Opis projektu
W kierunku zaawansowanych interfejsów mózg–komputer
Interfejsy mózg–komputer pozwalają ominąć układ kostno-mięśniowy, pomagając osobom sparaliżowanym w kontroli i komunikacji. Jednak pomimo ich zastosowania w rehabilitacji zaburzeń neuromotorycznych, dokładność sensorycznych informacji zwrotnych jest nadal bardzo nierówna, co ogranicza wykorzystanie tych technologii w codziennym życiu. Naukowcy biorący udział w finansowanym przez UE projekcie BCINET proponują rozwiązanie tego problemu poprzez stworzenie nowej generacji interfejsów mózg–komputer, które nie opierają się wyłącznie na danych z wybranych regionów mózgu, ale integrują informacje z sieci mózgowej użytkownika. Dzięki połączeniu neuroobrazowania i metod eksperymentalnych w nowoczesnym modelu obliczeniowym pozwolą one na badanie dynamiki mózgu w celu poprawy architektury i dokładności interfejsów mózg–komputer. Projekt ten powinien nie tylko przyczynić się do udoskonalenia interfejsów mózg–komputer, ale także pomóc w opracowaniu rozwiązań umożliwiających przywracanie funkcji motorycznych po udarze.
Cel
Human-computer interfaces are increasingly explored to facilitate interaction with the external world. Brain-computer interfaces (BCIs), bypassing the skeletomuscular system, are particularly promising for assisting paralyzed people in control and communication, but also for boosting neuromotor rehabilitation.
Despite their potential, the societal impact of BCIs is dramatically limited by the poor usability in real-life applications. While many solutions have been proposed - from the identification of the best classification algorithm to the type of sensory feedback - the accuracy is still highly variable across subjects and BCIs cannot be used by everyone. Critically, these approaches have implicitly assumed that the user’s intent could be decoded by examining the activity of single brain areas. Today, we know that this is not true as the brain functioning essentially depends on a complex network of interactions between differently specialized areas.
The grand challenge of this project is to develop a novel generation of BCIs that integrate the user’s brain network information for enhancing accuracy and usability. Based on this approach, we will experiment innovative BCI prototypes to restore the lost motor functions in patients suffering from stroke.
This project relies on a unifying framework that analyses and models brain networks by means of analytical tools derived from graph theory and complex systems science. By recruiting diverse neuroimaging and experimental methods, within a modern computational framework, we aim to i) identify new control features for enhancing BCI accuracy, ii) study the brain dynamics of human learning for improving adaptive BCI architectures, and iii) optimize brain stimulation techniques for boosting BCI skill acquisition.
This project can significantly improve BCI usability as well as determining how brain lesions compromise brain functioning and which solutions are most effective to unlock motor restoration after stroke.
Dziedzina nauki
Słowa kluczowe
Program(-y)
Temat(-y)
System finansowania
ERC-COG - Consolidator GrantInstytucja przyjmująca
78153 Le Chesnay Cedex
Francja