Novo estudo mostra que imagens cerebrais não invasivas podem distinguir entre gestos de mão

Pesquisadores da Universidade da Califórnia em San Diego descobriram uma maneira de distinguir entre os gestos das mãos que as pessoas estão fazendo, examinando apenas dados de imagens cerebrais não invasivas, sem informações das próprias mãos. Os resultados são um passo inicial no desenvolvimento de uma interface cérebro-computador não invasiva que pode um dia permitir que pacientes com paralisia, membros amputados ou outros desafios físicos usem sua mente para controlar um dispositivo que auxilia nas tarefas diárias.

A pesquisa, recentemente publicada on-line antes da impressão na revista Córtex cerebralrepresenta os melhores resultados até agora em distinguir gestos de mão única usando uma técnica completamente não invasiva, neste caso, a magnetoencefalografia (MEG).

“Nosso objetivo era contornar os componentes invasivos”, disse o autor sênior do artigo, Mingxiong Huang, Ph.D., co-diretor do MEG Center no Qualcomm Institute na UC San Diego. Huang também é afiliado ao Departamento de Engenharia Elétrica e de Computação da Escola de Engenharia Jacobs da UC San Diego e ao Departamento de Radiologia da Escola de Medicina da UC San Diego, bem como ao Sistema de Saúde de San Diego para Assuntos de Veteranos (VA). “MEG oferece uma opção segura e precisa para desenvolver um interface cérebro-computador que poderia, em última análise, ajudar os pacientes.”

Os pesquisadores destacaram as vantagens do MEG, que usa um capacete com um conjunto de 306 sensores embutidos para detectar os campos magnéticos produzidos por correntes elétricas neuronais que se movem entre os neurônios no cérebro. Técnicas alternativas de interface cérebro-computador incluem eletrocorticografia (ECoG), que requer a implantação cirúrgica de eletrodos na superfície do cérebro, e eletroencefalografia do couro cabeludo (EEG), que localiza a atividade cerebral com menos precisão.

“Com o MEG, posso ver o cérebro pensando sem tirar o crânio e colocar eletrodos no próprio cérebro”, disse o co-autor do estudo Roland Lee, MD, diretor do MEG Center no UC San Diego Qualcomm Institute, professor emérito de radiologia na Escola de Medicina da UC San Diego e médico do VA San Diego Healthcare System. “Eu só tenho que colocar o capacete MEG na cabeça deles. Não há eletrodos que possam quebrar quando implantados dentro da cabeça; nenhuma cirurgia cerebral delicada e cara; nenhuma possível infecção cerebral.”

Lee compara a segurança do MEG a medir a temperatura de um paciente. “MEG mede a energia magnética que seu cérebro está emitindo, como um termômetro mede o calor que seu corpo emite. Isso o torna completamente não invasivo e seguro.”

Pedra Papel Tesoura

O presente estudo avaliou a capacidade de usar MEG para distinguir entre gestos de mão feitos por 12 voluntários. Os voluntários foram equipados com o capacete MEG e instruídos aleatoriamente a fazer um dos gestos utilizados no jogo Pedra, Papel e Tesoura (como em estudos anteriores desse tipo). As informações funcionais do MEG foram sobrepostas às imagens de ressonância magnética, que forneceram informações estruturais do cérebro.

Para interpretar os dados gerados, Yifeng (“Troy”) Bu, Ph.D. em engenharia elétrica e de computação. estudante da UC San Diego Jacobs School of Engineering e primeiro autor do artigo, escreveu um modelo de aprendizado profundo de alto desempenho chamado MEG-RPSnet.

“A característica especial desta rede é que ela combina recursos espaciais e temporais simultaneamente”, disse Bu. “Essa é a principal razão pela qual funciona melhor do que os modelos anteriores.”

Quando os resultados do estudo chegaram, os pesquisadores descobriram que suas técnicas poderiam ser usadas para distinguir entre gestos de mão com mais de 85% de precisão. Esses resultados foram comparáveis ​​aos de estudos anteriores com um tamanho de amostra muito menor usando a interface invasiva cérebro-computador ECoG.

A equipe também descobriu que as medições MEG de apenas metade das regiões cerebrais amostradas poderiam gerar resultados com apenas uma pequena (2-3%) perda de precisão, indicando que os futuros capacetes MEG podem exigir menos sensores.

Olhando para o futuro, Bu observou: “Este trabalho constrói uma base para o desenvolvimento futuro da interface cérebro-computador baseada em MEG”.

Além de Huang, Lee e Bu, o artigo “Interface cérebro-computador baseada em magnetoencefalograma para decodificação de gestos manuais usando aprendizado profundo” foi escrito por Deborah L. Harrington, Qian Shen e Annemarie Angeles-Quinto da VA San Diego Healthcare Sistema e Escola de Medicina da UC San Diego; Hayden Hansen do VA San Diego Healthcare System; Zhengwei Ji, Jaqueline Hernandez-Lucas, Jared Baumgartner, Tao Song e Sharon Nichols da Escola de Medicina da UC San Diego; Dewleen Baker do VA Centro de Excelência para Stress e Saúde Mental e UC San Diego School of Medicine; Imanuel Lerman da UC San Diego, sua Escola de Medicina e VA Centro de Excelência para Estresse e Saúde Mental; e Ramesh Rao (diretor do Qualcomm Institute), Tuo Lin e Xin Ming Tu da UC San Diego.