Notice body
Soutenu par une subvention de 175 000 $ de la National Science Foundation, ou NSF, un chercheur du Collège des sciences et des mathématiques de l'Université d'Auburn travaille à l'amélioration des capacités de l'interface cerveau-ordinateur , ou BCI, une avancée qui a un grand potentiel pour aider les personnes atteintes de déficiences motrices graves, détecter et diagnostiquer les problèmes de santé et fournir de nouvelles interfaces pour les jeux et d'autres utilisations.
Jingyi « Ginny » Zheng, professeure adjointe au Département de mathématiques et de statistique, a reçu son prix de la Division des fondements de l'informatique et de la communication de la NSF pour son projet « Towards A Manifold-based Framework for the Brain-Computer Interface."
"Nous travaillons à améliorer le cadre statistique actuel sur lequel BCI opère en utilisant une nouvelle mesure pour quantifier les différences dans la connectivité du cerveau humain", a déclaré Zheng.
BCI comme une technologie existe depuis un certain nombre d'années, dit Zheng. Cependant, sa fonctionnalité actuelle est limitée par son cadre mathématique.
"La mesure actuelle utilisée dans la BCI pour quantifier les différences de connectivité cérébrale n'est pas robuste et est inefficace", a déclaré Zheng. "Nous cherchons à améliorer le système BCI en développant un cadre statistique utilisant une nouvelle mesure mathématique pour quantifier les différences dans les matrices de connectivité cérébrale."
BCI fonctionne en reliant le cerveau humain à un mini-ordinateur. L'utilisateur porte un casque spécial qui capte les ondes cérébrales et les transmet à un appareil d'enregistrement informatisé. Ce mini-ordinateur traduit l'onde cérébrale humaine - essentiellement une pensée - en une réponse mécanique.
"Par exemple, une personne gravement handicapée motrice confinée à un fauteuil roulant, pourrait faire fonctionner et manœuvrer sa chaise par un processus de pensée à l'aide d'un BCI appareil », a déclaré Zheng. « Au cours des dernières décennies, de nombreuses méthodes ont été mises en œuvre dans les BCI pour décoder et traduire les signaux cérébraux. Cependant, les BCI souffrent toujours d'une faible robustesse et d'une faible fiabilité car ils sont sensibles aux artefacts, au bruit, aux valeurs aberrantes et nécessitent un long processus d'étalonnage."
Les recherches de Zheng visent à construire un cadre basé sur une variété qui améliorera la robustesse des technologies BCI et élargir les applications pratiques. Le projet est financé jusqu'en 2024 et Zheng a déclaré qu'une fois les capacités de la BCI améliorées, la technologie a un potentiel non seulement dans les domaines de la santé et de la médecine, mais également dans la biologie, les neurosciences, l'agriculture, la télédétection, la vision par ordinateur et d'autres domaines.
Zheng a rejoint la faculté d'Auburn en 2019. Ses intérêts de recherche portent sur les domaines de la science des données, de l'apprentissage automatique et de l'informatique pilotée par les données. Elle enseigne également plusieurs cours de statistique au Collège des sciences et des mathématiques.
(Écrit par Mitch Emmons)
