Clear Sky Science · he

מדדי דמיון זמני מבוססי מרחק לבחירה אדפטיבית של ערוצים במסגרת BCI רב-מודאלית EEG-fNIRS

· חזרה לאינדקס

לעזור למוחות לתקשר עם מכונות

לאנשים שאינם יכולים לזוז או לדבר, ממשקי מוח–מחשב מבטיחים דרך לתקשר רק באמצעות המחשבות שלהם. אך להפוך אותות מוח גולמיים לפקודות בקרה אמינות דומה לניסיון לנהל שיחה באצטדיון מלא: יש כמות עצומה של נתונים והרבה יותר רעש. המחקר הזה מציג דרך פשוטה אך עוצמתית לצמצם את זרמי הנתונים כך שמחשבים יגיבו מהר יותר, מבלי לאבד את מה שהמוח מנסה להעביר.

Figure 1
Figure 1.

מדוע יותר מדי חיבורים מאיטים את הדברים

מערכות מוח–מחשב מודרניות לרוב משתמשות בשני סוגי חיישנים לא חודרניים על הקרקפת. EEG (אלקטרואנצפלוגרפיה) מקליטה דחפים חשמליים זעירים של נוירונים, בעוד fNIRS (ספקטרוסקופיה בסמיכות אינפרא-אדומה פונקציונלית) עוקבת אחרי שינויים בדם ובחמצן הקשורים לפעילות המוחית. יחד הן יוצרות מערכת "היברידית" שמדויקת יותר מכל אחת לחוד, אך במחיר: עשרות חיישנים והקלטות ארוכות יוצרים מערכי נתונים עצומים וקשות לניהול. חיפוש תת-קבוצה מיטבית של חיישנים בניסיון וטעייה ידרוש בדיקה של מספר צירופים אסטרונומי, שמעבר למה שמחשבים של היום יכולים להתמודד איתו בזמן אמת.

לראות מתי אותות שכנים מספרים את אותה הסיפור

המחברים מתמודדים עם הבעיה ברעיון אינטואיטיבי: אם שני חיישנים סמוכים על הראש מדווחים כמעט את אותו הדבר לאורך הזמן, אין צורך בשניהם. הם מזמדים אלקטרודות קרובות בזוגות ומודדים מתמטית עד כמה האותות המשתנים בזמן שונות זו מזו. אם שני ערוצים מתפצלים בחוזקה, שניהם נשמרים כי סביר שהם נושאים מידע שונה. אם הם מאוד דומים, אחד מהם נשמט כעודף. כדי להחליט היכן לקבוע את הקו הזה, הקבוצה משווה את המרחק של כל זוג לסף כללי, המחושב או מהממוצע (Mean) או מהחציון (Median) של כל המרחקים.

Figure 2
Figure 2.

מבחן הקיצור על משימות מנטליות שונות

כדי לבדוק אם הקיצור הזה באמת עובד, החוקרים יישמו אותו על שני מאגרים פתוחים. אחד כלל הקלטות EEG ו-fNIRS בזמן שמתנדבים דימיינו תנועת ידיהם או פתרו בעיות חשבון מנטליות. השני היה משימת "איות" קלאסית, שבה המשתמשים מתמקדים באותיות מהבהבות כך שגל מוח מובחן, תגובת ה-P300, יחשוף את בחירתם. לאחר ניקוי האותות, הצוות חילץ תכונות סטטיסטיות פשוטות מכל ערוץ, או השתמש בחלונות זמן קצרים ישירות, ולאחר מכן אימן שלושה כלים ידועים ללמידת מכונה לסיווג המשימות. הם השוו ביצועים עם ובלי שיטת הקטנת הערוצים שלהם.

שמירה על אזורי מוח חשובים

השיטה צימצמה את מספר הערוצים ביותר ממחצית בכל המשימות: כ-15–17 מתוך 30 ערוצי EEG וכ-18–24 מתוך 36 ערוצי fNIRS במאגר הראשון, וכ-31–40 מתוך 64 ערוצי EEG במשימת האיות. בדומה לכך, הדיוק נשמר או אפילו השתפר. במשימת האיות, הדיוק הגיע לכ-94% עם מסווג קל משקל; במשימות חשבון היברידיות, הוא טיפס לכ-73%. כאשר הצוות צייר כמה לעתים נשמר כל חיישן, הערוצים ששרדו התאימו לציפיות מדעי המוח: אזורי מוטוריקה לדימוי תנועה, אזורים קדם-מצחיים לחשבון, ואזורי פאריאלית–אוקסיפיטל למענה P300. במלים אחרות, האלגוריתם איתר באופן אוטומטי אזורים פונקציונליים חשובים מבלי שיגידו לו היכן הם נמצאים.

להבחר את הדרך הנכונה לטפל ברעש

ווריאציה משמעותית במחקר היא איך הסף נקבע. שימוש בחציון המרחקים, שהוא פחות מושפע מערכים קיצוניים, הביא לעתים ליציבות גבוהה יותר ולעיתים לדיוק גבוה יותר מאשר שימוש בממוצע, במיוחד למשימות רועשות או תובעניות כגון חשבון מנטלי ומשימת ה-P300. מבחנים סטטיסטיים הראו שהבחירה הזו אינה שטחית: עבור אותן משימות, ספים מבוססי חציון הביאו תוצאות טובות משמעותית מספים מבוססי ממוצע, בעוד שלדימוי תנועה הפער היה זניח. במקביל, מודלים שהשתמשו בערכות הערוצים המצומצמות יכלו לקבל החלטות בתוך כרבע עד עשירית השנייה, קפיצה דרמטית לעומת כמה שניות כשכל הערוצים הובאו בחשבון.

מה המשמעות לעתיד ממשקי המוח

במילים פשוטות, עבודה זו מראה שאפשר לוותר על יותר ממחצית החיישנים במערכת היברידית EEG–fNIRS, לשמור על אלו המידעיות ביותר ועדיין להתאים או לשפר את הדיוק המקורי—כל זאת תוך קיצור זמן התגובה לטווח זמן אמת אמיתי. בהסתמכות על חישובי מרחק ישירים במקום סכמות אופטימיזציה כבדות או למידה עמוקה, המסגרת המוצעת קלה יותר ליישום על מכשירים ניידים עם כוח מחשוב מוגבל. עבור ממשקי מוח–מחשב עתידיים המיועדים לעזוב את המעבדה ולהיכנס לבתים, מרפאות או אפילו טלאים ניתנים ללבישה, גיזום חכם כזה של ערוצים יכול להיות צעד מרכזי להפוך טכנולוגיות נשלטות מחשבה לפרקטיות ונגישות באופן נרחב.

ציטוט: Alhudhaif, A. Distance-based temporal similarity metrics for adaptive channel selection in multi-modal EEG-fNIRS BCI frameworks. Sci Rep 16, 13702 (2026). https://doi.org/10.1038/s41598-026-44052-z

מילות מפתח: ממשק מוח-מחשב, EEG, fNIRS, בחירת ערוצים, פונקציית P300