www.amazon.com.br/gp/product/B00WQ3MHKU?%2AVersion%2A=1&%2Aentries%2A=0

quarta-feira, 21 de novembro de 2012

Ciência cria cursor controlado pela mente


Cursor controlado pelo pensamento sabe a hora certa de parar

Baseado em texto de Kelly Servick - 21/11/2012
Cursor controlado pelo pensamento sabe a hora certa de parar
O novo algoritmo (à direita) decodifica os sinais neurais com uma precisão que representa um salto em relação aos modelos anteriores. [Imagem: Vikash Gilja/Stanford University]
Próteses neurais
Quando uma pessoa com paralisia imagina mover o membro paralisado, os neurônios da parte do cérebro que controlam aquele movimento ainda disparam como se estivessem tentando fazer o membro imóvel mexer-se novamente.
Apesar da lesão neurológica ou da doença que rompeu a via entre o cérebro e o músculo, a região onde os sinais são emitidos permanece intacta e funcional.
Nos últimos anos, neurocientistas e neuroengenheiros que trabalham com próteses começaram a desenvolver sensores implantáveis no cérebro que podem medir sinais a partir de neurônios individuais.
Depois de submeter esses sinais a um algoritmo matemático para decodificação, eles os utilizaram para controlar cursores de computador apenas com o pensamento. Essa área de estudo é conhecida como protética neural.
Algoritmo neural
Uma equipe de pesquisadores da Universidade de Stanford, nos Estados Unidos, desenvolveu agora um novo algoritmo, chamado ReFIT (REcalibrated Feedback InTention, intenção de feedback recalibrada, em tradução livre).
O algoritmo melhora muito a velocidade e a precisão das próteses neurais que controlam os cursores na tela do computador.
Em demonstrações lado a lado com macacos-rhesus, cursores controlados pelo algoritmo ReFIT duplicaram o desempenho dos sistemas existentes, aproximando-se do desempenho do braço real.
Melhor ainda, mais de quatro anos após a implantação, o novo sistema continua funcionando de forma robusta, enquanto os sistemas anteriores apresentam uma diminuição constante de desempenho ao longo do tempo.
"Essas descobertas podem levar a um desempenho e robustez muito melhores das próteses implantadas em pessoas com paralisia, algo que estamos buscando ativamente como parte dos testes clínicos [com a plataforma] BrainGate," disse Krishna Shenoy, coordenador do experimento.
Cursor controlado pelo pensamento sabe a hora certa de parar
Comparação de desempenho entre o braço real (esquerda), o novo algortimo (centro) e o algoritmo anterior com melhor desempenho (direita). [Imagem: Vikash Gilja/Stanford University]
Monitor neural em tempo real
O sistema se baseia em um chip de silício implantado no cérebro, que registra "potenciais de ação" na atividade neural a partir de uma matriz de eletrodos, e envia os dados para um computador.
A frequência com que os potenciais de ação são gerados fornece as informações sobre a direção e a velocidade do movimento pretendido.
O algoritmo ReFIT decodifica esses sinais com uma precisão que representa um salto em relação aos modelos anteriores.
Na maioria das pesquisas com próteses neurais controladas pelo pensamento, os cientistas gravam a atividade cerebral enquanto o usuário move ou imagina mover um braço, e analisam os dados a posteriori.
O pesquisador Vikash Gilja descobriu como fazer isso on-line, em um circuito fechado de controle no qual o computador analisa e implementa o feedback visual capturado em tempo real, conforme o macaco controla neuralmente o cursor rumo a um alvo na tela.
Por estranho que pareça, um dos elementos fundamentais do trabalho de Gilja foi a forma de parar o cursor, e não de movê-lo.
Embora os algoritmos anteriores atinjam o alvo quase tão rapidamente quanto o novo algoritmo, eles muitas vezes ultrapassam o destino, exigindo tempo para trazer o cursor de volta, sendo necessárias várias passagens para "clicar" no alvo.
Bibliografia:

A high-performance neural prosthesis enabled by control algorithm design
Vikash Gilja, Paul Nuyujukian, Cindy A. Chestek, John P. Cunningham, Byron M. Yu, Joline M. Fan, Mark M. Churchland, Matthew T. Kaufman, Jonathan C. Kao, Stephen I. Ryu, Krishna V. Shenoy
Nature Neuroscience
Vol.: Published online
DOI: 10.1038/nn.3265

Nenhum comentário:

https://www.amazon.com.br/dp/B06XX75VKJ