Verificado por 
Inteligencia Artificial
La inteligencia artificial y realidad virtual transforman los pensamientos en acciones
El nuevo ICC inalámbrico utiliza IA y realidad virtual para convertir las imágenes cerebrales en acción.
29 de julio de 2021 Revisado por Kaja Perina
El objetivo de las interfaces cerebro-computadora (ICC), también llamadas interfaces cerebro-máquina (ICM), es mejorar la calidad de vida y restaurar las capacidades de las personas con discapacidades físicas. La semana pasada, investigadores del Instituto de Tecnología de Georgia y sus colaboradores globales publicaron un nuevo estudio en Ciencia Avanzada que muestra una interfaz inalámbrica cerebro-computadora que utiliza el aprendizaje profundo de realidad virtual (VR) e inteligencia artificial (IA) para convertir imágenes cerebrales en acciones.
Se espera que la industria de la interfaz cerebro-computadora alcance los USD 3.7 mil millones de dólares para 2027 con una tasa de crecimiento anual compuesta del 15.5 por ciento durante 2020-2027 según Grandview Research.
"Las imágenes motoras ofrecen una excelente oportunidad como paradigma libre de estímulos para las interfaces cerebro-máquina", escribió Woon-Hong Yeo en el Instituto de Tecnología de Georgia, cuyo laboratorio dirigió el estudio en colaboración con la Universidad de Kent en el Reino Unido y la Universidad de Yonsei en la República de Corea.
El sistema de IA, VR con ICC se evaluó en cuatro participantes humanos sanos, según un comunicado emitido el martes por el Instituto de Tecnología de Georgia.
Las interfaces cerebro-computadora ayudan a aquellos que están físicamente discapacitados debido al síndrome de enclaustramiento, lesiones cerebrales, parálisis u otras enfermedades y trastornos que afectan la función motora. Más de 131 millones de personas en todo el mundo usan una silla de ruedas según estimaciones de la Wheelchair Foundation, y en los Estados Unidos, se estima que 5.4 millones de personas viven con parálisis según la Fundación Christopher & Dana Reeve.
“La electroencefalografía convencional (EEG) para imágenes motoras requiere una gorra con múltiples electrodos alambrados y geles desordenados, lo que provoca artefactos de movimiento”, escribió el equipo de científicos.
Por el contrario, el nuevo ICC ofrece un sistema electrónico portátil de bajo perfil para el cuero cabelludo con realidad virtual (VR), circuitos inalámbricos y electrodos de microagujas.
“Para los sistemas móviles, se prefieren los electrodos secos debido a que los tiempos de preparación son cortos, no irrita la piel y tiene un excelente rendimiento a largo plazo”, escribieron los investigadores. “Además, a menudo funcionan mejor que los sensores de EEG basados en gel, al tiempo que brindan portabilidad a largo plazo sin una calidad de señal reducida”.
Según los científicos, la realidad virtual proporciona imágenes consistentes, así como una bioretroalimentación clara e instantánea cuando se maneja la variación del sujeto en la respuesta detectable del EEG a las imágenes motoras.
"El sistema suave portátil ofrece un área de superficie de contacto ventajosa y una densidad de impedancia de electrodo reducida, lo que da como resultado señales de EEG y precisión de clasificación significativamente mejoradas".
Los científicos aplicaron el aprendizaje automático de inteligencia artificial a los datos generados en el dominio del tiempo. Específicamente, utilizaron un modelo de red neuronal convolucional (RNC) para el preprocesamiento y clasificación de las señales cerebrales de imágenes motoras. El aprendizaje profundo de IA se utilizó para descomponer características espaciales de múltiples fuentes dipolares ubicadas en la corteza motora del cerebro.
Las redes neuronales convolucionales son un tipo común de redes neuronales de aprendizaje profundo que son adecuadas para tareas de clasificación de imágenes y reconocimiento de objetos. Las redes neuronales artificiales son un subconjunto del aprendizaje automático formado por una capa de entrada, una o más capas ocultas y una capa de salida. Las RNC se basan en el modelo del cerebro biológico con múltiples capas de nodos que actúan como neuronas artificiales. La primera capa de la red es una capa convolucional, seguida de capas agrupadas, con una capa completamente conectada (FC) como capa final. Cada capa tiene nodos interconectados que actúan como neuronas artificiales con un peso y un umbral asociados. Cuando la salida de un solo nodo es mayor que el valor umbral, el nodo se activa y los datos se pasan a la siguiente capa de la red.
Las RNC requieren menos procesamiento previo de las imágenes. Una convolución es una operación matemática en dos funciones que producen una tercera función que expresa cómo la forma de una cambia por la otra.
“La combinación con el aprendizaje automático de la red neuronal convolucional proporciona una interfaz cerebro-máquina continua basada en imágenes motoras en tiempo real”, concluyeron los investigadores. "Con cuatro sujetos humanos, el sistema electrónico del cuero cabelludo ofrece una alta precisión de clasificación (93,22 ± 1.33% para cuatro clases), lo que permite el control inalámbrico en tiempo real de un juego de realidad virtual".
El Instituto de Tecnología de Georgia tiene una patente pendiente para la interfaz inalámbrica cerebro-computadora.
Derechos de autor © 2021 Cami Rosso Todos los derechos reservados.
A version of this article originally appeared in English.
