고 제안합니다. Hasselager와 동료들은[185] BCI의 효능과 가치에 대한 기대가 윤리적 분석과 BCI 과학자들이 미디어에 접근해야 하는 방식에 큰 역할을 한다고 지적했습니다. 또한 표준 프로토콜을 구현하여 잠긴 환자와 윤리적으로 건전한 정보 동의 절차를 보장할 수 있습니다.

오늘날 BCI의 사례는 의학에서도 마찬가지로 발전하고 있습니다. 제약 과학이 장애에 대한 균형으로 시작하여 지금은 집중력을 높이고 수면의 필요성을 줄이는 데 사용되는 것과 유사하게 BCI는 치료에서 향상으로 점차 변화할 것입니다.[186] BCI 연구, 개발 및 보급을 위한 윤리적 지침에 대한 합의를 만들기 위해 BCI 커뮤니티 내부에서 노력하고 있습니다.[187] 혁신이 지속됨에 따라 BCI에 대한 공평한 접근을 보장하는 것이 중요할 것이며, 이는 인간의 번영에 대한 권리에 악영향을 미칠 수 있는 세대 간 불평등을 초래할 수 있습니다.

저비용 BCI 기반 인터페이스

주요 기사: 소비자 뇌-컴퓨터 인터페이스

최근 많은 회사들이 의료 등급 뇌파 기술을 축소하여 연구뿐만 아니라 오락 목적으로 저렴한 BCI를 만들었습니다. 예를 들어, NeuroSky와 Mattel MindFlex와 같은 장난감들은 상업적인 성공을 거두었습니다.

  • 2006년 소니는 전파가 신경 피질의 신호에 영향을 줄 수 있는 신경 인터페이스 시스템을 특허 받았습니다.[188]
  • 2007년 NeuroSky는 게임 NeuroBoy와 함께 최초의 저렴한 소비자 기반 뇌파를 출시했습니다. 이것은 또한 건식 센서 기술을 사용한 최초의 대규모 뇌파 장치였습니다.[189]
  • 2008년 OCZ Technology는 주로 근전도에 의존하는 비디오 게임에 사용할 수 있는 장치를 개발했습니다.[190]
  • 2008년 파이널 판타지 개발사인 스퀘어 에닉스는 게임인 주데카를 만들기 위해 뉴로스카이와 협력하고 있다고 발표했습니다.[191][192]
  • 2009년 Mattel은 NeuroSky와 협력하여 장애물 코스를 통해 공을 조종하기 위해 뇌파를 사용하는 게임인 Mindflex를 출시했습니다. 현재까지 가장 잘 팔리는 소비자 기반 뇌파입니다.[191][193]
  • 2009년에 Uncle Milton Industries는 NeuroSky와 협력하여 마치 포스를 소유하고 있는 것 같은 착각을 일으키기 위해 고안된 게임인 Star Wars Force Trainer를 출시했습니다.[191][194]
  • 2009년 이모티브는 4개의 정신 상태, 13개의 의식 상태, 표정, 머리 움직임을 읽을 수 있는 14개의 채널 뇌파 장치인 EPOC를 출시했습니다. EPOC는 드라이 센서 기술을 사용한 최초의 상업용 BCI로 염수 용액으로 감쇠하여 연결을 개선할 수 있습니다.[195]
  • 2011년 11월 타임지는 뉴로웨어가 제작한 "네코미미"를 올해 최고의 발명품 중 하나로 선정했습니다. 이 회사는 NeuroSky에서 생산한 뇌파 판독기에 의해 제어되는 고양이 같은 귀로 구성된 소비자 버전의 의류를 2012년 봄에 출시할 것으로 예상한다고 발표했습니다.[196]
  • 2014년 2월 They Shall Walk(하마비 및 사지마비를 위해 외골격을 구성하는 데 고정된 비영리 단체인 LIFESUITs)는 James W와 파트너십을 시작했습니다. 무선 BCI 개발에 [197]관한 Shakarji
  • 2016년, 한 무리의 취미주의자들이 스마트폰의 오디오 잭에 신경 신호를 보내는 오픈 소스 BCI 보드를 개발하여 보급형 BCI 비용을 20파운드로 낮췄습니다.[198] 기본 진단 소프트웨어는 Android 장치에서 사용할 수 있으며 Unity용 텍스트 입력 앱도 사용할 수 있습니다.[199]
  • 2020년 넥스트마인드는 건조 전극이 있는 뇌파 헤드셋을 포함한 개발 키트를 399달러에 출시했습니다.[200][201] 이 장치는 일부 데모 애플리케이션으로 재생하거나, 개발자가 제공된 소프트웨어 개발 키트를 사용하여 자신만의 사용 사례를 만들 수 있습니다.

향후 방향

뇌-컴퓨터 인터페이스

12개 유럽 파트너로 구성된 컨소시엄은 새로운 프레임워크 프로그램인 Horizon 2020에 대한 자금 지원 결정에서 EU 집행위원회를 지원하기 위한 로드맵을 완료했습니다. EU 집행위원회의 자금 지원을 받은 이 프로젝트는 2013년 11월에 시작되어 2015년 4월에 로드맵을 발표했습니다.[202] 클레멘스 브루너(Clemens Brunner)가 주도한 2015년 출판물에는 이 프로젝트의 분석과 성과, 그리고 떠오르는 뇌-컴퓨터 인터페이스 학회에 대한 설명이 있습니다.[203] 예를 들어, 이 기사에서는 BCI 및 응용 프로그램을 추가로 정의하고 최근 동향을 탐색하고 윤리적 문제를 논의하고 새로운 BCI에 대한 다양한 방향을 평가한 작업을 검토했습니다.

다른 최근 간행물들도 새로운 장애인 사용자 그룹에 대한 향후 BCI 방향을 탐구했습니다(예:[10][204]

의식장애(DOC)

어떤 사람들은 의식장애(DOC)를 가지고 있습니다. 이 상태는 혼수 상태에 있는 사람과 식물 상태(VS) 또는 최소 의식 상태(MCS)에 있는 사람을 포함하는 것으로 정의됩니다. 새로운 BCI 연구는 다양한 방식으로 DOC를 가진 사람들을 돕고자 합니다. 핵심 초기 목표는 기본적인 인지 작업을 수행할 수 있는 환자를 식별하는 것이며, 이는 물론 진단의 변화로 이어질 것입니다. 즉, DOC 진단을 받은 일부 사람들은 실제로 정보를 처리하고 중요한 인생 결정을 내릴 수 있습니다(예를 들어, 치료를 받을 것인지, 어디에 살 것인지, 그리고 그들과 관련된 인생의 말기 결정에 대한 그들의 견해). DOC 진단을 받은 일부 사람들은 임종 결정의 결과로 사망하는데, 이는 진심으로 이것이 환자의 최선의 이익이라고 생각하는 가족 구성원들에 의해 이루어질 수 있습니다. 이러한 환자들이 이 결정에 대한 견해를 제시할 수 있도록 허용하는 새로운 전망을 고려할 때, DOC 환자들이 살기를 원하는지 여부를 결정할 수 있는 기회를 보장하기 위해 이러한 연구 방향을 개발해야 한다는 윤리적 압박이 강할 것으로 보입니다.[205][206]

이 문서 및 기타 문서에서는 BCI 기술을 사용하여 DOC 담당자를 지원하기 위한 새로운 과제와 솔루션에 대해 설명합니다. 한 가지 주요 과제는 이러한 환자가 시력에 기반한 BCI를 사용할 수 없다는 것입니다. 따라서 새로운 도구는 청각 및/또는 진동 촉각 자극에 의존합니다. 환자는 손목, 목, 다리 및/또는 다른 위치에 배치된 헤드폰 및/또는 진동촉각 자극기를 착용할 수 있습니다. 또 다른 과제는 환자가 의식을 잃거나 사라질 수 있고 특정 시간에만 의사소통이 가능하다는 것입니다. 이것은 정말로 잘못된 진단의 원인일 수 있습니다. 일부 환자는 하루에 몇 시간 동안만 의사의 요청에 응답할 수 있으므로(사전에 예측할 수 없음) 진단 중에 응답하지 않았을 수 있습니다. 따라서 새로운 방법은 전문가의 도움 없이도 현장에서 사용하기 쉬운 도구에 의존하기 때문에 의료나 기술적 배경이 없는 가족이나 다른 사람들도 여전히 사용할 수 있습니다. 따라서 DOC 평가를 통해 비용, 시간, 전문 지식의 필요성 및 기타 부담을 줄일 수 있습니다. 자동화된 도구는 "아버지의 이름이 조지인가요?" 또는 "미국에서 태어났나요?"와 같이 환자가 쉽게 대답할 수 있는 간단한 질문을 할 수 있습니다. 자동화된 지침은 환자가 (예를 들어) 오른쪽 손목과 왼쪽 손목의 자극에 주의를 집중함으로써 예 또는 아니오를 전달할 수 있음을 알려줍니다. 이러한 집중적인 주의는 환자가 의사소통을 할 수 있는지 여부를 결정하는 데 도움이 될 수 있는 뇌파 패턴의 신뢰할 수 있는 변화를 만들어냅니다. 결과는 의사와 치료사에게 제시될 수 있으며, 이는 수정된 진단과 치료로 이어질 수 있습니다. 또한, 이러한 환자들은 기본적인 요구 사항을 전달하고, 침대 위치와 HVAC(난방, 환기 및 에어컨)를 조정하고, 그렇지 않으면 주요 삶의 결정을 내리고 의사 소통할 수 있는 BCI 기반 의사 소통 도구를 제공받을 수 있습니다.[207][208][209]

모터 회수

사람들은 뇌졸중이나 부상과 같은 많은 원인들로 인해 운동 능력을 일부 잃을 수 있습니다. 최근 몇 년 동안의 연구는 뇌졸중이 발생한 환자의 운동 회복과 신경 재활을 돕는 데 뇌파 기반 BCI 시스템의 유용성을 입증했습니다.[210][211][212][213] 여러 그룹에서 BCI를 포함한 모터 복구 시스템 및 방법을 조사했습니다.[214][215][216][217] 이 접근법에서 BCI는 환자가 치료사의 지시에 따라 움직임을 상상하거나 시도하는 동안 운동 활동을 측정합니다. BCI는 다음과 같은 두 가지 이점을 제공할 수 있습니다. (1) BCI가 환자가 움직임을 정확하게 상상하지 않고 있다는 것을 나타내는 경우 (비순응) BCI는 환자와 치료사에게 알릴 수 있습니다. (2) 기능 자극 또는 가상 아바타의 움직임과 같은 보상 피드백도 환자의 올바른 움직임 이미지에 따라 달라집니다.

지금까지 운동 회복을 위한 BCI는 환자의 운동 이미지를 측정하기 위해 뇌파에 의존해 왔습니다. 그러나, 연구들은 사람들이 BCI 기반 뇌졸중 재활 훈련을 받음에 따라 뇌의 다양한 변화를 연구하기 위해 fMRI를 사용하기도 했습니다.[218][219][220] 뇌파 기반 BCI 시스템과 결합된 영상 연구는 뇌졸중 후 운동 회복 동안 신경 가소성을 조사할 수 있는 가능성을 가지고 있습니다.[220] 미래의 시스템에는 fMRI 및 기능적 근적외선과 같은 실시간 제어를 위한 다른 조치가 포함될 수 있으며, 아마도 뇌파와 함께 제공될 것입니다. 비침습적 뇌 자극은 운동 회복을 위해 BCI와 함께 연구되기도 했습니다.[221] 2016년 멜버른 대학의 과학자들은 뇌 활동을 번역하여 로봇 팔다리, 컴퓨터 및 외골격과 같은 외부 장치의 제어를 용이하게 하기 위해 마비 환자를 위해 개발되고 있는 잠재적인 뇌-컴퓨터 인터페이스 기술 플랫폼과 관련된 전임상 개념 증명 데이터를 발표했습니다.[222][223] 현재 임상 시험이 진행 중입니다.[224]

기능적 뇌 매핑

매년 약 40만 명의 사람들이 신경외과 수술 중에 뇌 지도를 받습니다. 이 시술은 약물 치료에 반응하지 않는 종양이나 뇌전증이 있는 사람들에게 종종 필요합니다. 이 과정에서 뇌에 전극을 올려 구조와 기능 영역의 위치를 정확하게 파악합니다. 환자는 신경외과 수술 중에 깨어있을 수 있으며 손가락을 움직이거나 단어를 반복하는 등의 특정 작업을 수행하도록 요청할 수 있습니다. 이것은 외과의사가 중요한 움직임이나 언어 영역과 같은 다른 영역을 제외하면서 원하는 조직만 제거할 수 있도록 필요합니다. 뇌 조직을 너무 많이 제거하면 영구적인 손상이 발생할 수 있는 반면, 너무 적은 조직을 제거하면 기저 상태가 치료되지 않고 신경 수술이 추가로 필요할 수 있습니다.[citation needed] 따라서 가능한 한 효과적으로 뇌를 매핑하기 위한 방법과 시스템을 모두 개선할 필요성이 높습니다.

최근 여러 출판물에서 BCI 연구 전문가와 의사가 공동으로 BCI 기술을 사용하여 신경 외과 매핑을 개선하는 새로운 방법을 모색했습니다. 이 작업은 주로 비침습적인 수단으로는 탐지하기 어려운 높은 감마 활성에 초점을 맞추고 있습니다. 그 결과 움직임, 언어 및 기타 기능에 대한 주요 영역을 식별하는 방법이 개선되었습니다. 최근 기사에서는 기능적 뇌 매핑의 발전을 다루고 워크숍을 요약했습니다.[226]

유연한 장치

유연 전자 장치는 회로로 인쇄되는 폴리머 또는 기타 유연한 재료(예: 실크,[227] 펜타센, PDMS, 파릴렌, 폴리이미드[228])입니다. 유기 배경 재료의 유연한 특성으로 인해 생성된 전자 장치를 구부릴 수 있습니다. 그리고 이러한 장치를 만드는 데 사용되는 제조 기술은 집적 회로 및 미세 전자 기계 시스템(MEMS)을 만드는 데 사용되는 것과 유사합니다.[citation needed] 플렉시블 전자제품은 1960년대와 1970년대에 처음 개발되었지만 2000년대 중반에 연구 관심이 높아졌습니다.[229]

유연한 신경 인터페이스는 전극과 조직의 기계적 불일치와 관련된 뇌 조직 외상을 최소화하기 위해 최근 몇 년 동안 광범위하게 테스트되었습니다.[230] 조직 외상을 최소화하면 이론적으로 유연한 전극-조직 인터페이스에 의존하는 BCI의 수명이 연장될 수 있습니다.

신경분진

주요 기사: 신경분진

신경분진(neural dust)은 2011년 캘리포니아 대학교 버클리 무선 연구 센터의 논문에서 제안된 무선 전력 신경 센서로 작동하는 밀리미터 크기의 장치를 가리키는 용어로, 오래 지속되는 무선 BCI를 만드는 것의 도전과 뛰어난 이점을 모두 설명했습니다.[231][232] 신경 먼지 센서의 한 제안된 모델에서 트랜지스터 모델은 로컬 필드 전위와 액션 전위 "스파이크" 사이를 분리하는 방법을 허용했으며, 이를 통해 기록에서 얻을 수 있는 매우 다양한 데이터를 얻을 수 있습니다.[231]

참고 항목

메모들

  1. ^ 이 전극들은 BCI를 개발할 의도로 환자에게 이식되지 않았습니다. 그 환자는 심한 뇌전증을 앓고 있었고, 그의 내과의사들이 발작 초점을 파악하는 것을 돕기 위해 전극을 일시적으로 이식했습니다. BCI 연구원들은 이것을 이용했습니다.

참고문헌

  1. ^ a b Krucoff MO, Rahimpour S, Slutzky MW, Edgerton VR, Turner DA (2016). "Enhancing Nervous System Recovery through Neurobiologics, Neural Interface Training, and Neurorehabilitation". Frontiers in Neuroscience. 10: 584. doi:10.3389/fnins.2016.00584. PMC 5186786. PMID 28082858.
  2. ^ a b Michael L Martini, BA, Eric Karl Oermann, MD, Nicholas Lopie, PhD, Fedor Panov, MD, Thomas Oxley, MD, PhD, Kurt Yaeger, MD, Sensor Modality for Brain-Computer Interface Technology: 종합 문헌고찰, 신경외과, 제86권, 2020년 2월 2일호, E108–E117 페이지, [1]
  3. ^ a b c Vidal JJ (1973). "Toward direct brain-computer communication". Annual Review of Biophysics and Bioengineering. 2 (1): 157–180. doi:10.1146/annurev.bb.02.060173.001105. PMID 4583653.
  4. ^ a b c Vidal J (1977). "Real-Time Detection of Brain Events in EEG". Proceedings of the IEEE. 65 (5): 633–641. doi:10.1109/PROC.1977.10542. S2CID 7928242.
  5. ^ Levine SP, Huggins JE, BeMent SL, Kushwaha RK, Schuh LA, Rohde MM, et al. (June 2000). "A direct brain interface based on event-related potentials". IEEE Transactions on Rehabilitation Engineering. 8 (2): 180–185. doi:10.1109/86.847809. PMID 10896180.
  6. ^ Bird JJ, Manso LJ, Ribeiro EP, Ekárt A, Faria DR (September 2018). A Study on Mental State Classification using EEG-based Brain-Machine Interface. Madeira Island, Portugal: 9th international Conference on Intelligent Systems 2018. Retrieved 3 December 2018.
  7. ^ Bird JJ, Ekart A, Buckingham CD, Faria DR (2019). Mental Emotional Sentiment Classification with an EEG-based Brain-Machine Interface. St Hugh's College, University of Oxford, United Kingdom: The International Conference on Digital Image and Signal Processing (DISP'19). Archived from the original on 3 December 2018. Retrieved 3 December 2018.
  8. ^ Vanneste S, Song JJ, De Ridder D (March 2018). "Thalamocortical dysrhythmia detected by machine learning". Nature Communications. 9 (1): 1103. Bibcode:2018NatCo...9.1103V. doi:10.1038/s41467-018-02820-0. PMC 5856824. PMID 29549239.
  9. ^ Straebel V, Thoben W (2014). "Alvin Lucier's music for solo performer: experimental music beyond sonification". Organised Sound. 19 (1): 17–29. doi:10.1017/S135577181300037X. S2CID 62506825.
  10. ^ a b Wolpaw, J.R. and Wolpaw, E.W. (2012). "뇌-컴퓨터 인터페이스: 태양 아래 새로운 것." In: Brain-Computer Interface: 원칙과 실천, Wolpaw, J.R. and Wolpaw (eds.), E.W. Oxford University Press.
  11. ^ Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM (June 2002). "Brain-computer interfaces for communication and control". Clinical Neurophysiology. 113 (6): 767–791. doi:10.1016/s1388-2457(02)00057-3. PMID 12048038. S2CID 17571592.
  12. ^ Allison BZ, Wolpaw EW, Wolpaw JR (July 2007). "Brain-computer interface systems: progress and prospects". Expert Review of Medical Devices. 4 (4): 463–474. doi:10.1586/17434440.4.4.463. PMID 17605682. S2CID 4690450.
  13. ^ a b Bozinovski S, Bozinovska L (2019). "Brain-computer interface in Europe: The thirtieth anniversary". Automatika. 60 (1): 36–47. doi:10.1080/00051144.2019.1570644.
  14. ^ Vidal, Jacques J. (1977). "Real-time detection of brain events in EEG" (PDF). Proceedings of the IEEE. 65 (5): 633–641. doi:10.1109/PROC.1977.10542. S2CID 7928242. Archived from the original (PDF) on 19 July 2015. Retrieved 4 November 2022.
  15. ^ S. Bozinovski, M. Sestakov, L. Bozinovska: EEG 알파 리듬을 사용하여 이동 로봇을 제어합니다. In G. Harris, C. 워커(eds) 프로크. IEEE 의학생물학회 연차총회, p. 1515-1516, 뉴올리언스, 1988
  16. ^ S. Bozinovski: 이동 로봇 궤적 제어: 고정 레일에서 직접 생체 전기 제어까지, In O. Kaynak (ed.) Proc. IEEE 지능형 모션 제어 워크숍, p. 63-67, 이스탄불, 1990
  17. ^ M. 레베데프 : 신경 보철물로 감각 운동 기능 증강 오페라 메디카와 생리학. 제2권(3): 211-227, 2016
  18. ^ M. Lebedev, M. Nicolelis: 뇌-기계 인터페이스: 기초과학에서 신경보형물 및 신경재활까지, Physical Review 97:737-867, 2017
  19. ^ L. 보지노프스카, G. 스토야노프, M. 세스타코프, S. 보지노프스키: CNV 패턴 인식: 인지파 관찰을 향한 단계, In L. 토레스, E. 마스그라우, E. 라구나스 (eds) 신호 처리 V: 이론과 응용, Proc. EUSIPCO-90: 제5차 유럽 신호 처리 회의, Elsevier, p. 1659-1662, 바르셀로나, 1990
  20. ^ L. 보지노프스카, S. 보지노프스키, G. Stojanov, Electroexpectogram: 실험 설계 및 알고리즘, In Proc IEEE International Biomedical Engineering Days, p. 55-60, 이스탄불, 1992
  21. ^ Miranda RA, Casebeer WD, Hein AM, Judy JW, Krotkov EP, Laabs TL, et al. (April 2015). "DARPA-funded efforts in the development of novel brain-computer interface technologies". Journal of Neuroscience Methods. 244: 52–67. doi:10.1016/j.jneumeth.2014.07.019. PMID 25107852. S2CID 14678623.
  22. ^ Jacobs M, Premji A, Nelson AJ (16 May 2012). "Plasticity-inducing TMS protocols to investigate somatosensory control of hand function". Neural Plasticity. 2012: 350574. doi:10.1155/2012/350574. PMC 3362131. PMID 22666612.
  23. ^ Fox, Maggie (13 October 2016). "Brain Chip Helps Paralyzed Man Feel His Fingers". NBC News. Retrieved 23 March 2021.
  24. ^ Hatmaker, Taylor (10 July 2017). "DARPA awards $65 million to develop the perfect, tiny two-way brain-computer inerface". Tech Crunch. Retrieved 23 March 2021.
  25. ^ Stacey, Kevin (10 July 2017). "Brown to receive up to $19M to engineer next-generation brain-computer interface". Brown University. Retrieved 23 March 2021.
  26. ^ "Minimally Invasive "Stentrode" Shows Potential as Neural Interface for Brain". Defense Advanced Research Projects Agency (DARPA). 8 February 2016. Retrieved 23 March 2021.
  27. ^ NIH Publication No. 11-4798 (1 March 2011). "Cochlear Implants". National Institute on Deafness and Other Communication Disorders.{{cite web}}: CS1 메인트: 숫자 이름: 작성자 목록(링크)
  28. ^ 미겔 니콜리스 외. (2001) 듀크 신경생물학자는 2008년 12월 19일 Wayback Machine에서 원숭이가 뇌 신호를 통해 로봇 팔을 제어할 수 있는 시스템을 개발했습니다.
  29. ^ Baum M (6 September 2008). "Monkey Uses Brain Power to Feed Itself With Robotic Arm". Pitt Chronicle. Archived from the original on 10 September 2009. Retrieved 6 July 2009.
  30. ^ Lewis T (November 2020). "Elon Musk's Pig-Brain Implant Is Still a Long Way from 'Solving Paralysis'". Scientific American. Retrieved 23 March 2021.
  31. ^ Shead S (February 2021). "Elon Musk says his start-up Neuralink has wired up a monkey to play video games using its mind". CNBC. Retrieved 23 March 2021.
  32. ^ Fetz EE (February 1969). "Operant conditioning of cortical unit activity". Science. 163 (3870): 955–958. Bibcode:1969Sci...163..955F. doi:10.1126/science.163.3870.955. PMID 4974291. S2CID 45427819.
  33. ^ Schmidt EM, McIntosh JS, Durelli L, Bak MJ (September 1978). "Fine control of operantly conditioned firing patterns of cortical neurons". Experimental Neurology. 61 (2): 349–369. doi:10.1016/0014-4886(78)90252-2. PMID 101388. S2CID 37539476.
  34. ^ Georgopoulos AP, Lurito JT, Petrides M, Schwartz AB, Massey JT (January 1989). "Mental rotation of the neuronal population vector". Science. 243 (4888): 234–236. Bibcode:1989Sci...243..234G. doi:10.1126/science.2911737. PMID 2911737. S2CID 37161168.
  35. ^ Lebedev MA, Nicolelis MA (September 2006). "Brain-machine interfaces: past, present and future". Trends in Neurosciences. 29 (9): 536–546. doi:10.1016/j.tins.2006.07.004. PMID 16859758. S2CID 701524.
  36. ^ Stanley GB, Li FF, Dan Y (September 1999). "Reconstruction of natural scenes from ensemble responses in the lateral geniculate nucleus". The Journal of Neuroscience. 19 (18): 8036–8042. doi:10.1523/JNEUROSCI.19-18-08036.1999. PMC 6782475. PMID 10479703.
  37. ^ Wessberg J, Stambaugh CR, Kralik JD, Beck PD, Laubach M, Chapin JK, et al. (November 2000). "Real-time prediction of hand trajectory by ensembles of cortical neurons in primates". Nature. 408 (6810): 361–365. Bibcode:2000Natur.408..361W. doi:10.1038/35042582. PMID 11099043. S2CID 795720.
  38. ^ a b Carmena JM, Lebedev MA, Crist RE, O'Doherty JE, Santucci DM, Dimitrov DF, et al. (November 2003). "Learning to control a brain-machine interface for reaching and grasping by primates". PLOS Biology. 1 (2): E42. doi:10.1371/journal.pbio.0000042. PMC 261882. PMID 14624244.
  39. ^ a b Lebedev MA, Carmena JM, O'Doherty JE, Zacksenhouse M, Henriquez CS, Principe JC, Nicolelis MA (May 2005). "Cortical ensemble adaptation to represent velocity of an artificial actuator controlled by a brain-machine interface". The Journal of Neuroscience. 25 (19): 4681–4693. doi:10.1523/JNEUROSCI.4088-04.2005. PMC 6724781. PMID 15888644.
  40. ^ O'Doherty JE, Lebedev MA, Ifft PJ, Zhuang KZ, Shokur S, Bleuler H, Nicolelis MA (October 2011). "Active tactile exploration using a brain-machine-brain interface". Nature. 479 (7372): 228–231. Bibcode:2011Natur.479..228O. doi:10.1038/nature10489. PMC 3236080. PMID 21976021.
  41. ^ Serruya MD, Hatsopoulos NG, Paninski L, Fellows MR, Donoghue JP (March 2002). "Instant neural control of a movement signal". Nature. 416 (6877): 141–142. Bibcode:2002Natur.416..141S. doi:10.1038/416141a. PMID 11894084. S2CID 4383116.
  42. ^ Taylor DM, Tillery SI, Schwartz AB (June 2002). "Direct cortical control of 3D neuroprosthetic devices". Science. 296 (5574): 1829–1832. Bibcode:2002Sci...296.1829T. CiteSeerX 10.1.1.1027.4335. doi:10.1126/science.1070291. PMID 12052948. S2CID 9402759.
  43. ^ 2007년 7월 4일 피츠버그 트리뷴 리뷰의 웨이백 머신(Wayback Machine)에서 뇌로 제어되는 팔을 구축하는 피트(Pitt) 팀.
  44. ^ 유투브의 동영상
  45. ^ Velliste M, Perel S, Spalding MC, Whitford AS, Schwartz AB (June 2008). "Cortical control of a prosthetic arm for self-feeding". Nature. 453 (7198): 1098–1101. Bibcode:2008Natur.453.1098V. doi:10.1038/nature06996. PMID 18509337. S2CID 4404323.
  46. ^ Musallam S, Corneil BD, Greger B, Scherberger H, Andersen RA (July 2004). "Cognitive control signals for neural prosthetics". Science. 305 (5681): 258–262. Bibcode:2004Sci...305..258M. doi:10.1126/science.1097938. PMID 15247483. S2CID 3112034.
  47. ^ Santucci DM, Kralik JD, Lebedev MA, Nicolelis MA (September 2005). "Frontal and parietal cortical ensembles predict single-trial muscle activity during reaching movements in primates". The European Journal of Neuroscience. 22 (6): 1529–1540. doi:10.1111/j.1460-9568.2005.04320.x. PMID 16190906. S2CID 31277881.
  48. ^ Anumanchipalli GK, Chartier J, Chang EF (April 2019). "Speech synthesis from neural decoding of spoken sentences". Nature. 568 (7753): 493–498. Bibcode:2019Natur.568..493A. doi:10.1038/s41586-019-1119-1. PMC 9714519. PMID 31019317. S2CID 129946122.
  49. ^ Pandarinath C, Ali YH (April 2019). "Brain implants that let you speak your mind". Nature. 568 (7753): 466–467. Bibcode:2019Natur.568..466P. doi:10.1038/d41586-019-01181-y. PMID 31019323.
  50. ^ a b Moses DA, Metzger SL, Liu JR, Anumanchipalli GK, Makin JG, Sun PF, et al. (July 2021). "Neuroprosthesis for Decoding Speech in a Paralyzed Person with Anarthria". The New England Journal of Medicine. 385 (3): 217–227. doi:10.1056/NEJMoa2027540. PMC 8972947. PMID 34260835. S2CID 235907121.
  51. ^ 벨럭, 팸 (2021년 7월 14일). 마비된 사람의 말을 돕기 위해 뇌를 두드리는 것. 뉴욕 타임즈.
  52. ^ "Using BCI2000 in BCI Research". National Center for Adaptive Neurotechnology. Retrieved 5 December 2023.
  53. ^ Huber D, Petreanu L, Ghitani N, Ranade S, Hromádka T, Mainen Z, Svoboda K (January 2008). "Sparse optical microstimulation in barrel cortex drives learned behaviour in freely moving mice". Nature. 451 (7174): 61–64. Bibcode:2008Natur.451...61H. doi:10.1038/nature06445. PMC 3425380. PMID 18094685.
  54. ^ Nicolelis MA, Lebedev MA (July 2009). "Principles of neural ensemble physiology underlying the operation of brain-machine interfaces". Nature Reviews. Neuroscience. 10 (7): 530–540. doi:10.1038/nrn2653. PMID 19543222. S2CID 9290258.
  55. ^ a b Zander TO, Kothe C (April 2011). "Towards passive brain-computer interfaces: applying brain-computer interface technology to human-machine systems in general". Journal of Neural Engineering. 8 (2): 025005. Bibcode:2011JNEng...8b5005Z. doi:10.1088/1741-2560/8/2/025005. PMID 21436512. S2CID 37168897.
  56. ^ Richardson AG, Ghenbot Y, Liu X, Hao H, Rinehart C, DeLuccia S, et al. (August 2019). "Learning active sensing strategies using a sensory brain-machine interface". Proceedings of the National Academy of Sciences of the United States of America. 116 (35): 17509–17514. Bibcode:2019PNAS..11617509R. doi:10.1073/pnas.1909953116. PMC 6717311. PMID 31409713.
  57. ^ Abdulkader SN, Atia A, Mostafa MS (July 2015). "Brain computer interfacing: Applications and challenges". Egyptian Informatics Journal. 16 (2): 213–230. doi:10.1016/j.eij.2015.06.002. ISSN 1110-8665.
  58. ^ Polikov VS, Tresco PA, Reichert WM (October 2005). "Response of brain tissue to chronically implanted neural electrodes". Journal of Neuroscience Methods. 148 (1): 1–18. doi:10.1016/j.jneumeth.2005.08.015. PMID 16198003. S2CID 11248506.
  59. ^ '비전 퀘스트'. 유선. (2002년 9월).
  60. ^ Kotler S. "Vision Quest". Wired. ISSN 1059-1028. Retrieved 10 November 2021.
  61. ^ Tuller D (1 November 2004). "Dr. William Dobelle, Artificial Vision Pioneer, Dies at 62". The New York Times.
  62. ^ Naumann J (2012). Search for Paradise: A Patient's Account of the Artificial Vision Experiment. Xlibris. ISBN 978-1-4797-0920-5.
  63. ^ nurun.com (28 November 2012). "Mr. Jen Naumann's high-tech paradise lost". Thewhig.com. Retrieved 19 December 2016.
  64. ^ Kennedy PR, Bakay RA (June 1998). "Restoration of neural output from a paralyzed patient by a direct brain connection". NeuroReport. 9 (8): 1707–1711. doi:10.1097/00001756-199806010-00007. PMID 9665587. S2CID 5681602.
  65. ^ Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan AH, et al. (July 2006). Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh, Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn and John P. Donoghue. "Neuronal ensemble control of prosthetic devices by a human with tetraplegia". Nature. 442 (7099): 164–171. Bibcode:2006Natur.442..164H. doi:10.1038/nature04970. PMID 16838014. S2CID 4347367.
  66. ^ Martins Iduwe. "Brain Computer Interface". Academia.edu. Retrieved 5 December 2023.
  67. ^ Hochberg LR, Bacher D, Jarosiewicz B, Masse NY, Simeral JD, Vogel J, et al. (May 2012). "Reach and grasp by people with tetraplegia using a neurally controlled robotic arm". Nature. 485 (7398): 372–375. Bibcode:2012Natur.485..372H. doi:10.1038/nature11076. PMC 3640850. PMID 22596161.
  68. ^ Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, et al. (February 2013). "High-performance neuroprosthetic control by an individual with tetraplegia". Lancet. 381 (9866): 557–564. doi:10.1016/S0140-6736(12)61816-9. PMC 3641862. PMID 23253623.
  69. ^ Willett FR, Avansino DT, Hochberg LR, Henderson JM, Shenoy KV (May 2021). "High-performance brain-to-text communication via handwriting". Nature. 593 (7858): 249–254. Bibcode:2021Natur.593..249W. doi:10.1038/s41586-021-03506-2. PMC 8163299. PMID 33981047.
  70. ^ Willett FR (2021). "A High-Performance Handwriting BCI". In Guger C, Allison BZ, Gunduz A (eds.). Brain-Computer Interface Research: A State-of-the-Art Summary 10. SpringerBriefs in Electrical and Computer Engineering. Cham: Springer International Publishing. pp. 105–109. doi:10.1007/978-3-030-79287-9_11. ISBN 978-3-030-79287-9. S2CID 239736609.
  71. ^ Hamliton J (14 July 2021). "Experimental Brain Implant Lets Man With Paralysis Turn His Thoughts Into Words". All Things Considered. NPR.
  72. ^ Pandarinath C, Bensmaia SJ (September 2021). "The science and engineering behind sensitized brain-controlled bionic hands". Physiological Reviews. 102 (2): 551–604. doi:10.1152/physrev.00034.2020. PMC 8742729. PMID 34541898. S2CID 237574228.
  73. ^ Willett, Francis R.; Kunz, Erin M.; Fan, Chaofei; Avansino, Donald T.; Wilson, Guy H.; Choi, Eun Young; Kamdar, Foram; Glasser, Matthew F.; Hochberg, Leigh R.; Druckmann, Shaul; Shenoy, Krishna V.; Henderson, Jaimie M. (23 August 2023). "A high-performance speech neuroprosthesis". Nature. 620 (7976): 1031–1036. Bibcode:2023Natur.620.1031W. doi:10.1038/s41586-023-06377-x. ISSN 1476-4687. PMC 10468393. PMID 37612500.
  74. ^ Metzger, Sean L.; Littlejohn, Kaylo T.; Silva, Alexander B.; Moses, David A.; Seaton, Margaret P.; Wang, Ran; Dougherty, Maximilian E.; Liu, Jessie R.; Wu, Peter; Berger, Michael A.; Zhuravleva, Inga; Tu-Chan, Adelyn; Ganguly, Karunesh; Anumanchipalli, Gopala K.; Chang, Edward F. (23 August 2023). "A high-performance neuroprosthesis for speech decoding and avatar control". Nature. 620 (7976): 1037–1046. Bibcode:2023Natur.620.1037M. doi:10.1038/s41586-023-06443-4. ISSN 1476-4687. PMC 10826467. PMID 37612505. S2CID 261098775.
  75. ^ Naddaf, Miryam (23 August 2023). "Brain-reading devices allow paralysed people to talk using their thoughts". Nature. 620 (7976): 930–931. Bibcode:2023Natur.620..930N. doi:10.1038/d41586-023-02682-7. PMID 37612493. S2CID 261099321.
  76. ^ Zhang M, Tang Z, Liu X, Van der Spiegel J (April 2020). "Electronic neural interfaces". Nature Electronics. 3 (4): 191–200. doi:10.1038/s41928-020-0390-3. ISSN 2520-1131. S2CID 216508360.
  77. ^ Hodgkin AL, Huxley AF (August 1952). "A quantitative description of membrane current and its application to conduction and excitation in nerve". The Journal of Physiology. 117 (4): 500–544. doi:10.1113/jphysiol.1952.sp004764. PMC 1392413. PMID 12991237.
  78. ^ a b Obien ME, Deligkaris K, Bullmann T, Bakkum DJ, Frey U (2015). "Revealing neuronal function through microelectrode array recordings". Frontiers in Neuroscience. 8: 423. doi:10.3389/fnins.2014.00423. PMC 4285113. PMID 25610364.
  79. ^ a b Harrison RR (July 2008). "The Design of Integrated Circuits to Observe Brain Activity". Proceedings of the IEEE. 96 (7): 1203–1216. doi:10.1109/JPROC.2008.922581. ISSN 1558-2256. S2CID 7020369.
  80. ^ Haci D, Liu Y, Ghoreishizadeh SS, Constandinou TG (February 2020). "Key Considerations for Power Management in Active Implantable Medical Devices". 2020 IEEE 11th Latin American Symposium on Circuits & Systems (LASCAS). pp. 1–4. doi:10.1109/LASCAS45839.2020.9069004. ISBN 978-1-7281-3427-7. S2CID 215817530.
  81. ^ Downey JE, Schwed N, Chase SM, Schwartz AB, Collinger JL (August 2018). "Intracortical recording stability in human brain-computer interface users". Journal of Neural Engineering. 15 (4): 046016. Bibcode:2018JNEng..15d6016D. doi:10.1088/1741-2552/aab7a0. PMID 29553484. S2CID 3961913.
  82. ^ Freire MA, Morya E, Faber J, Santos JR, Guimaraes JS, Lemos NA, Sameshima K, Pereira A, Ribeiro S, Nicolelis M (November 2011). "Comprehensive analysis of tissue preservation and recording quality from chronic multielectrode implants". PLOS ONE. 6 (11): e27554. Bibcode:2011PLoSO...627554F. doi:10.1371/journal.pone.0027554. PMC 4476592. PMID 26098896.
  83. ^ Szostak KM, Grand L, Constandinou TG (2017). "Neural Interfaces for Intracortical Recording: Requirements, Fabrication Methods, and Characteristics". Frontiers in Neuroscience. 11: 665. doi:10.3389/fnins.2017.00665. PMC 5725438. PMID 29270103.
  84. ^ a b Saxena T, Karumbaiah L, Gaupp EA, Patkar R, Patil K, Betancur M, et al. (July 2013). "The impact of chronic blood-brain barrier breach on intracortical electrode function". Biomaterials. 34 (20): 4703–4713. doi:10.1016/j.biomaterials.2013.03.007. PMID 23562053.
  85. ^ Nolta NF, Christensen MB, Crane PD, Skousen JL, Tresco PA (1 June 2015). "BBB leakage, astrogliosis, and tissue loss correlate with silicon microelectrode array recording performance". Biomaterials. 53: 753–762. doi:10.1016/j.biomaterials.2015.02.081. PMID 25890770.
  86. ^ Robinson JT, Pohlmeyer E, Gather MC, Kemere C, Kitching JE, Malliaras GG, et al. (November 2019). "Developing Next-generation Brain Sensing Technologies - A Review". IEEE Sensors Journal. 19 (22): 10163–10175. doi:10.1109/JSEN.2019.2931159. PMC 7047830. PMID 32116472.
  87. ^ Luan L, Wei X, Zhao Z, Siegel JJ, Potnis O, Tuppen CA, et al. (February 2017). "Ultraflexible nanoelectronic probes form reliable, glial scar-free neural integration". Science Advances. 3 (2): e1601966. Bibcode:2017SciA....3E1966L. doi:10.1126/sciadv.1601966. PMC 5310823. PMID 28246640.
  88. ^ Frank JA, Antonini MJ, Anikeeva P (September 2019). "Next-generation interfaces for studying neural function". Nature Biotechnology. 37 (9): 1013–1023. doi:10.1038/s41587-019-0198-8. PMC 7243676. PMID 31406326.
  89. ^ a b Hong G, Viveros RD, Zwang TJ, Yang X, Lieber CM (July 2018). "Tissue-like Neural Probes for Understanding and Modulating the Brain". Biochemistry. 57 (27): 3995–4004. doi:10.1021/acs.biochem.8b00122. PMC 6039269. PMID 29529359.
  90. ^ Viveros RD, Zhou T, Hong G, Fu TM, Lin HG, Lieber CM (June 2019). "Advanced One- and Two-Dimensional Mesh Designs for Injectable Electronics". Nano Letters. 19 (6): 4180–4187. Bibcode:2019NanoL..19.4180V. doi:10.1021/acs.nanolett.9b01727. PMC 6565464. PMID 31075202.
  91. ^ Gulati T, Won SJ, Ramanathan DS, Wong CC, Bodepudi A, Swanson RA, Ganguly K (June 2015). "Robust neuroprosthetic control from the stroke perilesional cortex". The Journal of Neuroscience. 35 (22): 8653–8661. doi:10.1523/JNEUROSCI.5007-14.2015. PMC 6605327. PMID 26041930.
  92. ^ Soldozy S, Young S, Kumar JS, Capek S, Felbaum DR, Jean WC, et al. (July 2020). "A systematic review of endovascular stent-electrode arrays, a minimally invasive approach to brain-machine interfaces". Neurosurgical Focus. 49 (1): E3. doi:10.3171/2020.4.FOCUS20186. PMID 32610291. S2CID 220308983.
  93. ^ a b Opie N (2021). "The StentrodeTM Neural Interface System". In Guger C, Allison BZ, Tangermann M (eds.). Brain-Computer Interface Research. SpringerBriefs in Electrical and Computer Engineering. Cham: Springer International Publishing. pp. 127–132. doi:10.1007/978-3-030-60460-8_13. ISBN 978-3-030-60460-8. S2CID 234102889.
  94. ^ Teleb MS, Cziep ME, Lazzaro MA, Gheith A, Asif K, Remler B, Zaidat OO (May 2014). "Idiopathic Intracranial Hypertension. A Systematic Analysis of Transverse Sinus Stenting". Interventional Neurology. 2 (3): 132–143. doi:10.1159/000357503. PMC 4080637. PMID 24999351.
  95. ^ Bryson S (5 November 2020). "Stentrode Device Allows Computer Control by ALS Patients with Partial Upper Limb Paralysis". ALS News Today.
  96. ^ Lanese, Nicoletta (12 January 2023). "New 'thought-controlled' device reads brain activity through the jugular". livescience.com. Archived from the original on 16 February 2023. Retrieved 16 February 2023.
  97. ^ Mitchell, Peter; Lee, Sarah C. M.; Yoo, Peter E.; Morokoff, Andrew; Sharma, Rahul P.; Williams, Daryl L.; MacIsaac, Christopher; Howard, Mark E.; Irving, Lou; Vrljic, Ivan; Williams, Cameron; Bush, Steven; Balabanski, Anna H.; Drummond, Katharine J.; Desmond, Patricia; Weber, Douglas; Denison, Timothy; Mathers, Susan; O’Brien, Terence J.; Mocco, J.; Grayden, David B.; Liebeskind, David S.; Opie, Nicholas L.; Oxley, Thomas J.; Campbell, Bruce C. V. (9 January 2023). "Assessment of Safety of a Fully Implanted Endovascular Brain-Computer Interface for Severe Paralysis in 4 Patients: The Stentrode With Thought-Controlled Digital Switch (SWITCH) Study". JAMA Neurology. 80 (3): 270–278. doi:10.1001/jamaneurol.2022.4847. ISSN 2168-6149. PMC 9857731. PMID 36622685. S2CID 255545643.
  98. ^ Serruya M, Donoghue J (2004). "Chapter III: Design Principles of a Neuromotor Prosthetic Device" (PDF). In Horch KW, Dhillon GS (eds.). Neuroprosthetics: Theory and Practice. Imperial College Press. pp. 1158–1196. doi:10.1142/9789812561763_0040. Archived from the original (PDF) on 4 April 2005.
  99. ^ "Teenager moves video icons just by imagination". Press release. Washington University in St Louis. 9 October 2006.
  100. ^ Schalk G, Miller KJ, Anderson NR, Wilson JA, Smyth MD, Ojemann JG, et al. (March 2008). "Two-dimensional movement control using electrocorticographic signals in humans". Journal of Neural Engineering. 5 (1): 75–84. Bibcode:2008JNEng...5...75S. doi:10.1088/1741-2560/5/1/008. PMC 2744037. PMID 18310813.
  101. ^ Nicolas-Alonso LF, Gomez-Gil J (31 January 2012). "Brain computer interfaces, a review". Sensors. 12 (2): 1211–1279. Bibcode:2012Senso..12.1211N. doi:10.3390/s120201211. PMC 3304110. PMID 22438708.
  102. ^ Yanagisawa T (2011). "Electrocorticographic Control of Prosthetic Arm in Paralyzed Patients". American Neurological Association. Vol. 71, no. 3. pp. 353–361. doi:10.1002/ana.22613. ECoG- Based BCI has advantage in signal and durability that are absolutely necessary for clinical application
  103. ^ a b Pei X (2011). "Decoding Vowels and Consonants in Spoken and Imagined Words Using Electrocorticographic Signals in Humans". J Neural Eng 046028th ser. 8.4. PMID 21750369. Justin Williams, a biomedical engineer at the university, has already transformed the ECoG implant into a micro device that can be installed with a minimum of fuss. It has been tested in animals for a long period of time – the micro ECoG stays in place and doesn't seem to negatively affect the immune system.
  104. ^ Makin JG, Moses DA, Chang EF (2021). "Speech Decoding as Machine Translation". In Guger C, Allison BZ, Gunduz A (eds.). Brain-Computer Interface Research. SpringerBriefs in Electrical and Computer Engineering. Cham: Springer International Publishing. pp. 23–33. doi:10.1007/978-3-030-79287-9_3. ISBN 978-3-030-79287-9. S2CID 239756345.
  105. ^ Makin JG, Moses DA, Chang EF (April 2020). "Machine translation of cortical activity to text with an encoder-decoder framework". Nature Neuroscience. 23 (4): 575–582. doi:10.1038/s41593-020-0608-8. PMC 10560395. PMID 32231340. S2CID 214704481.
  106. ^ Gallegos-Ayala G, Furdea A, Takano K, Ruf CA, Flor H, Birbaumer N (May 2014). "Brain communication in a completely locked-in patient using bedside near-infrared spectroscopy". Neurology. 82 (21): 1930–1932. doi:10.1212/WNL.0000000000000449. PMC 4049706. PMID 24789862.
  107. ^ Chaudhary U, Xia B, Silvoni S, Cohen LG, Birbaumer N (January 2017). "Brain-Computer Interface-Based Communication in the Completely Locked-In State". PLOS Biology. 15 (1): e1002593. doi:10.1371/journal.pbio.1002593. PMC 5283652. PMID 28141803.
  108. ^ Winters, Jeffrey (May 2003). "Communicating by Brain Waves". Psychology Today.
  109. ^ Adrijan Bozinovski "뇌-컴퓨터 인터페이스 패러다임으로서의 CNV 플립플롭" J. Kern, S. Tonkovic, et al. (Eds) 크로아티아 의료정보학협회 제7차 회의, 페이지 149-154, Rijeka, 2005
  110. ^ Bozinovski, Adrijan; Bozinovska, Liljana (2009). Anticipatory brain potentials in a Brain-Robot Interface paradigm. 2009 4th International IEEE/EMBS Conference on Neural Engineering. IEEE. pp. 451–454. doi:10.1109/ner.2009.5109330.
  111. ^ Božinovski, Adrijan; Tonković, Stanko; Išgum, Velimir; Božinovska, Liljana (2011). "Robot Control Using Anticipatory Brain Potentials". Automatika. 52 (1): 20–30. doi:10.1080/00051144.2011.11828400. S2CID 33223634.
  112. ^ Bozinovski, Stevo; Bozinovski, Adrijan (2015). "Mental States, EEG Manifestations, and Mentally Emulated Digital Circuits for Brain-Robot Interaction". IEEE Transactions on Autonomous Mental Development. Institute of Electrical and Electronics Engineers (IEEE). 7 (1): 39–51. doi:10.1109/tamd.2014.2387271. ISSN 1943-0604. S2CID 21464338.
  113. ^ Yuan H, Liu T, Szarkowski R, Rios C, Ashe J, He B (February 2010). "Negative covariation between task-related responses in alpha/beta-band activity and BOLD in human sensorimotor cortex: an EEG and fMRI study of motor imagery and movements". NeuroImage. 49 (3): 2596–2606. doi:10.1016/j.neuroimage.2009.10.028. PMC 2818527. PMID 19850134.
  114. ^ Doud AJ, Lucas JP, Pisansky MT, He B (2011). Gribble PL (ed.). "Continuous three-dimensional control of a virtual helicopter using a motor imagery based brain-computer interface". PLOS ONE. 6 (10): e26322. Bibcode:2011PLoSO...626322D. doi:10.1371/journal.pone.0026322. PMC 3202533. PMID 22046274.
  115. ^ "Thought-guided helicopter takes off". BBC News. 5 June 2013. Retrieved 5 June 2013.
  116. ^ Qin L, Ding L, He B (September 2004). "Motor imagery classification by means of source analysis for brain-computer interface applications". Journal of Neural Engineering. 1 (3): 135–141. Bibcode:2004JNEng...1..135Q. doi:10.1088/1741-2560/1/3/002. PMC 1945182. PMID 15876632.
  117. ^ Höhne J, Holz E, Staiger-Sälzer P, Müller KR, Kübler A, Tangermann M (2014). "Motor imagery for severely motor-impaired patients: evidence for brain-computer interfacing as superior control solution". PLOS ONE. 9 (8): e104854. Bibcode:2014PLoSO...9j4854H. doi:10.1371/journal.pone.0104854. PMC 4146550. PMID 25162231.
  118. ^ Maskeliunas R, Damasevicius R, Martisius I, Vasiljevas M (2016). "Consumer-grade EEG devices: are they usable for control tasks?". PeerJ. 4: e1746. doi:10.7717/peerj.1746. PMC 4806709. PMID 27014511.
  119. ^ Bird JJ, Faria DR, Manso LJ, Ekárt A, Buckingham CD (13 March 2019). "A Deep Evolutionary Approach to Bioinspired Classifier Optimisation for Brain-Machine Interaction". Complexity. Hindawi Limited. 2019: 1–14. arXiv:1908.04784. doi:10.1155/2019/4316548. ISSN 1076-2787.
  120. ^ Mansour S, Ang KK, Nair KP, Phua KS, Arvaneh M (January 2022). "Efficacy of Brain-Computer Interface and the Impact of Its Design Characteristics on Poststroke Upper-limb Rehabilitation: A Systematic Review and Meta-analysis of Randomized Controlled Trials". Clinical EEG and Neuroscience. 53 (1): 79–90. doi:10.1177/15500594211009065. PMC 8619716. PMID 33913351. S2CID 233446181.
  121. ^ Baniqued PD, Stanyer EC, Awais M, Alazmani A, Jackson AE, Mon-Williams MA, et al. (January 2021). "Brain-computer interface robotics for hand rehabilitation after stroke: a systematic review". Journal of Neuroengineering and Rehabilitation. 18 (1): 15. doi:10.1186/s12984-021-00820-8. PMC 7825186. PMID 33485365.
  122. ^ Taheri BA, Knight RT, Smith RL (May 1994). "A dry electrode for EEG recording". Electroencephalography and Clinical Neurophysiology. 90 (5): 376–383. doi:10.1016/0013-4694(94)90053-1. PMID 7514984.
  123. ^ Alizadeh-Taheri B (1994). Active Micromachined Scalp Electrode Array for Eeg Signal Recording (PHD Thesis thesis). p. 82. Bibcode:1994PhDT........82A.
  124. ^ Hockenberry, John (August 2001). "The Next Brainiacs". Wired. Vol. 9, no. 8.
  125. ^ Lin CT, Ko LW, Chang CJ, Wang YT, Chung CH, Yang FS, et al. (2009), "Wearable and Wireless Brain-Computer Interface and Its Applications", Foundations of Augmented Cognition. Neuroergonomics and Operational Neuroscience, Lecture Notes in Computer Science, Springer Berlin Heidelberg, vol. 5638, pp. 741–748, doi:10.1007/978-3-642-02812-0_84, ISBN 978-3-642-02811-3, S2CID 14515754
  126. ^ a b c d e Wang YT, Wang Y, Jung TP (April 2011). "A cell-phone-based brain-computer interface for communication in daily life". Journal of Neural Engineering. 8 (2): 025018. Bibcode:2011JNEng...8b5018W. doi:10.1088/1741-2560/8/2/025018. PMID 21436517. S2CID 10943518.
  127. ^ Guger C, Allison BZ, Großwindhager B, Prückl R, Hintermüller C, Kapeller C, et al. (2012). "How Many People Could Use an SSVEP BCI?". Frontiers in Neuroscience. 6: 169. doi:10.3389/fnins.2012.00169. PMC 3500831. PMID 23181009.
  128. ^ a b Lin YP, Wang Y, Jung TP (2013). "A mobile SSVEP-based brain-computer interface for freely moving humans: The robustness of canonical correlation analysis to motion artifacts". 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. pp. 1350–1353. doi:10.1109/EMBC.2013.6609759. ISBN 978-1-4577-0216-7. PMID 24109946. S2CID 23136360.
  129. ^ Rashid M, Sulaiman N, Abdul Majeed AP, Musa RM, Ab Nasir AF, Bari BS, Khatun S (2020). "Current Status, Challenges, and Possible Solutions of EEG-Based Brain-Computer Interface: A Comprehensive Review". Frontiers in Neurorobotics. 14: 25. doi:10.3389/fnbot.2020.00025. PMC 7283463. PMID 32581758.
  130. ^ US 20130127708, 2013년 5월 23일 발행
  131. ^ a b c Wang YT, Wang Y, Cheng CK, Jung TP (2013). "Developing stimulus presentation on mobile devices for a truly portable SSVEP-based BCI". 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. pp. 5271–5274. doi:10.1109/EMBC.2013.6610738. ISBN 978-1-4577-0216-7. PMID 24110925. S2CID 14324159.
  132. ^ Bin G, Gao X, Yan Z, Hong B, Gao S (August 2009). "An online multi-channel SSVEP-based brain-computer interface using a canonical correlation analysis method". Journal of Neural Engineering. 6 (4): 046002. Bibcode:2009JNEng...6d6002B. doi:10.1088/1741-2560/6/4/046002. PMID 19494422. S2CID 32640699.
  133. ^ Symeonidou ER, Nordin AD, Hairston WD, Ferris DP (April 2018). "Effects of Cable Sway, Electrode Surface Area, and Electrode Mass on Electroencephalography Signal Quality during Motion". Sensors. 18 (4): 1073. Bibcode:2018Senso..18.1073S. doi:10.3390/s18041073. PMC 5948545. PMID 29614020.
  134. ^ Wang Y, Wang R, Gao X, Hong B, Gao S (June 2006). "A practical VEP-based brain-computer interface". IEEE Transactions on Neural Systems and Rehabilitation Engineering. 14 (2): 234–239. doi:10.1109/TNSRE.2006.875576. PMID 16792302.
  135. ^ Pfurtscheller G, Müller GR, Pfurtscheller J, Gerner HJ, Rupp R (November 2003). "'Thought'--control of functional electrical stimulation to restore hand grasp in a patient with tetraplegia". Neuroscience Letters. 351 (1): 33–36. doi:10.1016/S0304-3940(03)00947-9. PMID 14550907. S2CID 38568963.
  136. ^ Do AH, Wang PT, King CE, Chun SN, Nenadic Z (December 2013). "Brain-computer interface controlled robotic gait orthosis". Journal of Neuroengineering and Rehabilitation. 10 (1): 111. doi:10.1186/1743-0003-10-111. PMC 3907014. PMID 24321081.
  137. ^ Subject with Paraplegia YouTube.com 에서 BCI 제어 RoGO(4배) 운영
  138. ^ 알렉스 블레이니(Alex Blainey)는 YouTube.com 의 직렬 릴레이 포트를 통해 EPOC 헤드셋을 사용하여 저렴한 소비자 로봇 암을 제어합니다.
  139. ^ Drummond, Katie (14 May 2009). "Pentagon Preps Soldier Telepathy Push". Wired. Retrieved 6 May 2009.
  140. ^ Ranganatha Sitaram, Andrea Caria, Ralf Veit, Tilman Gaber, Giuseppina Rota, Andrea Kuebler 및 Niels Birbaumer (2007) "FMRI 뇌-컴퓨터 인터페이스: 신경과학 연구 및 치료를 위한 도구"
  141. ^ Peplow, Mark (27 August 2004). "Mental ping-pong could aid paraplegics". News@nature. doi:10.1038/news040823-18.
  142. ^ "To operate robot only with brain, ATR and Honda develop BMI base technology". Tech-on. 26 May 2006. Archived from the original on 23 June 2017. Retrieved 22 September 2006.
  143. ^ Miyawaki Y, Uchida H, Yamashita O, Sato MA, Morito Y, Tanabe HC, et al. (December 2008). "Visual image reconstruction from human brain activity using a combination of multiscale local image decoders". Neuron. 60 (5): 915–929. doi:10.1016/j.neuron.2008.11.004. PMID 19081384. S2CID 17327816.
  144. ^ Nishimoto S, Vu AT, Naselaris T, Benjamini Y, Yu B, Gallant JL (October 2011). "Reconstructing visual experiences from brain activity evoked by natural movies". Current Biology. 21 (19): 1641–1646. doi:10.1016/j.cub.2011.08.031. PMC 3326357. PMID 21945275.
  145. ^ Yam, Philip (22 September 2011). "Breakthrough Could Enable Others to Watch Your Dreams and Memories". Scientific American. Retrieved 25 September 2011.
  146. ^ "Reconstructing visual experiences from brain activity evoked by natural movies (Project page)". The Gallant Lab at UC Berkeley. Archived from the original on 25 September 2011. Retrieved 25 September 2011.
  147. ^ Anwar, Yasmin (22 September 2011). "Scientists use brain imaging to reveal the movies in our mind". UC Berkeley News Center. Retrieved 25 September 2011.
  148. ^ a b c Marshall D, Coyle D, Wilson S, Callaghan M (2013). "Games, Gameplay, and BCI: The State of the Art". IEEE Transactions on Computational Intelligence and AI in Games. 5 (2): 83. doi:10.1109/TCIAIG.2013.2263555. S2CID 206636315.
  149. ^ "Goals of the organizers". BBC. Retrieved 19 December 2022.
  150. ^ Ang KK, Chin ZY, Wang C, Guan C, Zhang H (1 January 2012). "Filter Bank Common Spatial Pattern Algorithm on BCI Competition IV Datasets 2a and 2b". Frontiers in Neuroscience. 6: 39. doi:10.3389/fnins.2012.00039. PMC 3314883. PMID 22479236.
  151. ^ Fairclough, Stephen H. (January 2009). "Fundamentals of physiological computing". Interacting with Computers. 21 (1–2): 133–145. doi:10.1016/j.intcom.2008.10.011. S2CID 16314534.
  152. ^ Bozinovski S (2017). "Signal Processing Robotics Using Signals Generated by a Human Head: From Pioneering Works to EEG-Based Emulation of Digital Circuits". Advances in Robot Design and Intelligent Control. Advances in Intelligent Systems and Computing. Vol. 540. pp. 449–462. doi:10.1007/978-3-319-49058-8_49. ISBN 978-3-319-49057-1.
  153. ^ Mathôt S, Melmi JB, van der Linden L, Van der Stigchel S (2016). "The Mind-Writing Pupil: A Human-Computer Interface Based on Decoding of Covert Attention through Pupillometry". PLOS ONE. 11 (2): e0148805. Bibcode:2016PLoSO..1148805M. doi:10.1371/journal.pone.0148805. PMC 4743834. PMID 26848745.
  154. ^ Kennedy, Pagan (18 September 2011). "The Cyborg in Us All". The New York Times. Retrieved 28 January 2012.
  155. ^ Selim, Jocelyn; Drinkell, Pete (1 November 2002). "The Bionic Connection". Discover. Archived from the original on 6 January 2008.
  156. ^ Giaimo, Cara (10 June 2015). "Nervous System Hookup Leads to Telepathic Hand-Holding". Atlas Obscura.
  157. ^ Warwick, K, Gasson, M, Hutt, B, Goodhew, I, Kyberd, P, Schulzrinne, H and Wu, X: "생각의 소통과 통제: 무선전신을 이용한 첫 단계", IEE Proceedings on Communications, 151(3), pp.185–189, 2004
  158. ^ Warwick K, Gasson M, Hutt B, Goodhew I, Kyberd P, Andrews B, et al. (October 2003). "The application of implant technology for cybernetic systems". Archives of Neurology. 60 (10): 1369–1373. doi:10.1001/archneur.60.10.1369. PMID 14568806.
  159. ^ Grau C, Ginhoux R, Riera A, Nguyen TL, Chauvat H, Berg M, et al. (2014). "Conscious brain-to-brain communication in humans using non-invasive technologies". PLOS ONE. 9 (8): e105225. Bibcode:2014PLoSO...9j5225G. doi:10.1371/journal.pone.0105225. PMC 4138179. PMID 25137064.
  160. ^ Bland, Eric (13 October 2008). "Army Developing 'synthetic telepathy'". Discovery News. Retrieved 13 October 2008.
  161. ^ Pais-Vieira M, Lebedev M, Kunicki C, Wang J, Nicolelis MA (28 February 2013). "A brain-to-brain interface for real-time sharing of sensorimotor information". Scientific Reports. 3: 1319. Bibcode:2013NatSR...3E1319P. doi:10.1038/srep01319. PMC 3584574. PMID 23448946.
  162. ^ Gorman, James (28 February 2013). "One Rat Thinks, and Another Reacts". The New York Times. Retrieved 28 February 2013.
  163. ^ Sample, Ian (1 March 2013). "Brain-to-brain interface lets rats share information via internet". The Guardian. Retrieved 2 March 2013.
  164. ^ Mazzatenta A, Giugliano M, Campidelli S, Gambazzi L, Businaro L, Markram H, et al. (June 2007). "Interfacing neurons with carbon nanotubes: electrical signal transfer and synaptic stimulation in cultured brain circuits". The Journal of Neuroscience. 27 (26): 6931–6936. doi:10.1523/JNEUROSCI.1051-07.2007. PMC 6672220. PMID 17596441.
  165. ^ 칼텍 과학자들이 1997년 10월 26일 칼텍 최초의 뉴로칩을 고안했습니다.
  166. ^ Sandhana, Lakshmi (22 October 2004). "Coming to a brain near you". Wired News. Archived from the original on 10 September 2006.
  167. ^ "'Brain' in a dish flies flight simulator". CNN. 4 November 2004.
  168. ^ "David Pearce – Humanity Plus". 5 October 2017. Retrieved 30 December 2021.
  169. ^ Stoica A (2010). "Speculations on Robots, Cyborgs & Telepresence". YouTube. Archived from the original on 28 December 2021. Retrieved 28 December 2021.
  170. ^ "Experts to 'redefine the future' at Humanity+ @ CalTech". Kurzweil. Retrieved 30 December 2021.
  171. ^ WO2012100081A2, Stoica, Adrian, "집단적인 결과를 달성하기 위한 여러 개인의 생체 신호의 집합" 2012-07-26 발행
  172. ^ Wang Y, Jung TP (31 May 2011). "A collaborative brain-computer interface for improving human performance". PLOS ONE. 6 (5): e20422. Bibcode:2011PLoSO...620422W. doi:10.1371/journal.pone.0020422. PMC 3105048. PMID 21655253.
  173. ^ Eckstein MP, Das K, Pham BT, Peterson MF, Abbey CK, Sy JL, Giesbrecht B (January 2012). "Neural decoding of collective wisdom with multi-brain computing". NeuroImage. 59 (1): 94–108. doi:10.1016/j.neuroimage.2011.07.009. PMID 21782959. S2CID 14930969.
  174. ^ Stoica A (September 2012). "MultiMind: Multi-Brain Signal Fusion to Exceed the Power of a Single Brain". 2012 Third International Conference on Emerging Security Technologies. pp. 94–98. doi:10.1109/EST.2012.47. ISBN 978-0-7695-4791-6. S2CID 6783719.
  175. ^ Poli R, Cinel C, Matran-Fernandez A, Sepulveda F, Stoica A (19 March 2013). "Towards cooperative brain-computer interfaces for space navigation". Proceedings of the 2013 international conference on Intelligent user interfaces. IUI '13. New York, NY, USA: Association for Computing Machinery. pp. 149–160. doi:10.1145/2449396.2449417. ISBN 978-1-4503-1965-2. S2CID 13201979.
  176. ^ Poli R, Cinel C, Sepulveda F, Stoica A (February 2013). "Improving decision-making based on visual perception via a collaborative brain-computer interface". 2013 IEEE International Multi-Disciplinary Conference on Cognitive Methods in Situation Awareness and Decision Support (CogSIMA). San Diego, CA: IEEE. pp. 1–8. doi:10.1109/CogSIMA.2013.6523816. ISBN 978-1-4673-2437-3. S2CID 25136642.
  177. ^ Matran-Fernandez A, Poli R, Cinel C (November 2013). "Collaborative brain-computer interfaces for the automatic classification of images". 2013 6th International IEEE/EMBS Conference on Neural Engineering (NER). pp. 1096–1099. doi:10.1109/NER.2013.6696128. ISBN 978-1-4673-1969-0. S2CID 40341170.
  178. ^ Valeriani D, Cinel C, Poli R (August 2017). "Group Augmentation in Realistic Visual-Search Decisions via a Hybrid Brain-Computer Interface". Scientific Reports. 7 (1): 7772. Bibcode:2017NatSR...7.7772V. doi:10.1038/s41598-017-08265-7. PMC 5552884. PMID 28798411.
  179. ^ Bhattacharyya S, Valeriani D, Cinel C, Citi L, Poli R (August 2021). "Anytime collaborative brain-computer interfaces for enhancing perceptual group decision-making". Scientific Reports. 11 (1): 17008. Bibcode:2021NatSR..1117008B. doi:10.1038/s41598-021-96434-0. PMC 8379268. PMID 34417494.
  180. ^ "Paralyzed Again". MIT Technology Review. Retrieved 8 December 2023.
  181. ^ "Gale - Product Login". galeapps.gale.com. Retrieved 8 December 2023.
  182. ^ Ienca, Marcello; Haselager, Pim (June 2016). "Hacking the brain: brain-computer interfacing technology and the ethics of neurosecurity". Ethics & Information Technology. 18 (2): 117–129. doi:10.1007/s10676-016-9398-9. S2CID 5132634.
  183. ^ Steinert, Steffen; Friedrich, Orsolya (1 February 2020). "Wired Emotions: Ethical Issues of Affective Brain–Computer Interfaces". Science and Engineering Ethics. 26 (1): 351–367. doi:10.1007/s11948-019-00087-2. ISSN 1471-5546. PMC 6978299. PMID 30868377.
  184. ^ Clausen, Jens (1 February 2009). "Man, machine and in between". Nature. 457 (7233): 1080–1081. Bibcode:2009Natur.457.1080C. doi:10.1038/4571080a. ISSN 0028-0836. PMID 19242454. S2CID 205043226.
  185. ^ Haselager, Pim; Vlek, Rutger; Hill, Jeremy; Nijboer, Femke (1 November 2009). "A note on ethical aspects of BCI". Neural Networks. Brain-Machine Interface. 22 (9): 1352–1357. doi:10.1016/j.neunet.2009.06.046. hdl:2066/77533. ISSN 0893-6080. PMID 19616405.
  186. ^ Attiah, Mark A.; Farah, Martha J. (15 May 2014). "Minds, motherboards, and money: futurism and realism in the neuroethics of BCI technologies". Frontiers in Systems Neuroscience. 8: 86. doi:10.3389/fnsys.2014.00086. ISSN 1662-5137. PMC 4030132. PMID 24860445.
  187. ^ Nijboer, Femke; Clausen, Jens; Allison, Brendan Z.; Haselager, Pim (2013). "The Asilomar Survey: Stakeholders' Opinions on Ethical Issues Related to Brain-Computer Interfacing". Neuroethics. 6 (3): 541–578. doi:10.1007/s12152-011-9132-6. ISSN 1874-5490. PMC 3825606. PMID 24273623.
  188. ^ "Sony patent neural interface". Archived from the original on 7 April 2012.
  189. ^ "Mind Games". The Economist. 23 March 2007.
  190. ^ "nia Game Controller Product Page". OCZ Technology Group. Retrieved 30 January 2013.
  191. ^ a b c Li S (8 August 2010). "Mind reading is on the market". Los Angeles Times. Archived from the original on 4 January 2013.
  192. ^ Fruhlinger, Joshua (9 October 2008). "Brains-on with NeuroSky and Square Enix's Judecca mind-control game". Engadget. Retrieved 29 May 2012.
  193. ^ 뇌파로 구동되는 새로운 게임입니다. Physorg.com (2009년 1월 10일). 2010년 9월 12일에 검색되었습니다.
  194. ^ Snider, Mike (7 January 2009). "Toy trains 'Star Wars' fans to use The Force". USA Today. Retrieved 1 May 2010.
  195. ^ "Emotiv Homepage". Emotiv.com. Retrieved 29 December 2009.
  196. ^ "'necomimi' selected 'Time Magazine / The 50 best invention of the year'". Neurowear. 22 November 2011. Archived from the original on 25 January 2012.
  197. ^ "LIFESUIT Updates & News – They Shall Walk". Theyshallwalk.org. Retrieved 19 December 2016.
  198. ^ "SmartphoneBCI". GitHub. Retrieved 5 June 2018.
  199. ^ "SSVEP_keyboard". GitHub. Retrieved 5 April 2017.
  200. ^ Protalinski, Emil (8 December 2020). "NextMind ships its real-time brain computer interface Dev Kit for $399". VentureBeat. Retrieved 8 September 2021.
  201. ^ Etherington, Darrell (21 December 2020). "NextMind's Dev Kit for mind-controlled computing offers a rare 'wow' factor in tech". TechCrunch. Retrieved 8 September 2021.
  202. ^ "Roadmap - BNCI Horizon 2020". bnci-horizon-2020.eu. Retrieved 5 May 2019.
  203. ^ Brunner C, Birbaumer N, Blankertz B, Guger C, Kübler A, Mattia D, et al. (2015). "BNCI Horizon 2020: towards a roadmap for the BCI community". Brain-Computer Interfaces. 2: 1–10. doi:10.1080/2326263X.2015.1008956. hdl:1874/350349. S2CID 15822773.
  204. ^ Allison BZ, Dunne S, Leeb R, Millan J, Nijholt A (2013). Towards Practical Brain-Computer Interfaces: Bridging the Gap from Research to Real-World Applications. Berlin Heidelberg: Springer Verlag. ISBN 978-3-642-29746-5.
  205. ^ Edlinger G, Allison BZ, Guger C (2015). "How many people could use a BCI system?". In Kansaku K, Cohen L, Birbaumer N (eds.). Clinical Systems Neuroscience. Tokyo: pringer Verlag Japan. pp. 33–66. ISBN 978-4-431-55037-2.
  206. ^ Chatelle C, Chennu S, Noirhomme Q, Cruse D, Owen AM, Laureys S (2012). "Brain-computer interfacing in disorders of consciousness". Brain Injury. 26 (12): 1510–1522. doi:10.3109/02699052.2012.698362. hdl:2268/162403. PMID 22759199. S2CID 6498232.
  207. ^ Boly M, Massimini M, Garrido MI, Gosseries O, Noirhomme Q, Laureys S, Soddu A (2012). "Brain connectivity in disorders of consciousness". Brain Connectivity. 2 (1): 1–10. doi:10.1089/brain.2011.0049. hdl:2268/131984. PMID 22512333. S2CID 6447538.
  208. ^ Gibson RM, Fernández-Espejo D, Gonzalez-Lara LE, Kwan BY, Lee DH, Owen AM, Cruse D (2014). "Multiple tasks and neuroimaging modalities increase the likelihood of detecting covert awareness in patients with disorders of consciousness". Frontiers in Human Neuroscience. 8: 950. doi:10.3389/fnhum.2014.00950. PMC 4244609. PMID 25505400.
  209. ^ Risetti M, Formisano R, Toppi J, Quitadamo LR, Bianchi L, Astolfi L, et al. (2013). "On ERPs detection in disorders of consciousness rehabilitation". Frontiers in Human Neuroscience. 7: 775. doi:10.3389/fnhum.2013.00775. PMC 3834290. PMID 24312041.
  210. ^ Silvoni S, Ramos-Murguialday A, Cavinato M, Volpato C, Cisotto G, Turolla A, et al. (October 2011). "Brain-computer interface in stroke: a review of progress". Clinical EEG and Neuroscience. 42 (4): 245–252. doi:10.1177/155005941104200410. PMID 22208122. S2CID 37902399.
  211. ^ Leamy DJ, Kocijan J, Domijan K, Duffin J, Roche RA, Commins S, et al. (January 2014). "An exploration of EEG features during recovery following stroke - implications for BCI-mediated neurorehabilitation therapy". Journal of Neuroengineering and Rehabilitation. 11: 9. doi:10.1186/1743-0003-11-9. PMC 3996183. PMID 24468185.
  212. ^ Tung SW, Guan C, Ang KK, Phua KS, Wang C, Zhao L, et al. (July 2013). "Motor imagery BCI for upper limb stroke rehabilitation: An evaluation of the EEG recordings using coherence analysis". 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC). Vol. 2013. pp. 261–264. doi:10.1109/EMBC.2013.6609487. ISBN 978-1-4577-0216-7. PMID 24109674. S2CID 5071115.
  213. ^ Bai Z, Fong KN, Zhang JJ, Chan J, Ting KH (April 2020). "Immediate and long-term effects of BCI-based rehabilitation of the upper extremity after stroke: a systematic review and meta-analysis". Journal of Neuroengineering and Rehabilitation. 17 (1): 57. doi:10.1186/s12984-020-00686-2. PMC 7183617. PMID 32334608.
  214. ^ Remsik A, Young B, Vermilyea R, Kiekhoefer L, Abrams J, Evander Elmore S, et al. (May 2016). "A review of the progression and future implications of brain-computer interface therapies for restoration of distal upper extremity motor function after stroke". Expert Review of Medical Devices. 13 (5): 445–454. doi:10.1080/17434440.2016.1174572. PMC 5131699. PMID 27112213.
  215. ^ Monge-Pereira E, Ibañez-Pereda J, Alguacil-Diego IM, Serrano JI, Spottorno-Rubio MP, Molina-Rueda F (September 2017). "Use of Electroencephalography Brain-Computer Interface Systems as a Rehabilitative Approach for Upper Limb Function After a Stroke: A Systematic Review". PM&R. 9 (9): 918–932. doi:10.1016/j.pmrj.2017.04.016. PMID 28512066. S2CID 20808455.
  216. ^ Sabathiel N, Irimia DC, Allison BZ, Guger C, Edlinger G (17 July 2016). "Paired Associative Stimulation with Brain-Computer Interfaces: A New Paradigm for Stroke Rehabilitation". Foundations of Augmented Cognition: Neuroergonomics and Operational Neuroscience. Lecture Notes in Computer Science. Vol. 9743. pp. 261–272. doi:10.1007/978-3-319-39955-3_25. ISBN 978-3-319-39954-6.
  217. ^ Riccio A, Pichiorri F, Schettini F, Toppi J, Risetti M, Formisano R, et al. (2016). "Interfacing brain with computer to improve communication and rehabilitation after brain damage". Brain-Computer Interfaces: Lab Experiments to Real-World Applications. Progress in Brain Research. Vol. 228. pp. 357–387. doi:10.1016/bs.pbr.2016.04.018. ISBN 978-0-12-804216-8. PMID 27590975.
  218. ^ Várkuti B, Guan C, Pan Y, Phua KS, Ang KK, Kuah CW, et al. (January 2013). "Resting state changes in functional connectivity correlate with movement recovery for BCI and robot-assisted upper-extremity training after stroke". Neurorehabilitation and Neural Repair. 27 (1): 53–62. doi:10.1177/1545968312445910. PMID 22645108. S2CID 7120989.
  219. ^ Young BM, Nigogosyan Z, Remsik A, Walton LM, Song J, Nair VA, et al. (2014). "Changes in functional connectivity correlate with behavioral gains in stroke patients after therapy using a brain-computer interface device". Frontiers in Neuroengineering. 7: 25. doi:10.3389/fneng.2014.00025. PMC 4086321. PMID 25071547.
  220. ^ a b Yuan K, Chen C, Wang X, Chu WC, Tong RK (January 2021). "BCI Training Effects on Chronic Stroke Correlate with Functional Reorganization in Motor-Related Regions: A Concurrent EEG and fMRI Study". Brain Sciences. 11 (1): 56. doi:10.3390/brainsci11010056. PMC 7824842. PMID 33418846.
  221. ^ Mrachacz-Kersting N, Voigt M, Stevenson AJ, Aliakbaryhosseinabadi S, Jiang N, Dremstrup K, Farina D (November 2017). "The effect of type of afferent feedback timed with motor imagery on the induction of cortical plasticity". Brain Research. 1674: 91–100. doi:10.1016/j.brainres.2017.08.025. hdl:10012/12325. PMID 28859916. S2CID 5866337.
  222. ^ Opie N (2 April 2019). "Research Overview". University of Melbourne Medicine. University of Melbourne. Retrieved 5 December 2019.
  223. ^ Oxley TJ, Opie NL, John SE, Rind GS, Ronayne SM, Wheeler TL, et al. (March 2016). "Minimally invasive endovascular stent-electrode array for high-fidelity, chronic recordings of cortical neural activity". Nature Biotechnology. 34 (3): 320–327. doi:10.1038/nbt.3428. PMID 26854476. S2CID 205282364.
  224. ^ "Synchron begins trialling Stentrode neural interface technology". Verdict Medical Devices. 22 September 2019. Retrieved 5 December 2019.
  225. ^ Radzik I, Miziak B, Dudka J, Chrościńska-Krawczyk M, Czuczwar SJ (June 2015). "Prospects of epileptogenesis prevention". Pharmacological Reports. 67 (3): 663–668. doi:10.1016/j.pharep.2015.01.016. PMID 25933984. S2CID 31284248.
  226. ^ Ritaccio A, Brunner P, Gunduz A, Hermes D, Hirsch LJ, Jacobs J, et al. (December 2014). "Proceedings of the Fifth International Workshop on Advances in Electrocorticography". Epilepsy & Behavior. 41: 183–192. doi:10.1016/j.yebeh.2014.09.015. PMC 4268064. PMID 25461213.
  227. ^ Kim DH, Viventi J, Amsden JJ, Xiao J, Vigeland L, Kim YS, et al. (June 2010). "Dissolvable films of silk fibroin for ultrathin conformal bio-integrated electronics". Nature Materials. 9 (6): 511–517. Bibcode:2010NatMa...9..511K. doi:10.1038/nmat2745. PMC 3034223. PMID 20400953.
  228. ^ Boppart SA, Wheeler BC, Wallace CS (January 1992). "A flexible perforated microelectrode array for extended neural recordings". IEEE Transactions on Bio-Medical Engineering. 39 (1): 37–42. doi:10.1109/10.108125. PMID 1572679. S2CID 36593459.
  229. ^ Kim DH, Ghaffari R, Lu N, Rogers JA (2012). "Flexible and stretchable electronics for biointegrated devices". Annual Review of Biomedical Engineering. 14: 113–128. doi:10.1146/annurev-bioeng-071811-150018. PMID 22524391. S2CID 5223203.
  230. ^ Thompson CH, Zoratti MJ, Langhals NB, Purcell EK (April 2016). "Regenerative Electrode Interfaces for Neural Prostheses". Tissue Engineering. Part B, Reviews. 22 (2): 125–135. doi:10.1089/ten.teb.2015.0279. PMID 26421660.
  231. ^ a b Rabaey JM (September 2011). "Brain-machine interfaces as the new frontier in extreme miniaturization". 2011 Proceedings of the European Solid-State Device Research Conference (ESSDERC). pp. 19–24. doi:10.1109/essderc.2011.6044240. ISBN 978-1-4577-0707-0. S2CID 47542923.
  232. ^ Warneke B, Last M, Liebowitz B, Pister KS (January 2001). "Smart Dust: communicating with a cubic-millimeter computer". Computer. 34 (1): 44–51. doi:10.1109/2.895117. ISSN 0018-9162. S2CID 21557.

추가읽기

외부 링크

Wikimedia Commons에는 Brain-Computer 인터페이스와 관련된 미디어가 있습니다.
Scholia는 Brain-Computer 인터페이스에 대한 주제 프로파일을 가지고 있습니다.