Perustieteiden korkeakoulun väitöskirjat Aaltodoc-julkaisuarkistossa (ulkoinen linkki)
Perustieteiden korkeakoulun väitöskirjat ovat saatavilla yliopiston ylläpitämässä avoimessa Aaltodoc-julkaisuarkistossa.
Noudatamme tapahtumissamme Aalto-yliopiston turvallisemman tilan periaatteita.
Väitöskirjan nimi: Intuitive Auditory Brain–Computer Interface
Väittelijä: Dovilė Kurmanavičiūtė
Vastaväittäjä: Research scientist Marie-Constance Corsi, Paris Brain Institute (ICM) & Inria Paris, France
Kustos: Professor Lauri Parkkonen, Aalto-yliopiston perustieteiden korkeakoulu
Aivokäyttöliittymät (BCI) voivat tarjota tavan palauttaa yksinkertainen viestintäkyky tulkitsemalla aikomuksia suoraan aivotoiminnasta ja ohittamalla vaurioituneet motoriset radat. Tämän väitöskirjan tavoitteena oli kehittää intuitiivinen, kajoamaton, kuuloaistiin perustuva aivokäyttöliittymä binääriseen “kyllä”/“ei”-viestintään potilaille, jotka eivät pysty tuottamaan tahdonalaista lihastoimintaa.
Väitöskirjaan sisältyy kolme tutkimusta, joista ensimmäisessä (Julkaisu I) selvitettiin, voidaanko kohdistettu tarkkaavaisuus luonnollisiin, intuitiivisiin ärsykkeisiin (sanat “kyllä” ja “ei”) luokitella keskiarvoistamattomista aivovasteista. Tässä työssä hyödynnettiin kajoamatonta magnetoenkefalografiaa (MEG) tarkkaavaisuuteen liittyvien pienten spatiotemporaalisten signaalimuutosten havaitsemiseksi. Julkaisussa I on kuvattu saavutettu korkea luokitustarkkuus sekä se, että tarkkaavaisuutta erottelevimmat signaalit saatiin molemmilta kuuloaivokuorilta. Tutkimus osoitti, että intuitiiviset sanalliset ärsykkeet mahdollistavat korkean tarkkuuden BCI-ohjauksen.
Vaikka MEG tarjoaa korkean signaali-kohinasuhteen, sen lähes olematon liikuteltavuus rajoittaa BCI-sovellukset tutkimuslaboratorioihin. Julkaisu II pyrki kaventamaan kuilua laboratorio-MEG:n ja kannettavan elektroenkefalografian (EEG) välillä. Vähentämällä EEG-kanavien määrää järjestelmällisesti tässä tutkimuksessa kartoitettiin mittauksen monimutkaisuuden ja luokittelutarkkuuden välistä suhdetta. Tulokset osoittivat, että jopa huomattavalla elektrodimäärän vähentämisellä – yhdeksään EEG-kanavaan – voitiin saavuttaa käyttökelpoinen luokitustarkkuus, mikäli elektrodit sijoitettiin optimaalisesti. Tutkimus kuitenkin paljasti kriittisen suorituskykyhaasteen: kun luokittelijat koulutettiin mittauksen alun datalla ja testattiin myöhemmällä datalla, luokittelutarkkuus laski merkittävästi. Tämä korosti aivosignaalin epästationaarisuuden aiheuttamaa haastetta käytännön intuitiivisille aivokäyttöliittymille.
Julkaisussa III käsiteltiin julkaisussa II havaittua suorituskyvyn heikkenemistä. Todellisen kliinisen käytön simuloimiseksi hyödynnettiin kausaalista testauskehystä, jossa järjestelmän oli ennustettava käyttäjän aikomus kronologisesti ilman pääsyä tulevaan dataan. Näissä realistisissa olosuhteissa staattiset luokittelijat suoriutuivat heikosti. Ongelman ratkaisemiseksi otettiin käyttöön mukautuva, rekursiivinen pienimmän neliösumman algoritmi, joka kalibroi aivokäyttöliittymää uudelleen mittauksen edetessä. Tämä lähestymistapa paransi merkittävästi BCI-viestinnän nopeutta kasvattaen tiedonsiirtonopeutta (ITR) lähes kymmenkertaiseksi. Lisäksi tutkimus osoitti, että järjestelmä voidaan alustaa yleisellä mallilla, mikä mahdollistaa sen välittömän käytön ennen käyttäjäkohtaista mukauttamista.
Näiden kolmen julkaisun synteesi osoittaa, että vaikka kuuloaivokuori tuottaa erotettavia signaaleja tarkkailluille ja ei-tarkkailluille “kyllä”/“ei”-ärsykkeille, suurin haaste intuitiiviselle aivokäyttöliittymälle on näiden signaalien vaihtelu ajan myötä. Siirtymällä ihanteellisista MEG-olosuhteista vähäkanavaisen EEG:n ja mukautuvien luokittelijoiden piiriin, tämä väitöskirja tarjoaa etenemissuunnitelman BCI-sovellusten siirtämiseksi laboratoriosta käytäntöön. Tulokset viittaavat siihen, että intuitiivisen aivokäyttöliittymän on koostuttava jatkuvasti mukautuvasta luokittelijasta, joka kykenee seuraamaan käyttäjän muuttuvaa hermostollista tilaa.
Avainsanat: MEG, EEG, aivokäyttöliittymä (BCI), rekursiivinen pienin neliösumma (RLS), koneoppiminen, kuuloherätevaste, valikoiva tarkkaavaisuus
Linkki väitöskirjan sähköiseen esittelykappaleeseen (esillä 7 päivää ennen väitöstä): Aalto-yliopiston riiputussivu.
Yhteystiedot: dovile.kurmanaviciute@aalto.fi
Perustieteiden korkeakoulun väitöskirjat ovat saatavilla yliopiston ylläpitämässä avoimessa Aaltodoc-julkaisuarkistossa.