Eine minimal invasive Low-Power-Plattform für die Echtzeit-Interaktion zwischen Gehirn und Computer basierend auf kanonischer Korrelationsanalyse

Ein wachsender Trend in der Mensch-Computer-Interaktion besteht darin, rechnerische Fähigkeiten in tragbare Geräte zu integrieren, um anspruchsvolle und natürliche Interaktionsmodalitäten zu ermöglichen. Direkt durch die Decodierung neuronaler Aktivität zu agieren, ist eine sehr natürliche Art der Interaktion und eines der grundlegenden Paradigmen von Gehirn-Computer-Schnittstellen (BCIs). In diesem Papier präsentieren wir einen tragbaren Internet der Dinge-Knoten, der für das BCI-Rechtschreiben konzipiert wurde. Das System basiert auf der Erkennung visuell evozierter Potenziale und führt die kanonische Korrelationsanalyse auf einem energieeffizienten Mikrocontroller durch. Neuronale Daten werden durch ein Array aktiver Trocken-Elektroden zur Elektroenzephalografie erfasst, das sich für eine minimal invasive Schnittstelle eignet. Um unsere Lösung zu bewerten, optimierten wir das System an acht Probanden und testeten es an fünf verschiedenen Probanden für vier und acht Stimuli, wobei wir eine Spitzenübertragungsrate von 1,57 b/s erreichten, die mit denen vergleichbar ist, die von modernen nicht eingebetteten Systemen erzielt werden. Der Stromverbrauch des Geräts liegt unter 30 mW, was zu 122 Stunden Betriebszeit mit einer Standard-1000-mAh-Batterie führt.