Группа американских ученых представила технологию, позволяющую преобразовывать сигналы мозга в печатный текст без использования инвазивных имплантатов. Технология в перспективе поможет парализованным людям общаться и пользоваться гаджетами силой мысли.
В исследовании приняли участие 35 здоровых добровольцев. Им предлагали запоминать и воспроизводить на клавиатуре заранее заданные предложения. В это время активность их мозга фиксировалась с помощью двух неинвазивных методов: электроэнцефалографии (ЭЭГ), измеряющей электрические сигналы с поверхности головы, и магнитоэнцефалографии (МЭГ), которая регистрирует магнитные поля, создаваемые нейронами.
На основе собранных данных был разработан алгоритм глубокого обучения Brain2Qwerty. Модель состоит из нескольких этапов обработки сигналов, включая сверточный модуль и трансформер, а также использует предварительно обученную языковую модель для повышения точности распознавания символов. Алгоритм обучался предсказывать, какие именно клавиши нажимает участник, анализируя исключительно его мозговую активность.
Результаты показали, что система значительно эффективнее работает с данными МЭГ, чем с данными ЭЭГ. Средняя частота ошибок при распознавании символов по МЭГ составила 29%, а для отдельных участников показатель достигал 18%. При использовании ЭЭГ этот же показатель был существенно выше — в среднем 65%. Модель также смогла успешно декодировать предложения, не встречавшиеся в обучающей выборке.
Разработчики отмечают, что их подход не требует хирургического вмешательства, в отличие от многих существующих нейрокомпьютерных интерфейсов, которые предполагают вживление электродов в мозг. Это снижает риски, связанные с нейрохирургическими операциями, и потенциально делает технологию более доступной для пациентов с нарушениями двигательных функций или речи.
Работа сокращает разрыв между инвазивными и неинвазивными методами декодирования нейронной активности и открывает возможности для создания более безопасных вспомогательных устройств. В перспективе подобные системы могут быть адаптированы не только для набора текста, но и для управления протезами или другими электронными устройствами. Дальнейшее развитие алгоритма может повысить точность распознавания и расширить сферу его применения.
Читайте также: Ростех создал сканер для моментальной идентификации личности по отпечаткам.