EEG-baserede hjerne-computer-interface-database til motorisk rehabilitering

Den menneskelige hjerne kontrollerer som et behandlingscenter kropslige, kognitive, følelsesmæssige og sociale funktioner, hvilket muliggør opfattelse, signalanalyse og beslutningstagning. Imidlertid kan disse funktioner påvirkes af erhvervet hjerneskade (ABI), der er resultatet af traumatisk (blæser til hovedet) eller ikke-traumatiske faktorer (tumorer, slagtilfælde, infektioner, blandt andre). Årligt rapporteres ca. 55 millioner nye tilfælde af ABI med efterfølger, der kan påvirke livskvaliteten for patienter og deres familier. Dette scenarie har drevet forskning i værktøjer til at afbøde og gendanne mistede kapaciteter. Center for Rehabilitation Engineering and Neuromuskular and Sensory Research (Cirins) fra Fakultet for Engineering of National University of Entre Ríos i Argentina har udviklet neuromuskulære og sensoriske rehabiliteringssystemer med fokus på innovationen af ​​motoriske rehabiliteringsværktøjer ved hjælp af EEG-baserede hjerne-computer-grænseacaces (BCI). Disse BCI'er skiller sig ud for deres økonomi og alsidighed og viser betydelige effekter i rehabilitering af motoriske funktioner. Udfordringer i BCI inkluderer signalkompleksitet, artefakter og interpersonsvariabilitet, hvilket gør det vanskeligt at estimere brugerens intention og udvide kalibreringstiden. For at afbøde disse problemer er der foreslået strategier baseret på dyb læring og ordbogslæring, som giver mulighed for sparsomme repræsentationer af data, der er robust over for støj og manglende data, men med udfordringer i klassificering. Undersøgelsen foreslår at udvikle en database med elektroencefalografiske signaler, der gælder i udviklingen af ​​nye algoritmer til behandling og funktionsekstraktion af denne type signaler, hvilket bidrager til udviklingen af ​​teknologi, der understøtter rehabiliteringsprocesser.