Dalam studi baru dari Qualcomm Institute di UC San Diego, para relawan dilengkapi dengan helm MEG dan secara acak diinstruksikan untuk membuat salah satu gerakan yang digunakan dalam game Rock Paper Scissors. Model deep learning berperforma tinggi menginterpretasikan data MEG, membedakan gerakan tangan dengan akurasi lebih dari 85%. Kredit: MEG Center di UC San Diego Qualcomm Institute
Para peneliti dari University of California San Diego telah menemukan cara untuk membedakan gerakan tangan yang dilakukan orang dengan hanya memeriksa data dari pencitraan otak non-invasif, tanpa informasi dari tangan itu sendiri. Hasilnya adalah langkah awal dalam mengembangkan antarmuka otak-komputer non-invasif yang suatu hari nanti memungkinkan pasien dengan kelumpuhan, anggota tubuh yang diamputasi, atau tantangan fisik lainnya menggunakan pikiran mereka untuk mengontrol perangkat yang membantu tugas sehari-hari.
Penelitian, yang baru-baru ini dipublikasikan secara online sebelum dicetak di jurnal Cerebral Cortex, mewakili hasil terbaik sejauh ini dalam membedakan gerakan satu tangan menggunakan teknik yang sepenuhnya non-invasif, dalam hal ini, magnetoencephalography (MEG).
“Tujuan kami adalah untuk mem-bypass komponen invasif,” kata penulis senior makalah itu Mingxiong Huang, Ph.D., salah satu direktur MEG Center di Institut Qualcomm di UC San Diego. Huang juga berafiliasi dengan Departemen Teknik Elektro dan Komputer di Fakultas Teknik UC San Diego Jacobs dan Departemen Radiologi di Fakultas Kedokteran UC San Diego, serta Sistem Kesehatan Veterans Affairs (VA) San Diego. “MEG memberikan opsi yang aman dan akurat untuk mengembangkan antarmuka otak-komputer yang pada akhirnya dapat membantu pasien.”
Para peneliti menggarisbawahi keunggulan MEG, yang menggunakan helm dengan susunan 306 sensor tertanam untuk mendeteksi medan magnet yang dihasilkan oleh arus listrik saraf yang bergerak di antara neuron di otak. Teknik antarmuka otak-komputer alternatif termasuk elektrokortikografi (ECoG), yang membutuhkan implantasi elektroda pada permukaan otak, dan elektroensefalografi kulit kepala (EEG), yang menempatkan aktivitas otak dengan kurang tepat.
Penelitian baru dari Institut Qualcomm di UC San Diego menggunakan pembelajaran mesin dan teknik pencitraan non-invasif yang disebut magnetoencephalography (MEG). Diilustrasikan di sini adalah helm MEG 306-sensor yang mendeteksi aktivitas saraf di otak dengan mengukur medan magnet. Kredit: MEG Center di UC San Diego Qualcomm Institute
“Dengan MEG, saya bisa melihat otak berpikir tanpa melepas tengkorak dan meletakkan elektroda di otak itu sendiri,” kata rekan penulis studi Roland Lee, MD, direktur MEG Center di UC San Diego Qualcomm Institute, profesor emeritus dari radiologi di UC San Diego School of Medicine, dan dokter dengan VA San Diego Healthcare System. “Saya hanya perlu memasang helm MEG di kepala mereka. Tidak ada elektroda yang bisa pecah saat ditanamkan di dalam kepala; tidak ada operasi otak yang rumit dan mahal; tidak ada kemungkinan infeksi otak.”
Lee menyamakan keamanan MEG dengan mengukur suhu pasien. “MEG mengukur energi magnetik yang dikeluarkan otak Anda, seperti termometer yang mengukur panas yang dikeluarkan tubuh Anda. Itu membuatnya benar-benar tidak invasif dan aman.”
Batu gunting kertas
Studi saat ini mengevaluasi kemampuan menggunakan MEG untuk membedakan antara gerakan tangan yang dilakukan oleh 12 subjek sukarelawan. Para relawan dilengkapi dengan helm MEG dan secara acak diinstruksikan untuk membuat salah satu gestur yang digunakan dalam game Rock Paper Scissors (seperti pada penelitian sejenis sebelumnya). Informasi fungsional MEG ditumpangkan pada gambar MRI, yang memberikan informasi struktural pada otak.
Untuk menginterpretasikan data yang dihasilkan, Yifeng (“Troy”) Bu, Ph.D. mahasiswa di UC San Diego Jacobs School of Engineering dan penulis pertama makalah ini, menulis model pembelajaran mendalam berkinerja tinggi yang disebut MEG-RPSnet.
“Keistimewaan jaringan ini adalah menggabungkan fitur spasial dan temporal secara bersamaan,” kata Bu. “Itulah alasan utamanya bekerja lebih baik daripada model sebelumnya.”
Ketika hasil penelitian masuk, para peneliti menemukan bahwa teknik mereka dapat digunakan untuk membedakan gerakan tangan dengan akurasi lebih dari 85%. Hasil ini sebanding dengan penelitian sebelumnya dengan ukuran sampel yang jauh lebih kecil menggunakan antarmuka otak-komputer ECoG invasif.
Tim juga menemukan bahwa pengukuran MEG dari hanya separuh wilayah otak yang diambil sampelnya dapat menghasilkan hasil dengan hanya sedikit (2—3%) kehilangan akurasi, yang menunjukkan bahwa helm MEG di masa mendatang mungkin memerlukan lebih sedikit sensor.
Ke depan, Bu mencatat, “Pekerjaan ini membangun fondasi untuk pengembangan antarmuka otak-komputer berbasis MEG di masa depan.”
Selain Huang, Lee dan Bu, artikel, “antarmuka otak-komputer berbasis Magnetoencephalogram untuk decoding gerakan tangan menggunakan pembelajaran mendalam,” ditulis oleh Deborah L. Harrington, Qian Shen dan Annemarie Angeles-Quinto dari VA San Diego Healthcare Sistem dan Fakultas Kedokteran UC San Diego; Hayden Hansen dari VA San Diego Healthcare System; Zhengwei Ji, Jaqueline Hernandez-Lucas, Jared Baumgartner, Tao Song dan Sharon Nichols dari Fakultas Kedokteran UC San Diego; Dewleen Baker dari VA Center of Excellence untuk Stres dan Kesehatan Mental dan Fakultas Kedokteran UC San Diego; Imanuel Lerman dari UC San Diego, Fakultas Kedokteran dan Pusat Keunggulan VA untuk Stres dan Kesehatan Mental; dan Ramesh Rao (direktur Institut Qualcomm), Tuo Lin dan Xin Ming Tu dari UC San Diego.
Informasi lebih lanjut: Yifeng Bu et al, antarmuka otak-komputer berbasis Magnetoencephalogram untuk decoding gerakan tangan menggunakan pembelajaran mendalam, Cerebral Cortex (2023). DOI: 10.1093/cercor/bhad173
Disediakan oleh University of California – San Diego
Kutipan: Studi baru menunjukkan pencitraan otak noninvasif dapat membedakan antara gerakan tangan (2023, 20 Mei) diambil 20 Mei 2023 dari https://medicalxpress.com/news/2023-05-noninvasive-brain-imaging-distinguish-gestures.html
Dokumen ini tunduk pada hak cipta. Terlepas dari kesepakatan yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.