Recientemente, un equipo de investigadores creó una red neuronal que puede recrear ondas cerebrales humanas en tiempo real. Según lo informado por el futurismoel equipo de investigación, compuesto por investigadores del Instituto de Física y Tecnología de Moscú (MIPT) y la corporación Neurobotics, pudo visualizar las ondas cerebrales de una persona al traducir las ondas con una red neuronal de visión por computadora, representándolas como imágenes.
Los resultados de el estudio se publicó en bioRxiv, y se publicó un video junto con el trabajo de investigación, que mostraba cómo la red reconstruía las imágenes. El equipo de investigación del MIPT espera que el estudio les ayude a crear sistemas de rehabilitación posteriores al accidente cerebrovascular que estén controlados por ondas cerebrales. Para crear dispositivos de rehabilitación para víctimas de accidentes cerebrovasculares, los neurobiólogos deben estudiar los procesos que utiliza el cerebro para codificar información. Una parte fundamental para comprender estos procesos es estudiar cómo las personas perciben la información del video. Según ZME Science, los métodos actuales de extracción de imágenes de ondas cerebrales normalmente analizan las señales que se originan en las neuronas, mediante el uso de implantes, o extraen imágenes mediante resonancia magnética funcional.
El equipo de investigación de Neurbiotics y MIPT utilizó electroencefalografía, o EEG, que registra ondas cerebrales recolectadas de electrodos colocados en el cuero cabelludo. En tales situaciones, las personas a menudo usan dispositivos que rastrean sus señales neuronales mientras miran un video o miran imágenes. El análisis de la actividad cerebral arrojó características de entrada que podrían usarse en un sistema de aprendizaje automático. El sistema de aprendizaje automático pudo reconstruir las imágenes que presenció una persona, mostrándolas en una pantalla en tiempo real.
El experimento se dividió en varias partes. En la primera fase del experimento, los investigadores hicieron que los sujetos vieran clips de 10 segundos de videos de YouTube durante unos 20 minutos. Había cinco categorías diferentes en las que se dividía el video: deportes de motor, rostros humanos, formas abstractas, cascadas y mecanismos en movimiento. Estas diferentes categorías pueden contener una variedad de objetos. Por ejemplo, la categoría de deportes de motor contenía clips de motos de nieve y motocicletas.
El equipo de investigación analizó los datos de EEG que se recopilaron mientras los participantes miraban los videos. Los EEG mostraban patrones específicos para cada uno de los diferentes videoclips, y esto significaba que el equipo podía potencialmente interpretar qué contenido veían los participantes en los videos más o menos en tiempo real.
La segunda fase del experimento tuvo tres categorías seleccionadas al azar. Se crearon dos redes neuronales para trabajar con estas dos categorías. La primera red generó imágenes aleatorias que pertenecían a una de tres categorías, creándolas a partir de ruido aleatorio que se refinó en una imagen. Mientras tanto, la otra red generaba ruido basado en los escaneos EEG. Se compararon los datos en ambas redes y las imágenes generadas aleatoriamente se actualizaron en función de los datos de ruido del EEG, hasta que las imágenes generadas se volvieron similares a las imágenes que estaban viendo los sujetos de prueba.
Una vez que se diseñó el sistema, los investigadores probaron la capacidad del programa para visualizar ondas cerebrales mostrando a los sujetos de prueba videos que aún no habían visto de las mismas categorías. Los EEG generados durante la segunda ronda de visualizaciones se entregaron a las redes, y las redes pudieron generar imágenes que se podían ubicar fácilmente en la categoría correcta el 90 % de las veces.
Los investigadores notaron que los resultados de su experimento fueron sorprendentes porque durante mucho tiempo se supuso que no había suficiente información en un EEG para reconstruir las imágenes observadas por las personas. Sin embargo, los resultados del equipo de investigación demostraron que se puede hacer.
Vladimir Konyshev, jefe del Laboratorio de Neurorobótica del MIPT, explicó que aunque el equipo de investigación actualmente se enfoca en crear tecnologías de asistencia para personas discapacitadas, la tecnología en la que están trabajando podría usarse para crear dispositivos de control neuronal para la población en general en algún momento. punto. Konyshev explicó a TechXplore:
“Estamos trabajando en el proyecto de Tecnologías de Asistencia de Neuronet de la Iniciativa Tecnológica Nacional, que se centra en la interfaz cerebro-computadora que permite a los pacientes después de un accidente cerebrovascular controlar un brazo de exoesqueleto con fines de neurorrehabilitación, o pacientes paralizados para conducir una silla de ruedas eléctrica, por ejemplo. El objetivo final es aumentar la precisión del control neuronal también para las personas sanas”.