Cuerpo del aviso
Con el apoyo de una subvención de $ 175,000 de la Fundación Nacional de Ciencias, o NSF, un investigador de la Facultad de Ciencias y Matemáticas de la Universidad de Auburn está trabajando para mejorar las capacidades de la interfaz cerebro-computadora , o BCI, un avance que tiene un amplio potencial para ayudar a las personas con discapacidades motoras graves, detectar y diagnosticar problemas de salud y proporcionar nuevas interfaces para juegos y otros usos.
Jingyi "Ginny" Zheng, profesora asistente en el Departamento de Matemáticas y Estadística, recibió su premio de la División de Fundamentos de Computación y Comunicación de la NSF por su proyecto "Hacia un marco basado en múltiples para el cerebro-computadora". Interfaz.”
“Estamos trabajando para mejorar el marco estadístico actual sobre el cual opera BCI utilizando una nueva medida para cuantificar las diferencias en la conectividad del cerebro humano”, dijo Zheng.
BCI como tecnología ha existido durante varios años, dice Zheng. Sin embargo, su funcionalidad actual está limitada por su marco matemático.
"La medición actual utilizada en BCI para cuantificar las diferencias en la conectividad cerebral no es sólida y es ineficiente", dijo Zheng. “Buscamos actualizar el sistema BCI mediante el desarrollo de un marco estadístico utilizando una nueva medida matemática para cuantificar las diferencias en las matrices de conectividad cerebral”.
BCI funciona vinculando el cerebro humano a una minicomputadora. El usuario usa un auricular especial que capta las ondas cerebrales y las transmite a un dispositivo de grabación basado en computadora. Esta mini computadora traduce la onda cerebral humana, esencialmente un pensamiento, en una respuesta mecánica.
“Por ejemplo, una persona con discapacidad motora severa confinada a una silla de ruedas podría operar y maniobrar su silla mediante un proceso de pensamiento usando un BCI dispositivo”, dijo Zheng. “Durante las últimas décadas, se han implementado numerosos métodos en BCI para decodificar y traducir señales cerebrales. Sin embargo, los BCI todavía tienen baja robustez y baja confiabilidad, ya que son sensibles a los artefactos, el ruido, los valores atípicos y requieren un largo proceso de calibración”.
La investigación de Zheng tiene como objetivo construir un marco basado en múltiples que mejorará la robustez de las tecnologías BCI y ampliar las aplicaciones prácticas. El proyecto está financiado hasta 2024 y Zheng dijo que, una vez que se mejoren las capacidades de BCI, la tecnología tiene potencial no solo en los campos de la salud y la medicina, sino también en biología, neurociencia, agricultura, teledetección, visión artificial y otras áreas.
Zheng se unió a la facultad de Auburn en 2019. Sus intereses de investigación se encuentran en áreas de ciencia de datos, aprendizaje automático y computación basada en datos. También imparte varios cursos de estadística en la Facultad de Ciencias y Matemáticas.
(Escrito por Mitch Emmons)
