Альянс совместных технологий в области познания и нейроэргономики (CaN) - Cognition and Neuroergonomics (CaN) Collaborative Technology Alliance
Познание и Neuroergonomics (CAN) Collaborative Technology Alliance была исследовательская программа , инициированная, авторами и частично осуществляется в научно - исследовательской лаборатории армии США . Целью программы было «провести исследования и разработки, ведущие к демонстрации фундаментальных трансляционных принципов применения исследований и теории, основанных на нейробиологии, в сложных операционных условиях». Эти принципы будут определять развитие технологий, которые работают в гармонии с возможностями и ограничениями нервной системы человека ».
Технологии сотрудничества и исследовательские альянсы описывают совместные исследования и технологические усилия между частным сектором, академическими кругами и армейскими лабораториями и центрами. Это сотрудничество позволяет армейским исследователям и инженерам присоединяться к научным исследованиям и производственным возможностям отрасли и использовать их для улучшения возможностей армии.
История
Основные программы междисциплинарного сотрудничества между академическим, частным и государственным секторами начались в Лаборатории армейских исследований (ARL) в 1990-х годах. В 2010 году был создан Альянс совместных технологий в области когнитивных исследований и нейроэргономики (CaN), который стал одним из четырех действующих в то время альянсов по технологиям совместной работы и исследованиям ARL.
Цели
Канал выявил ограничения в области когнитивной нейробиологии, требующие внимания. Ограниченные условия в лабораторных условиях не могли объединить диапазон физических и социокультурных факторов, встречающихся в реальных условиях окружающей среды. Системы, контролирующие динамику мозга и тела, которые являются портативными, надежными, минимально инвазивными и доступными, были развиты недостаточно. Не хватало программного обеспечения или математических моделей, предназначенных для сообщения об изменениях в окружающей среде, поведении и функциях в режиме реального времени. Программа стремилась исправить эти проблемы и использовать решения на благо солдата. CaN установила необходимость в новой экспериментальной среде, в которой может происходить мультисенсорный анализ, и в носимых датчиках, отслеживающих динамику мозга и тела. Кроме того, потребовались наборы данных и разработка методов, позволяющих более глубоко охарактеризовать поведение и вариации когнитивных способностей, работоспособности и личности.
Направления исследований
В рамках программы CaN были определены и продолжены три основных направления исследований:
Продвинутые вычислительные подходы (ACA)
ACA должна была разработать методы декодирования, мониторинга и вывода состояния как из нейронной, так и не нейронной информации. По мере продвижения исследований он сосредоточился на данных крупномасштабных интегративных экспериментов, а также на наборах экспериментальных данных из двух других направлений CaN CTA.
Нейровизуализация реального мира (RWN)
RWN должен был помочь в изучении мозга вне лабораторных условий. Цитата Это направление уделяет первоочередное внимание инженерным и экспериментальным исследованиям системы ЭЭГ с беспроводными сухими электродами . Этот акцент был сделан на повышение надежности и производительности систем сухой ЭЭГ, определение стандартов их достоверности и лучшее понимание их применения в нейровизуализации реального мира. Еще одним направлением исследований RWN было изучение того, как стресс и усталость влияют на поведение в реальном мире.
Взаимодействие мозга с компьютером (BCI)
BCI был создан для улучшения технологий BCI и улучшения коммуникации между человеком и роботом. Низкая надежность, наблюдаемая во многих технологиях BCI, объясняется способностью нейронных реакций изменяться с течением времени и тем, что люди могут иметь разные нейронные сигналы на одни и те же стимулы. BCI сосредоточился на использовании машинного обучения и разработке алгоритма, который будет поддерживать высокую производительность технологий BCI, несмотря на изменения в психическом состоянии человека. Другими интересными областями были сочетание интеллектуального обучения с технологиями BCI и улучшение коммуникации между человеком и роботом с помощью быстрых серий визуальных презентаций с помощью ЭЭГ.
Участников
CaN стал возможным благодаря сотрудничеству следующих групп с Исследовательской лабораторией армии США:
- DCS Corp (промышленный руководитель, главный участник интеграции)
- Калифорнийский университет в Сан-Диего
- Национальный университет Цзяо Дун (Тайвань)
- университет Мичигана
- Техасский университет Сан-Антонио
- Университет Карнеги Меллон
- Колумбийский университет
- Пенсильванский университет
- Университет Джона Хопкинса
- Университет Мэриленда округа Балтимор
- Университет Помпеу Фабра (Испания)
- Qusp
- Data Nova
Полученные результаты
Примеры результатов исследований, разработанных программой CaN, включают следующее:
- Идентификация мультифокального тета-диапазона, указывающего на потерю равновесия во время упражнения по ходьбе на бревне. Знание электрокортикальных показаний к потере равновесия может позволить провести лучшую клиническую оценку. Профилактические меры могут быть приняты для тех, кто предрасположен к падению и проявляет это нервное поведение.
- Новый сухой электрод ЭЭГ, обеспечивающий надежные результаты при нанесении на кожу головы без какой-либо подготовки кожи. Исследователи разработали этот электрод, чтобы включить эффект буферного датчика, так что приложение силы к электроду против кожи головы не вызывает боли.
- Используя фМРТ и новый алгоритм сетевого анализа, исследователи засвидетельствовали автономность сенсомоторной коры на протяжении всего процесса моторного обучения. Скорость обучения была обусловлена индивидуальными различиями лобной и поясной коры.
- Разработана компьютерная программа проверки орфографии SSVEP BCI. Программа проверки орфографии работала со скоростью 40 слов в минуту и с относительно высокой скоростью передачи информации.
- Электрокортикальную динамику изучали в зависимости от изотонических и изометрических сокращений мышц нижних конечностей. ЭЭГ в сочетании с независимым компонентным анализом использовались в качестве метода функциональной нейровизуализации, чтобы лучше понять взаимосвязь между мышечной активностью и электрокортикальными сигналами. Сообщалось, что эта система ЭЭГ / ВСА позволяет прогнозировать движения от колен до голеностопных суставов с точностью 80%.
- Результаты, касающиеся управления нейронной сетью и структуры мозга, показали следующее. Плотно связанные области, особенно в системе режимов по умолчанию , имеют большое влияние на переход между когнитивными состояниями. Между тем, слабо связанные области, особенно в системе исполнительных функций , помогают перейти в труднодоступные когнитивные состояния. Интеграция различных когнитивных систем осуществляется областями мозга на границах нейронных сетей , особенно системами внимательного управления.
- Анализ частоты обнаружения на основе банка фильтров CCA был использован для улучшения обнаружения SSVEP . Этот CCA помог повысить скорость технологии BCI на основе SSVEP.