將新型的納米膜電極與柔性電子設備和深度學習算法相結合，可以幫助殘疾人無線控制電動輪椅，與計算機交互或操作小型機器人車輛，而無需戴上笨重的頭發(fā)電極帽或與電線抗爭。

通過提供一個完全便攜式的無線腦機接口(BMI)，該可穿戴系統(tǒng)可以對傳統(tǒng)的腦電圖(EEG)進行改進，以測量人腦中視覺誘發(fā)電位的信號。該系統(tǒng)測量BMI的EEG信號的能力已由6位人類受試者進行了評估，但尚未針對殘疾人進行過研究。

該項目由來自肯特大學和威奇托州立大學的喬治亞理工學院的研究人員進行，于9月11日在《自然機器智能》雜志上進行了報道。

佐治亞理工學院喬治W.伍德拉夫學院的助理教授Woon-Hong Yeo說：“這項工作報告了為各種輔助設備，智能家居系統(tǒng)和神經游戲接口設計符合人體工程學的便攜式EEG系統(tǒng)的基本策略。”機械工程和Wallace H. Coulter生物醫(yī)學工程系。“主要的創(chuàng)新在于在微型皮膚保形系統(tǒng)中開發(fā)了高分辨率腦電監(jiān)測系統(tǒng)和電路的全集成套件。”

BMI是康復技術的重要組成部分，可使患有肌萎縮性側索硬化癥(ALS)，慢性中風或其他嚴重運動障礙的人控制假肢系統(tǒng)。現(xiàn)在，要收集被稱為穩(wěn)態(tài)虛擬誘發(fā)電位(SSVEP)的大腦信號，就需要使用帶有電極的發(fā)帽，該發(fā)帽使用濕的電極，粘合劑和電線與解釋信號的計算機設備連接。

Yeo和他的合作者正在利用可以輕松應用于皮膚的新型柔性無線傳感器和電子設備。該系統(tǒng)包括三個主要組成部分：高度靈活的，安裝在頭發(fā)上的電極，可通過頭發(fā)與頭皮直接接觸;超薄納米膜電極;帶有藍牙遙測單元的柔軟靈活的電路。大腦記錄的腦電圖數(shù)據(jù)在柔性電路中進行處理，然后通過藍牙從15米外無線傳輸?shù)狡桨咫娔X。

除了感測要求之外，由于信號幅度低，在幾十微伏的范圍內，類似于人體的電噪聲，因此檢測和分析SSVEP信號一直具有挑戰(zhàn)性。研究人員還必須應對人腦的變異。然而，準確測量信號對于確定用戶希望系統(tǒng)做什么至關重要。

為了應對這些挑戰(zhàn)，研究團隊轉向了在柔性電路板上運行的深度學習神經網(wǎng)絡算法。

肯特大學多媒體/數(shù)字系統(tǒng)高級講師Chee Siang(Jim)Ang說：“通常用于對諸如貓和狗等日常事物進行分類的深度學習方法，用于分析EEG信號。”“就像狗的圖片可能會有很多變化一樣，EEG信號也面臨著高可變性的挑戰(zhàn)。深度學習方法已被證明可以很好地適用于圖片，并且我們證明它們也可以很好地與EEG信號一起使用。”