Een visueel-beeldvormingsparadigma voor BCI-strategieën met geïmagineerde flikkerende patronen

Licht voorstellen om met machines te praten

Voor mensen die niet kunnen bewegen of spreken bieden hersen–computerinterfaces (BCI’s) een manier om alleen met hersenactiviteit te communiceren. Veel hedendaagse systemen vertrouwen op het staren naar flikkerende lichten op een scherm, wat voor sommige patiënten onmogelijk of onaangenaam is. Deze studie onderzoekt een ander idee: in plaats van naar knipperende patronen te kijken, wat als gebruikers die gewoon voorstellen en toch een computer kunnen aansturen?

Van flikkerende lichten naar mentale beelden

Traditionele BCI’s gebruiken vaak continu flikkerende beelden om een herhaalbare respons in de visuele delen van de hersenen op te roepen. Wanneer iemand naar een licht kijkt dat met een vaste frequentie knippert, echoot de elektrische activiteit van de hersenen subtiel dat ritme, en sensoren op de schedel kunnen dat detecteren. Deze methode gaat er echter van uit dat de gebruiker zijn ogen op het scherm kan richten. Mensen met ernstige verlamming of problemen met oogbewegingen, zoals degenen met een locked-in-syndroom na een beroerte of door een neurodegeneratieve ziekte, kunnen dit mogelijk niet, waardoor wie baat heeft bij de technologie beperkt wordt.

Mentale flikkers omzetten in aansturingssignalen

De auteurs bouwden een BCI die externe flikkers vervangt door mentale flikkers. Eerst keken 20 gezonde vrijwilligers naar dambordpatronen op een computerscherm die op verschillende snelheden knipperden. Deze initiële fase identificeerde welke twee knippersnelheden bij elke persoon het duidelijkst door de hersenen werden beantwoord. Vervolgens oefenden de vrijwilligers een gemengde routine waarbij ze soms de flikkers zagen en soms moesten voorstellen. Ten slotte, in de hoofdtesten, ging het scherm uit: alleen pijlen of eenvoudige vormen op het scherm gaven deelnemers aan welke van de twee knippersnelheden zij zich mentaal moesten voorstellen, of wanneer ze moesten rusten. Gedurende de hele tijd registreerde een array van 10 elektroden op de schedel de hersenactiviteit, die vervolgens werd omgezet in een samenvatting van hoeveel vermogen verschillende ritmische componenten bevatten.

Een machine leren gelezen beelden te herkennen

Om deze subtiele ritmes in commando’s om te zetten, gebruikten de onderzoekers een standaard patroonherkenningsmethode die een grens trekt tussen verschillende signaaltypen. Voor elke vrijwilliger werd het computerprogramma getraind om drie mentale toestanden te onderscheiden: het voorstellen van een langzamer flikkerpatroon, het voorstellen van een sneller flikkerpatroon, of rusten. In een "offline" fase analyseerde de computer eerder opgenomen gegevens en testte hoe goed hij de juiste toestand kon raden. Later, in een "online" fase, moest het systeem de hersenactiviteit realtime classificeren terwijl de persoon de mentale taken live uitvoerde, wat praktijksituaties van een BCI beter nabootst.

Hoe goed het op verbeelding gebaseerde systeem werkte

Wanneer de gegevens offline werden geanalyseerd, identificeerde het systeem de mentale toestand van de gebruiker gemiddeld in ongeveer 61 procent van de gevallen correct over de 20 proefpersonen. Voor een driedelige keus zou willekeurig raden rond een derde nauwkeurigheid liggen, dus deze prestatie ligt ruim boven toeval. In de live online test daalde de nauwkeurigheid tot ongeveer 51 procent gemiddeld, maar bleef voor de groep als geheel duidelijk beter dan willekeurige prestaties. Sommige mensen deden het erg goed, terwijl enkelen dichter bij toeval bleven, wat natuurlijke verschillen weerspiegelt in hoe gemakkelijk individuen levendige visuele beelden en voortdurende aandacht kunnen vasthouden. De keuze van knippersnelheden speelde ook een rol, maar pogingen om automatisch iemands ‘beste’ frequentiepaarde te kiezen leverden wisselende voordelen op, wat suggereert dat deze stap nog verfijning nodig heeft.

Wat dit zou kunnen betekenen voor toekomstige gebruikers

De studie laat zien dat het eenvoudigweg voorstellen van flikkerende patronen een bruikbaar aansturingssignaal kan leveren voor hersen–computerinterfaces, zonder dat gebruikers naar felle, flikkerende beelden hoeven te staren. Hoewel het systeem momenteel slechts drie keuzes biedt en met matige nauwkeurigheid werkt, vereist het weinig training en gebruikt het standaard, betaalbare apparatuur. Met verdere ontwikkeling—zoals het verbeteren van de keuze van de beste frequenties en het toevoegen van meer mentale commando’s—zou dit type op verbeelding gebaseerde BCI een praktische optie kunnen worden voor mensen die hun ogen niet goed kunnen bewegen of visuele stimulatie niet verdragen, en zo een nieuwe weg openen naar communicatie en controle met alleen het oog van de geest.

Bronvermelding: Priori, S., Ricci, P., Consoli, D. et al. A visual imagery paradigm for BCI strategies using imagined flickering patterns. Sci Rep 16, 11967 (2026). https://doi.org/10.1038/s41598-026-41324-6

Trefwoorden: hersen-computerinterface, visuele verbeelding, EEG, neurorevalidatie, ondersteunende communicatie