脳コンピューターインターフェース
コンテンツへジャンプ
フリー百科事典『ウィキペディア』より
人工器官の脳直接制御については、「神経補綴」を参照してください。

強化された脳または有線脳と外部デバイス間の直接通信経路
脳コンピュータインターフェースの参加者がコンピュータに接続している様子
脳コンピュータインターフェースの参加者がコンピュータに接続している様子
BrainGateインターフェースの設計を示すダミーユニット

脳コンピュータインターフェース（BCI）は、時には脳マシンインターフェース（BMI ）とも呼ばれ、脳の電気的活動と外部デバイス（最も一般的にはコンピュータまたはロボット肢）との間の直接通信リンクです。BCIは、多くの場合、人間の認知機能または感覚運動機能の研究、マッピング、支援、増強、または修復を目的としています。[ 1 ] BCIは、動く体の部分（例：手や足）を介さないヒューマンマシンインターフェースとして概念化されることがよくあります。BCIの実装は、電極が脳組織に物理的にどれだけ近いかに基づいて、非侵襲的（EEG、MEG、MRI）および部分侵襲的（ECoGおよび血管内）から侵襲的（微小電極アレイ）まで多岐にわたります。[ 2 ]

BCIの研究は、1970年代にカリフォルニア大学ロサンゼルス校（UCLA）のジャック・ヴィダルが国立科学財団の助成金を受け、その後国防高等研究計画局（DARPA）との契約で開始されました。[ 3 ] [ 4 ]ヴィダルの1973年の論文は、脳コンピュータインターフェースという表現を科学文献に導入しました。

脳の皮質可塑性により、埋め込まれた人工器官からの信号は、適応後、自然のセンサーや効果器のチャネルのように脳によって処理される可能性があります。[ 5 ]何年もの動物実験の後、最初の神経補綴デバイスは1990年代半ばに人間に埋め込まれました。

歴史

[編集]

脳コンピュータインターフェース（BCI）の歴史は、ハンス・ベルガーによる脳の電気活動の発見と脳波記録法（EEG）の開発から始まります。1924年、ベルガーは初めてEEGを用いて人間の脳活動を記録しました。ベルガーはEEG波形を解析することで、アルファ波（8～13Hz）などの振動活動を特定することに成功しました。 [要出典]

バーガーの最初の記録装置は原始的なものでした。彼は患者の頭皮の下に銀線を挿入しました。これは後に、ゴム包帯で患者の頭部に貼り付けた銀箔に置き換えられました。バーガーはこれらのセンサーをリップマン毛細管電位計に接続しましたが、結果は芳しくありませんでした。しかし、 10-4ボルトという微小な電圧を表示できるシーメンスの二重コイル記録ガルバノメーターなどのより高度な測定装置が登場し、成功を収めました。[要出典]

バーガーは、脳波図における変化と脳疾患の相互関係を分析しました。脳波は脳研究に全く新しい可能性をもたらしました。[要出典]

当時はまだこの用語は存在していなかったものの、実際に機能するブレイン・マシン・インターフェースの最も初期の例の一つは、アメリカの作曲家アルヴィン・ルシエによる作品「ソロ演奏者のための音楽」（1965年）である。この作品は、脳波とアナログ信号処理ハードウェア（フィルター、アンプ、ミキシングボード）を用いて、アコースティックな打楽器を刺激する。演奏にはアルファ波を発生させ、楽器の近くまたは楽器の上に直接設置されたスピーカーから様々な楽器を「演奏」する必要がある。[ 6 ]

ジャック・ヴィダルは「BCI」という用語を作り出し、このテーマに関する最初の査読付き論文を発表しました。[ 3 ] [ 4 ]彼はBCIの発明者として広く知られています。[ 7 ] [ 8 ] [ 9 ]あるレビューでは、ヴィダルの1973年の論文が、EEG信号を用いて外部物体を制御する「BCIチャレンジ」[ 10 ]、特に随伴性陰性変動（CNV）電位をBCI制御のチャレンジとして用いることを示唆していると指摘されています。ヴィダルの1977年の実験は、1973年のB​​CIチャレンジ後の最初のBCI応用でした。これは、コンピュータ画面上のカーソルのようなグラフィックオブジェクトを非侵襲的にEEG（実際には視覚誘発電位（VEP））で制御するものでした。デモンストレーションは迷路内での移動でした。[ 11 ]

1988年は、物理的な物体であるロボットに対する非侵襲的なEEG制御が初めて実証された年でした。この実験では、床に描かれた線によって定義された任意の軌道に沿って、EEG制御によって複数の開始・停止・再開サイクルを繰り返す動作が実証されました。線に沿う動作は、自律的な知能と自律的なエネルギー源を利用したロボットのデフォルトの動作でした。[ 12 ] [ 13 ] [ 14 ] [ 15 ]

1990年には、閉ループ型双方向適応型BCIが、予測的な脳電位である随伴性陰性変動（CNV）電位を用いてコンピュータのブザーを制御するという報告がなされました。[ 16 ] [ 17 ]この実験では、CNVによって表される脳の期待状態が、S1-S2-CNVパラダイムにおいてフィードバックループを用いてS2ブザーを制御する様子が説明されました。得られた脳における期待学習を表す認知波は、電気期待図（Electroexpectogram: EXG）と名付けられました。CNV脳電位は、1973年のヴィダルの挑戦の一部でした。[要出典]

2010年代の研究では、神経刺激が分子メカニズムの調節を通じて機能的連結性とそれに関連する行動を回復させる可能性があることが示唆されました。[ 18 ] [ 19 ]これにより、BCI技術が機能を回復できる可能性があるという概念が生まれました。[要出典]

2013年から、DARPAはBRAINイニシアチブを通じてBCI技術に資金を提供し、ピッツバーグ大学医療センター、[ 20 ] Paradromics、[ 21 ] Brown、[ 22 ] Synchron [ 23 ]などのチームの研究を支援してきました。

神経補綴

[編集]
主要記事:神経補綴

神経補綴学は、神経科学の一分野であり、神経補綴、すなわち人工デバイスを用いて、障害を受けた神経系や脳関連の問題、あるいは感覚器官やその他の器官（膀胱、横隔膜など）の機能を代替する技術を研究しています。2010年12月現在、世界中で約736,900人が人工内耳を神経補綴デバイスとして移植されています。[ 24 ]網膜インプラントなど、視力回復を目的とする神経補綴デバイスもあります。しかし、最初の神経補綴デバイスはペースメーカーでした。[要出典]

これらの用語は互換的に使用されることがあります。神経補綴物とBCIは、視力、聴力、運動能力、コミュニケーション能力、さらには認知機能の回復など、同じ目的を達成することを目指しています。[ 1 ]どちらも同様の実験方法と外科手術技術を用いています。[要出典]

動物実験

[編集]
参照:リモコン動物

いくつかの研究室では、サルやラットの大脳皮質からの信号を読み取り、BCIを操作して動作させることに成功しています。サルは、単にタスクについて考え、結果を見るだけで、コンピューターのカーソルを動かしたり、ロボットアームに簡単なタスクを実行させたりしました。運動出力は必要ありません。 [ 25 ] 2008年5月、ピッツバーグ大学医療センターのサルが思考によってロボットアームを操作している写真が複数の研究で発表されました。[ 26 ]ヒツジもBCI技術の評価に使用されており、これにはSynchron社のStentrode [要出典]やParadromics社のConnexus® BCIなどが含まれます。[ 27 ]

2020年、イーロン・マスクのニューラリンクが豚に埋め込まれることに成功した。[ 28 ] 2021年、マスクは同社がニューラリンクのデバイスを使用してサルがビデオゲームをプレイできるようにすることに成功したと発表した。[ 29 ]

初期の作品

[編集]
脳コンピュータインターフェースを備えたロボットアームを操作するサル（ピッツバーグ大学シュワルツ研究室）

1969年にワシントン大学医学部の地域霊長類研究センターと生理学・生物物理学科でフェッツらが行ったオペラント条件付け研究では、サルが神経活動によってバイオフィードバックアームの偏向を制御することを学習できることが示されました。 [ 30 ] 1970年代の同様の研究では、サルは報酬を与えれば一次運動野の個々のニューロンと複数のニューロンの発火率を制御することを学習できることが確立されました。[ 31 ]

運動を制御する運動皮質 ニューロンから運動を再構成するアルゴリズムは、1970年代に遡ります。1980年代には、ジョンズ・ホプキンス大学のゲオルゴポロスが、アカゲザルの単一運動皮質ニューロンの電気的応答と腕を動かす方向との間に数学的な関係を発見しました。彼はまた、サルの脳の異なる領域に分散したニューロン群が、集合的に運動指令を制御していることを発見しました。機器の制約により、彼は一度に1つの領域のニューロンの発火しか記録できませんでした。[ 32 ]

いくつかのグループは、神経集団（ニューロンのグループ）から記録し、それを使用して外部デバイスを制御することで、複雑な脳運動皮質信号を捕捉することに成功しました。 [要出典]

研究

[編集]

ケネディとヤン・ダン

[編集]

フィリップ・ケネディ（Neural Signalsの創設者（1987年））と同僚は、サルに神経栄養錐体電極 を埋め込むことで、最初の皮質内脳コンピューターインターフェースを構築しました。 [要出典]

ヤン・ダン氏らは、外側膝状体核に埋め込まれたBCIを用いて猫の視覚を記録した（上段：オリジナル画像、下段：記録）。

1999年、カリフォルニア大学バークレー校のヤン・ダンらは、ニューロンの発火を解読し、猫の画像を再現することに成功した。研究チームは、脳の感覚入力を統合する視床に埋め込まれた電極アレイを用いた。研究者らは、網膜からの信号を解読する視床外側膝状体核領域の177個の脳細胞を標的とした。ニューロンの発火は、8本の短編映画を視聴した際に記録された。研究者らは、数学的フィルターを用いて信号を解読し、認識可能なシーンや動く物体を再構成した。[ 33 ]

ニコレリス

[編集]
参照: Walk Again Project

デューク大学のミゲル・ニコレリス教授は、神経信号を取得するために脳のより広い領域に広がる複数の電極を使用することを提唱している。[要出典]

1990年代にラットを用いた初期研究を行った後、ニコレリス氏らは、フクロウザルの脳活動を解読するBCIを開発し、ロボットアームでサルの動きを再現しました。サルは優れた到達能力、掴む能力、そして手の操作スキルを有しており、実験対象として最適でした。[要出典]

2000年までに、研究チームは、フクロウザルがジョイスティックを操作したり餌に手を伸ばしたりする際に、その動きを再現するBCIの開発に成功した。[ 34 ]このBCIはリアルタイムで動作し、別のロボットを遠隔操作することができた。しかし、サルはフィードバックを受け取らなかった（オープンループBCI）。[要出典]

ミゲル・ニコレリスとその同僚がアカゲザル用に開発したBCIの図

その後、アカゲザルを用いたフィードバック制御実験では、ロボットアームでサルの到達動作と把持動作を再現する実験が行われた。アカゲザルの脳は深く裂け目があり、溝が深いため、フクロウザルよりもヒトの神経生理学モデルとして適していた。サルはジョイスティックを操作してコンピュータ画面上の物体に到達し、把持する訓練を受けたが、ロボットアームによる対応する動作は隠されていた。 [ 35 ] [ 36 ]その後、サルはロボットを見せられ、その動きを見て操作することを学習した。BCIは速度予測を用いて到達動作を制御し、同時に把持力を予測した。[要出典]

2011年、オドハティらはアカゲザルを用いて感覚フィードバック機能を備えたBCIを実証した。アカ​​ゲザルは、感覚皮質の腕の表現領域への直接皮質内刺激（ICMS）を通じて感覚フィードバックを受け取りながら、アバターの腕の位置を制御した。[ 37 ]

ドノヒュー、シュワルツ、アンダーセン

[編集]

ニューロン信号を解読するBCIとアルゴリズムを開発した他の研究室には、ブラウン大学カーニー脳科学研究所のジョン・ドノヒュー、ピッツバーグ大学のアンドリュー・シュワルツ、カリフォルニア工科大学のリチャード・アンダーセンなどがある。これらの研究者は、ニコレリスよりもはるかに少ないニューロン（15～30個対50～200個）から記録した信号を用いて、実用的なBCIを開発した。[要出典]

カーニー研究所は、アカゲザルにBCIを使ってコンピュータ画面上の視覚ターゲットを追跡する訓練（閉ループBCI）をジョイスティックの有無にかかわらず行ったと報告した。[ 38 ]同研究グループは、仮想現実での3次元追跡用のBCIを作成し、ロボットアームでBCI制御を再現した。[ 39 ]同研究グループは、動物の脳信号で制御されるロボットアームを使って、サルが自分で果物やマシュマロを食べられることを実証した。[ 40 ] [ 41 ] [ 42 ]

アンダーセンらの研究グループは、実験動物が報酬を受け取ることを予期したときに生成される信号を含む、後頭頂皮質から運動前の活動の記録を使用しました。 [ 43 ]

その他の研究

[編集]

四肢運動の運動学的および運動学的パラメータを予測することに加えて、霊長類の筋肉の筋電図または電気的活動を予測するBCIの開発が進行中である。[ 44 ]このようなBCIは、筋肉を電気的に刺激することで麻痺した四肢の運動機能を回復させることができる可能性がある。[要出典]

ニコレリスらは、大規模な神経集団が腕の位置を予測できることを実証した。この研究により、BCIは腕の動きの意図を読み取り、それをアクチュエータの動きに変換することが可能になった。カルメナら[ 35 ]は、サルがロボットアームによる到達動作と把持動作を制御できるBCIをプログラムした。レベデフらは、脳ネットワークが再編成され、動物自身の四肢の表現に加えて、ロボットの付属肢の新たな表現が生成されると主張した[ 36 ] 。

2019年、カリフォルニア州サンフランシスコ大学の研究者たちは、神経疾患による言語障害を持つ患者を支援する可能性のある脳コンピュータインターフェース（BCI）の研究を開始しました。彼らのBCIは、高密度皮質電気記録を用いて患者の脳の神経活動を捕捉し、ディープラーニングを用いて音声を合成しました。[ 45 ] [ 46 ] 2021年には、研究者たちは、 15年以上も話すことができなかった人工言語障害の患者において、BCIが単語や文章を解読できる可能性を報告しました。 [ 47 ] [ 48 ]

BCI技術における最大の障害は、脳信号への安全、正確、かつ堅牢なアクセスを提供するセンサーモダリティの欠如です。より優れたセンサーの使用により、BCIを用いて提供できるコミュニケーション機能の範囲が拡大します。[要出典]

BCIシステムの開発と実装は複雑で時間がかかります。この問題に対処するため、ゲルウィン・シャルクは2000年からBCI研究用の汎用システムであるBCI2000の開発に取り組んできました。 [ 49 ]

新しい「ワイヤレス」アプローチでは、チャネルロドプシンなどの光依存性イオンチャネルを用いて、生体内で遺伝的に定義されたニューロンのサブセットの活動を制御する。単純な学習課題において、体性感覚皮質に導入された細胞への光照射は、マウスの意思決定に影響を与えた。[ 50 ]

BCIは、神経ネットワークと中枢神経系への理解を深めるきっかけとなりました。神経科学者はニューロンが協調して働くことで最も効果を発揮すると信じる傾向がありますが、研究報告によると、BCIを用いることで単一ニューロンを条件付け、霊長類が運動出力を制御できるパターンで発火させることができるとのことです。BCIは、単一ニューロン不全原理の発展につながりました。これは、発火率を適切に調整しても、単一ニューロンは限られた情報しか伝達できないため、アンサンブル発火を記録することで最高レベルの精度が達成されるというものです。BCIで発見されたその他の原理には、ニューロンのマルチタスク原理、ニューロンの質量原理、神経の退化原理、可塑性原理などがあります。[ 51 ]

BCIは、障害のないユーザーが利用することを想定して提案されています。パッシブBCIは、ヒューマン・コンピュータ・インタラクション（HCI）におけるユーザーの状態変化を評価し、解釈することを可能にします。二次的な暗黙的な制御ループにおいて、システムはユーザーに適応し、ユーザビリティを向上させます。[ 52 ]

BCIシステムは、末梢からの信号を符号化するために使用できる可能性があります。これらの感覚BCIデバイスは、閉ループ神経刺激に基づいて、行動に関連するリアルタイムの意思決定を可能にします。[ 53 ]

ヒト研究

[編集]

侵襲性BCI

[編集]

侵襲性BCIでは、脳信号にアクセスするために頭皮下に電極を埋め込む手術が必要です。主な利点は精度の向上です。欠点としては、手術による副作用（瘢痕組織による脳信号遮断など）や、埋め込まれた電極に対する拒絶反応などが挙げられます。[ 54 ]

ビジョン

[編集]

侵襲性BCIの研究は、麻痺のある人の視力低下を修復し、新たな機能を提供することを目指しています。侵襲性BCIは、脳神経外科手術中に脳の灰白質に直接埋め込まれます。灰白質内に埋め込まれるため、侵襲性デバイスはBCIデバイスの中で最も高品質な信号を生成しますが、瘢痕組織が蓄積しやすく、体が異物に反応すると信号が弱まったり消失したりすることがあります。[ 55 ]

視覚科学においては、先天性ではない（後天性の）失明の治療に、直接脳インプラントが用いられてきました。視力回復のための実用的な脳インターフェースを初めて開発した科学者の一人は、民間研究者のウィリアム・ドーベルでした。ドーベルの最初のプロトタイプは、1978年に成人期に失明した男性「ジェリー」に埋め込まれました。68個の電極を備えたシングルアレイBCIがジェリーの視覚皮質に埋め込まれ、光を見る感覚である閃光（フォスフェン）を発生させることに成功しました。このシステムには、インプラントに信号を送るための眼鏡に取り付けられたカメラが含まれていました。当初、このインプラントにより、ジェリーは限られた視野の中で、低いフレームレートでグレーの濃淡を見ることができました。これにはメインフレームコンピュータへの接続も必要でしたが、電子機器の小型化とコンピュータの高速化により、彼の義眼はより持ち運びやすくなり、現在では彼は補助なしに簡単な作業を行うことができるようになりました。[ 56 ]

2002年、成人期に失明したイェンス・ナウマン氏は、ドーベル博士の第二世代インプラントを有料で受けた16人の患者のうち最初の一人となった。これはBCIの最も初期の商業的利用の一つである。第二世代のデバイスは、より洗練されたインプラントを使用し、閃光をコヒーレントな視覚に正確にマッピングすることを可能にした。閃光は視野全体に広がり、研究者たちはこれを「星空効果」と呼ぶ。インプラント手術直後、イェンス氏は不完全に回復した視力を使って、研究所の駐車場をゆっくりと自動車で走行することができた。 [ 57 ]ドーベル博士は、彼のプロセスと開発が記録される前に2004年に亡くなり、彼の研究を引き継ぐ者は誰もいなくなった。[ 58 ]その後、ナウマン氏とプログラムの他の患者たちは視力に問題を抱え始め、最終的に再び「視力」を失った。[ 59 ] [ 60 ]

動き

[編集]

運動神経補綴に重点を置いた BCI は、麻痺のある人の運動機能を回復したり、コンピューターやロボット アームとのインターフェイスなど、麻痺のある人を支援するデバイスを提供したりすることを目指しています。

ケネディとバカイは、動作をシミュレートするのに十分な高品質の信号を生成する脳インプラントを初めて人間の脳に埋め込んだ。彼らの患者であるジョニー・レイ（1944-2002）は、 1997年に脳幹卒中を起こした後、「閉じ込め症候群」を発症した。レイのインプラントは1998年に埋め込まれ、彼はインプラントを使った仕事を始めるまで生き、最終的にはコンピュータのカーソルを操作することを習得した。しかし、2002年に脳動脈瘤で亡くなった。[ 61 ]

四肢麻痺の マット・ネーグル氏は、2005年にサイバーキネティクス社のBrainGateチップインプラントの最初の9ヶ月間の人体実験の一環として、BCIを用いて義手を制御することに成功した最初の人物となった。ネーグル氏の右中心前回（腕の動きを司る運動皮質の領域）に埋め込まれた96個の電極からなるインプラントにより、ネーグル氏は自分の手の動きを意識するだけでロボットアームを制御でき、またコンピューターのカーソル、照明、テレビも操​​作することができた。[ 62 ] 1年後、ジョナサン・ウォルポー氏は、脳に直接ではなく頭蓋骨の表面に電極を配置したブレイン・コンピュータ・インターフェースの開発により、アルトラン・イノベーション財団賞を受賞した。 [ 63 ]

ブレインゲートグループとピッツバーグ大学医療センターの研究チームは、米国退役軍人省（VA）と共同で、四肢麻痺患者の運動皮質のニューロン配列に直接接続することで、多自由度の義肢制御を実証した。[ 64 ] [ 65 ]

コミュニケーション

[編集]

2021年5月、スタンフォード大学のチームは、四肢麻痺の被験者が1分間に約86字、1分間に18語の速度で英語の文章を生成できることを可能にした概念実証テストの成功を報告した。被験者は文字を書くために手を動かすことを想像し、システムは隠れマルコフモデルとリカレントニューラルネットワークを利用して、運動皮質で検出された電気信号に対して手書き認識を実行した。[ 66 ] [ 67 ] UCSF の研究者が脳コンピューターインターフェース（BCI）研究を開始して以来、多くの報告がなされている。2021年には、麻痺し構音障害のある男性が、声道の筋肉を制御する神経細胞を調べる埋め込み型デバイスを使用して、1分間に15語のコミュニケーションをとることができたと報告された。[ 68 ] [ 69 ]さらに2022年には、このインプラントを使用して、声を出さずに単語や文章全体を綴ることもできると発表された。最初のバイリンガル音声神経補綴装置は、サンフランシスコ大学の同じチームによって2024年に開発されたと報告されています。[ 70 ] [ 71 ] [ 72 ] 2025年の初めに論文が発表されました。UCSFの研究者たちは、ある男性が思考するだけでロボットアームを制御できたと報告しました。

あるレビュー記事で、著者らは、BCIを用いることで人間の情報伝達速度が言語のそれを上回ることができるかどうか疑問視しました。言語研究では、多くの言語において情報伝達速度は比較的一定であると報告されています。これは脳の情報処理限界を反映しているのかもしれません。あるいは、この限界は情報伝達の様式としての言語そのものに内在しているのかもしれません。[ 73 ]

2023年に行われた2つの研究では、リカレントニューラルネットワークを備えたBCIを使用して、1分あたり62語と78語という記録的な速度で音声をデコードしました。[ 74 ] [ 75 ] [ 76 ]

技術的な課題

[編集]

侵襲性BCIを用いた脳活動の記録には、多くの技術的課題が存在する。CMOS技術の進歩により、小型化、低消費電力化、高信号取得能力を備えた統合型侵襲性BCIの設計が推進され、実現されつつある。[ 77 ]侵襲性BCIは、脳組織に電極を刺入し、電極近傍の個々のニューロンまたは少数のニューロンからの活動電位信号（スパイクとも呼ばれる）を記録する。記録電極とニューロンを取り囲む電解液との界面は、ホジキン・ハクスリーモデルを用いてモデル化されている。[ 78 ] [ 79 ]

侵襲性BCIの電子的限界は、ここ数十年、活発に研究されている分野である。ニューロンの細胞内記録では数百ミリボルト規模の活動電位電圧が明らかになるが、慢性侵襲性BCIは、通常3桁小さい数百マイクロボルトの細胞外電圧の記録に依存している。[ 80 ]マイクロボルト規模の信号を検出するという課題にさらに加わるのは、電極と組織のインターフェースが小さな電圧で高い静電容量を持つという事実である。これらの小さな信号の性質上、集積回路に機能を組み込んだBCIシステムの場合、各電極に独自の増幅器とADCが必要であり、これがアナログの細胞外電圧をデジタル信号に変換する。[ 80 ]一般的なニューロンの活動電位は1ミリ秒持続するため、スパイクを測定するBCIは、300 Hzから5 kHzの範囲のサンプリングレートを持つ必要がある。さらに、侵襲性BCIは、周囲の組織への熱放散を抑えるために低電力でなければならないという懸念もある。最も基本的なレベルでは、信号対雑音比を最適化するために、従来より多くの電力が必要とされてきた。[ 79 ]最適なバッテリー設計は、BCIにおいて活発に研究されている分野である。[ 81 ]

侵襲性および部分的侵襲性 BCI の図解: 皮質電気記録法 (ECoG)、血管内および皮質内微小電極。

材料科学の分野における課題は、侵襲性BCIの設計において中心的な役割を果たしています。埋め込み型微小電極では、信号品質の経時的変化がよく観察されています。[ 82 ]侵襲性BCIにおける長期的な信号安定性のための最適な材料特性と機械特性は、活発な研究領域となっています。[ 83 ]電極と組織の界面の損傷に起因するグリア瘢痕の形成が、電極の故障や記録性能の低下の原因である可能性が高いと考えられています。 [ 84 ]研究では、挿入時または経時的な血液脳関門の漏出が、脳に埋め込まれた慢性微小電極に対する炎症反応やグリア反応の原因である可能性が示唆されています。[ 84 ] [ 85 ]その結果、電極のヤング率を脳組織のヤング率に近づけることで異物反応を最小限に抑えるために、柔軟な[ 86 ] [ 87 ] [ 88 ]や組織のようなデザイン[ 89 ] [ 90 ]が研究開発されました。[ 89 ]

部分侵襲性BCI

[編集]

部分侵襲性BCIデバイスは頭蓋内に埋め込まれますが、灰白質内ではなく脳の外側に配置されます。頭蓋骨の骨組織が信号を屈曲・変形させる非侵襲性BCIよりも高解像度の信号を生成します。また、完全侵襲性BCIよりも脳内に瘢痕組織を形成するリスクが低いという利点があります。脳卒中病変周囲皮質からの皮質内BCIの前臨床実証が行われています。[ 91 ]

血管内

[編集]

2020年に発表されたシステマティックレビューでは、血管内BCIの実現可能性を調査した複数の臨床研究と非臨床研究の詳細が報告されている。[ 92 ]

2010年、メルボルン大学の研究者たちは、血管系から挿入可能なBCIの開発に着手しました。オーストラリアの神経科医トーマス・オクスリーは、 DARPA（国防高等研究計画局）から資金提供を受け、「ステントロード」と呼ばれるこのBCIのアイデアを考案しました。前臨床研究では、この技術が羊で評価されました。[ 2 ]

ステントロードは、静脈カテーテルを介して画像誘導下で運動皮質に隣接する領域の上矢状静脈洞に送達されるように設計されたモノリシックステント電極アレイである。[ 93 ]この近接性により、ステントロードは神経活動を測定することができる。この手順は、特発性頭蓋内圧亢進症の治療における静脈洞ステントの配置方法に最も似ている。[ 94 ]ステントロードは、胸部に埋め込まれたバッテリーレスのテレメトリーユニットに神経活動を伝え、テレメトリーユニットは電力とデータ転送が可能な外部テレメトリーユニットとワイヤレスで通信する。血管内BCIは挿入時の開頭手術を回避できるという利点があるが、血栓や静脈血栓症などのリスクが存在する。[要出典]

2021年現在、ステントロードを使ったヒト臨床試験が進行中である。[ 93 ] 2020年11月、筋萎縮性側索硬化症の患者2名が、ステントロードを使って直接思考することで、テキストメッセージ、メール、買い物、銀行取引を行うためのオペレーティングシステムをワイヤレスで制御することができた。[ 95 ]これは、患者の血管を通して脳コンピューターインターフェースが埋め込まれた初めてのケースであり、脳手術の必要性がなくなった。2023年1月、研究者らは、ステントロードを使ってコンピューターを操作できた4名の患者全員において、最初の1年間に深刻な有害事象は報告されなかったと報告した。[ 96 ] [ 97 ]

皮質電気記録

[編集]

皮質電気記録法（ECoG）は、非侵襲性脳波記録法に似た方法で頭蓋骨の下から脳の電気活動を測定します。測定は、皮質の上、硬膜の下に置かれた薄いプラスチックパッドに埋め込まれた電極を使用します。 [ 98 ] ECoG技術は、2004年にセントルイス・ワシントン大学のエリック・ロイトハルトとダニエル・モランによって初めて人間で試験されました。その後の試験では、研究者らは10代の少年にスペースインベーダーをプレイさせました。[ 99 ]この研究は、制御が迅速で、最小限の訓練しか必要とせず、信号の忠実度と侵襲性のレベルのバランスが取れていることを示しています。[注 1 ]

信号は硬膜下または硬膜外から得られますが、脳実質内からは得られません。患者は、てんかん焦点の位置特定と切除のために侵襲的なモニタリングを受ける必要があります。[要出典]

ECoGは、頭皮記録型EEGよりも高い空間分解能、優れた信号対雑音比、広い周波数範囲、および少ないトレーニング要件を提供し、同時に、皮質内単一ニューロン記録よりも技術的な難易度が低く、臨床リスクが低く、優れた長期安定性を持つ可能性があります。[ 101 ]この特徴プロファイルと、最小限のトレーニング要件で高いレベルの制御が可能であるという証拠は、運動障害のある人々への実際の応用の可能性を示しています。[ 102 ] [ 103 ]

UCSFのエドワード・チャンとジョセフ・マキンは、高密度ECoGアレイをシルビウス周囲皮質に埋め込んだてんかん患者の音声をECoG信号で解読できることを報告した。[ 104 ] [ 105 ]彼らは、エンコーダ・デコーダ・ニューラルネットワークを用いてECoGデータを250語からなる50の文に変換し、単語誤り率が3%（従来の研究から大幅に改善）であると報告した。[要出典]

機能的近赤外分光法

[編集]

2014年には、筋萎縮性側索硬化症（ALS）の「閉じ込められた」患者に機能的近赤外線分光法を用いたBCIを施し、基本的なコミュニケーション能力を回復させることができました。[ 106 ]

脳波（EEG）ベースの脳コンピュータインターフェース

[編集]
脳波計によって生成された脳波の記録

ヴィダルがBCIの課題を述べた後、非侵襲的アプローチに関する初期の報告には、VEPを使用した2Dカーソルの制御、[ 107 ]、CNVを使用したブザーの制御、[ 108 ]、脳リズム（アルファ）を​​使用した物理オブジェクト（ロボット）の制御、[ 109 ] 、 P300を使用した画面に書かれたテキストの制御などが含まれていました。[ 110 ] [ 10 ]

BCI研究の初期には、EEGの使用におけるもう一つの大きな障壁として、広範囲にわたる訓練が必要だったことが挙げられます。例えば、1990年代半ばに始まった実験では、ドイツのテュービンゲン大学のニールス・ビルバウマーは、麻痺患者に対し、EEG中の低速皮質電位を自己制御できるよう訓練を行いました。その結果、これらの信号はコンピューターのカーソルを制御するためのバイナリ信号として使用できるレベルに達しました。（ビルバウマーは以前、この低電圧波を制御することで、てんかん患者に発作を予防する訓練を行っていました。）この実験では、10人の患者にコンピューターのカーソルを動かす訓練を行いました。このプロセスは遅く、患者がカーソルで100文字を書くのに1時間以上かかり、訓練には数ヶ月かかることもよくありました。低速皮質電位アプローチは、訓練をほとんど必要とせず、より高速で正確で、より多くのユーザーに有効なアプローチに取って代わられました。[ 111 ]

もう一つの研究パラメータは、測定される振動活動の種類です。ゲルト・プフルトシェラーは1991年にBCIラボを設立し、振動特性と分類器に基づく最初のオンラインBCIを開発しました。ニューヨーク州立大学のビルバウマーとジョナサン・ウォルポーと共に、ミュー波やベータ波など、ユーザーがBCIを操作するのに最も適した脳信号を選択できる技術の開発に注力しました。[要出典]

さらなるパラメータとして、 P300信号の研究で示されているように、フィードバックの方法が挙げられます。P300波のパターンは、人が認識できるものを見たときに無意識に（刺激フィードバックによって）生成され、BCIが訓練なしに思考のカテゴリーを解読できるようになる可能性があります。[要出典]

2005年の研究では、CNVフリップフロップを使用したデジタル制御回路のEEGエミュレーションが報告されました。[ 112 ] 2009年の研究では、CNVフリップフロップを使用したロボットアームの非侵襲的EEG制御が報告されました。[ 113 ] 2011年の研究では、CNVフリップフロップを使用して、3つのディスクでハノイの塔タスクを解く2つのロボットアームの制御が報告されました。 [ 114 ] 2015年の研究では、シュミットトリガ、フリップフロップ、デマルチプレクサ、モデムのEEGエミュレーションについて説明しました。[ 115 ]

ミネソタ大学のビン・ヘと彼のチームによる研​​究は、EEGベースの脳コンピューターインターフェースが侵襲的な脳コンピューターインターフェースに近いタスクを実行できる可能性を示唆している。彼らは、BOLD機能MRIやEEGソースイメージングなどの高度な機能的神経画像化技術を用いて、電気生理学的信号と血行動態信号の共変動と共局在を特定した。[ 116 ]神経画像化手法と訓練プロトコルによって改良された彼らは、運動想像力に基づいて3次元空間での仮想ヘリコプターの飛行を制御する非侵襲的なEEGベースの脳コンピューターインターフェースを構築した。[ 117 ] 2013年6月、彼らは障害物コースで遠隔操作ヘリコプターを誘導する技術を発表した。[ 118 ]彼らはまた、EEG逆問題を解き、得られた仮想EEGをBCIタスクに使用した。よく管理された研究は、このようなソース分析に基づくBCIのメリットを示唆した。[ 119 ]

2014年の研究では、重度の運動障害を持つ患者は、筋肉ベースのコミュニケーションチャネルよりも非侵襲性EEG BCIを使用してより迅速かつ確実にコミュニケーションをとることができると報告されました。[ 120 ]

2019年の研究では、進化的アルゴリズムを適用することで、非侵襲性のMuseデバイスによるEEG精神状態分類が改善され、消費者向けセンシングデバイスで取得したデータの分類が可能になることが報告されている。[ 121 ]

2021年に行われた、脳卒中後の上肢リハビリテーションにおけるBCIを用いたランダム化比較試験のシステマティックレビューでは、EEGベースのBCIは対照療法と比較して上肢運動機能の改善に有効であることが報告されました。具体的には、バンドパワー特性、運動イメージ、機能的電気刺激を活用したBCI研究は、他の方法よりも効果的であると報告されました。[ 122 ] 2021年の別のシステマティックレビューでは、脳卒中後の手のリハビリテーションにおけるロボット支援EEGベースのBCIに焦点を当てています。11件の研究のうち3件で運動評価スコアの改善が観察されました。[ 123 ]

乾式活性電極アレイ

[編集]

1990年代初頭、カリフォルニア大学デービス校のババク・タヘリは、世界初の単一および複数チャンネルの乾式アクティブ電極アレイを実証しました[ 124 ] 。このアレイ電極は、銀/塩化銀電極と比較して優れた性能を発揮することが実証されました。このデバイスは、インピーダンス整合によってノイズを低減する電子回路を内蔵した4つのセンサーサイトで構成されていました。このような電極の利点は以下のとおりです。[要出典]

  • 電解質は使用していません。
  • スキンケアなし、
  • センサーサイズが大幅に縮小され、
  • EEG モニタリング システムとの互換性。

アクティブ電極アレイは、静電容量センサーアレイと、回路に電力を供給するための電池がパッケージ化されたローカル集積回路を備えた統合システムです。このレベルの統合は、この結果を達成するために必要でした。[要出典]

電極はテストベンチと被験者で4つの方法でテストされました。[引用が必要]

  • 自発脳波、
  • 感覚事象関連電位、
  • 脳幹電位、
  • 認知事象関連電位。

皮膚の準備、ゲルの必要性がない（乾燥）、および高い信号対雑音比の点で、標準的な湿式電極と比較して性能が優れていた。[ 125 ]

1999年、ケース・ウェスタン・リザーブ大学のハンター・ペッカムらは、 64電極の脳波計を用いて、四肢麻痺患者の手の動きが制限されていた状態を回復させることに成功しました。患者は上下といった単純だが相反する概念に集中していました。すると、ベータ波脳波出力に基本パターンが特定され、それを用いてスイッチを制御しました。平均以上の活動はオン、平均以下の活動はオフと解釈されました。この信号は、患者の手に埋め込まれた神経制御器の駆動にも使用され、一部の動作が回復しました。[ 126 ]

SSVEPモバイルEEG BCI

[編集]

2009年、NCTUのブレイン・コンピュータ・インターフェース・ヘッドバンドが発表されました。研究者たちは、体毛のない部位への装着を目的としたシリコンベースの微小電気機械システム（MEMS）乾式電極も開発しました。これらの電極は、スナップオン式の電極ホルダーでヘッドバンドのDAQボードに固定されました。信号処理モジュールはアルファ波活動を測定し、 Bluetooth経由でスマートフォンに送信することで、患者の覚醒度と認知能力を評価しました。被験者が眠気を催すと、スマートフォンはオペレーターに覚醒フィードバックを送信して覚醒を促しました。[ 127 ]

2011年、研究者らは携帯電話を鳴らすことができるセルラーベースのBCIを報告した。このウェアラブルシステムは、4チャンネルの生体信号取得/増幅モジュール、通信モジュール、Bluetoothフォンで構成されていた。電極は定常視覚誘発電位（SSVEP）を検出するために配置されていた。[ 128 ] SSVEPは、6 Hzを超える繰り返し周波数の点滅視覚刺激に対する電気的反応であり[ 128 ]、視覚皮質の頭頂部と後頭葉の頭皮領域で最もよく見られる。[ 129 ] [ 130 ] [ 131 ]研究参加者全員が、自然環境下で最小限の練習で電話をかけることができたと報告されている。[ 132 ]

科学者たちは、単一チャネルの高速フーリエ変換（FFT）と複数チャネルシステムの正準相関分析（CCA）アルゴリズムがモバイルBCIをサポートできると報告した。[ 128 ] [ 133 ] CCAアルゴリズムは、高い精度と速度を主張するBCIを調査する実験に適用されている。[ 134 ]細胞BCI技術は、感覚運動ミュー/ベータリズムを拾って運動イメージベースのBCIとして機能するなど、他のアプリケーションにも応用できると報告されている。 [ 128 ]

2013年には、 Android搭載の携帯電話、タブレット、コンピューターベースのBCIを用いた比較試験が行われ、得られたEEG SSVEPのパワースペクトル密度が分析されました。この研究の目標は、「SSVEPベースのBCIの実用性、携帯性、そして普遍性を日常的に活用できるよう向上させること」とされました。携帯電話の信号は安定していなかったものの、刺激周波数は全ての媒体で正確であることが報告されました。ノートパソコンとタブレットのSSVEPの振幅は、携帯電話よりも大きいことが報告されました。これらの2つの質的特徴は、モバイル刺激BCIの実現可能性を示す指標として示唆されました。[ 133 ]

EEG 測定の難しさの 1 つは、モーション アーティファクトの影響を受けやすいことです。[ 135 ]ほとんどの研究プロジェクトでは、参加者は実験室環境でじっと座っているように求められ、頭と目の動きをできるだけ減らします。しかし、これらの取り組みは日常的に使用できるモバイル デバイスを作成することを目的としていたため、[ 133 ]技術を動作状態でテストする必要がありました。2013 年に、研究者はモバイル EEG ベースの BCI 技術をテストし、参加者がトレッドミルで歩いているときに SSVEP を測定しました。報告された結果は、速度が上がると、CCA を使用した SSVEP の検出可能性が低下するというものでした。独立成分分析(ICA) は、EEG 信号とノイズを分離するのに効率的であることが示されています。[ 136 ]研究者は、ICA 処理の有無にかかわらず CCA データは類似していると述べています。彼らは、CCA がモーション アーティファクトに対して堅牢性を示したと結論付けました。[ 130 ] EEG ベースの BCI アプリケーションは空間解像度が低いです。考えられる解決策としては、グラフ理論に基づくEEGソースの接続性、Topomapに基づくEEGパターン認識、EEG- fMRI融合などがある。[引用が必要]

義肢と環境制御

[編集]

非侵襲性BCIは、麻痺のある人の上肢および下肢の義肢に応用されてきました。たとえば、グラーツ工科大学のゲルト・プフルトシェラー氏とその同僚は、BCI制御の機能的電気刺激システムを使用して、脊髄損傷による四肢麻痺の人の上肢の動きを回復させることを実証しました。[ 137 ] 2012年から2013年にかけて、カリフォルニア大学アーバイン校の研究者は、BCI技術が脊髄損傷後の脳制御歩行を回復できることを初めて実証しました。彼らの研究では、下半身麻痺の人がBCIロボット歩行装具を操作して基本的な歩行を取り戻しました。[ 138 ] [ 139 ] 2009年に独立した研究者アレックス・ブレイニー氏がEmotiv EPOCを使用して5軸ロボットアームを制御しました。[ 140 ]彼は、マインドコントロールの車椅子やホームオートメーションのデモンストレーションをいくつか行いました。[要出典]

脳磁図とfMRI

[編集]
主な記事：脳磁図法と機能的磁気共鳴画像法
ATR LabsによるfMRIを用いた人間の視覚の再構成（上段：オリジナル画像、下段：複合読み取り値の平均からの再構成）

磁気脳波（MEG）と機能的磁気共鳴画像法（fMRI）はどちらも非侵襲性BCIとして使用されています。[ 141 ]広く報道された実験では、fMRIは2人のユーザーがバイオフィードバックを通じて血行動態反応や脳血流を変化させることで、リアルタイムでポンをプレイすることを可能にした。[ 142 ]

リアルタイムの血行動態反応のfMRI測定は、思考と動作の間に7秒の遅延を持たせたロボットアームの制御にも使用されている。[ 143 ]

2008年に京都の先端電気通信研究所（ATR）計算脳科学研究所で行われた研究により、研究者は脳信号から10×10ピクセルの解像度で画像を再構成することが可能になった。[ 144 ]

2011年の研究では、被験者が視聴した動画をfMRIデータから秒単位で再構成したと報告されています。[ 145 ]これは、動画と脳活動を関連付ける統計モデルを作成することで実現しました。このモデルを用いて、1800万秒のランダムなYouTube動画データベースから1秒間の動画セグメント100本を検索し、被験者が動画を視聴した際に記録された脳活動と視覚パターンを照合しました。これらの100本の1秒間の動画の抜粋は、動画に似たマッシュアップ画像に合成されました。[ 146 ] [ 147 ] [ 148 ]

ニューロゲーミングにおけるBCI制御戦略

[編集]
運動イメージ
[編集]

運動イメージングでは、体の部位の動きを想像し、感覚運動皮質を活性化することで、脳波の感覚運動振動を調節します。これはBCIによって検出され、ユーザーの意図を推測するために使用できます。運動イメージングでは通常、許容できる制御を習得するためにトレーニングが必要です。トレーニングセッションは通常、数日間にわたって何時間もかかります。トレーニングセッションの長さに関係なく、ユーザーは制御スキームを習得できません。その結果、ゲームプレイのペースが非常に遅くなります。[ 149 ]機械学習手法を使用して、運動イメージングのパフォーマンスを検出するための被験者固有のモデルを計算しました。2022年のBCIコンペティションIV [ 150 ]の運動イメージングデータセット2で最高のパフォーマンスを示したアルゴリズムは、シンガポールのA*STARのAngらが開発したフィルターバンク共通空間パターンでした。[ 151 ]

パッシブBCI設計のためのバイオ/ニューロフィードバック
[編集]

バイオフィードバックは、被験者の精神的なリラックス状態をモニタリングするために使用できます。バイオフィードバックは EEG と一致しない場合もありますが、筋電図(EMG)、皮膚電気抵抗(GSR)、心拍変動(HRV) などのパラメータは一致します。多くのバイオフィードバック システムは、注意欠陥多動性障害 (ADHD)、子供の睡眠障害、歯ぎしり、慢性疼痛などの疾患を治療します。EEG バイオフィードバック システムは通常、4 つの脳波帯域 (シータ: 4～7 Hz、アルファ: 8～12 Hz、SMR: 12～15 Hz、ベータ: 15～18 Hz) をモニタリングし、被験者にそれらの制御を課します。パッシブ BCI は、BCI を使用して、ユーザーの精神状態に関する情報でヒューマンマシンインタラクションを強化します。たとえば、緊急車両のブレーキ中にユーザーがブレーキを踏もうとしていることを検出するシミュレーションなどです。[ 52 ]受動型BCIを使用するゲーム開発者は、ゲームレベルの繰り返しを通してユーザーの認知状態が適応することを理解しています。特定のレベルを初めてプレイする際、プレイヤーの反応はその後のプレイ時とは異なります。例えば、ユーザーは予想していたイベントに対してそれほど驚きません。[ 149 ]

視覚誘発電位（VEP）
[編集]

VEPは、被験者に視覚刺激を提示した後に記録される電位です。VEPの種類には、SSVEPとP300電位があります。[要出典]

定常視覚誘発電位(SSVEP) は、特定の周波数で変調された視覚刺激を使用して網膜を興奮させることによって生成される電位を使用します。SSVEP 刺激は、多くの場合、交互の市松模様から形成され、時には点滅画像を使用します。使用される刺激の位相反転の周波数は、EEG によって区別できるため、SSVEP 刺激の検出は比較的簡単です。SSVEP は、多くの BCI システムで使用されています。これは、いくつかの要因によるものです。誘発される信号は、一過性 VEP や瞬き運動と同じくらい大規模な集団で測定可能です。心電図アーティファクトは、監視される周波数に影響を与えません。SSVEP 信号は堅牢です。一次視覚皮質の地形的構成により、より広い領域が視野の中心または中心窩領域から求心性神経を取得します。SSVEP には問題が伴います。 SSVEPは点滅刺激を用いてユーザーの意図を推測するため、ユーザーはシステムとインタラクトするために点滅または反復するシンボルのいずれかを注視する必要があります。そのため、長時間プレイすると、これらのシンボルが煩わしく、不快感を与える可能性があります。[要出典]

VEPのもう1つのタイプはP300電位です。この電位は、目標刺激（ユーザーが待機または探している刺激）またはオッドボール刺激の出現後約300ミリ秒で発生するEEGの正のピークです。目標刺激と無視された刺激の類似性が増すにつれて、P300の振幅は減少します。P300は、より高次の注意プロセスまたは定位反応に関連していると考えられています。P300の使用には、より少ないトレーニングセッションが必要です。P300を最初に使用したアプリケーションはP300マトリックスでした。このシステムでは、被験者は6×6の文字と数字のグリッドから文字を選択します。グリッドの行と列が順番に点滅し、選択された「選択文字」が点灯するたびに、ユーザーのP300が（潜在的に）誘発されました。しかし、コミュニケーションプロセスは1分あたり約17文字と低速でした。P300は、連続的な制御ではなく、離散的な選択を提供します。ゲーム内でのP300の利点は、プレイヤーが新しい制御システムの使い方を学ぶ必要がなく、ゲームプレイの仕組みと基本的なBCIパラダイムを学習するのに短いトレーニングインスタンスのみを必要とすることです。[ 149 ]

非脳ベースのヒューマン・コンピュータ・インターフェース（生理学的コンピューティング）

[編集]

ヒューマンコンピュータインタラクションでは、電気眼底検査や視線追跡といった他の記録手段も活用できます。これらの手段は脳活動を記録しないため、BCIとはみなされません。[ 152 ]

眼電図検査（EOG）
[編集]

1989年、眼球運動による移動ロボットの制御に関する研究が報告されました。眼球運動信号を用いた移動ロボットの制御は、前進、後退、左折、右折、停止の5つの眼球運動指令を用いて行われました。[ 153 ]

瞳孔の大きさの振動
[編集]

2016年の論文では、視線の固定や眼球運動を必要としない、EEGをベースとしない新しいHCIについて説明されている。 [ 154 ]このインターフェースは潜在的関心に基づいており、仮想キーボード上で選択された文字に注意を向けさせるもので、文字を直接見る必要はない。各文字には独自の（背景の）円があり、その明るさは他の文字とは異なる微小振動をする。文字の選択は、意図しない瞳孔の大きさの振動と背景の円の明るさの振動パターンとの最適な適合に基づいて行われる。ユーザーが文字の円の明るさの変化に合わせて「明る​​い」と「暗い」という言葉を心の中でリハーサルすることで、精度はさらに向上する。[要出典]

脳と脳のコミュニケーション

[編集]

1960年代には、訓練を受けた研究者が脳波を使ってアルファ波を使ったモールス信号を作成しました。[ 155 ] 2013年2月27日、デューク大学とIINN-ELSのミゲル・ニコレリスのグループは、2匹のネズミの脳を接続して情報を共有できるようにし、史上初の直接的な脳間インターフェースを実現しました。[ 156 ] [ 157 ] [ 158 ]

ゲルウィン・シャルクは、ECoG信号が話し言葉や想像上の言葉に埋め込まれた母音と子音を区別することができ、それらの生成に関連するメカニズムを明らかにし、想像上の音声を用いた脳ベースのコミュニケーションの基礎を提供できる可能性があると報告した。[ 103 ] [ 159 ]

2002年、ケビン・ワーウィックは、自身の神経系をインターネットに接続するために、100個の電極アレイを神経系に埋め込みました。ワーウィックは一連の実験を行いました。電極は妻の神経系にも埋め込まれ、二人の人間の神経系間で直接電子通信を行う初の実験となりました。[ 160 ] [ 161 ] [ 162 ] [ 163 ]

他の研究者たちは、被験者の頭皮に装着する非侵襲的な技術を用いて、遠隔地にいる被験者間の脳対脳通信を実現した。情報を送信する人の認知運動入力によって、単語はバイナリストリームにエンコードされた。情報の擬似ランダムビットには、「hola」（スペイン語で「こんにちは」）と「ciao」（イタリア語で「さようなら」）というエンコードされた単語が含まれ、心と心の間で伝達された。[ 164 ]

細胞培養BCI

[編集]
主要記事:培養神経ネットワーク
カリフォルニア工科大学の研究者ジェローム・パイン氏とマイケル・マーハー氏が開発した世界初のニューロチップ

研究者たちは、試験管内で神経細胞や神経ネットワーク全体とインターフェースするデバイスを開発してきました。培養神経組織を用いた実験は、問題解決ネットワークの構築、基本的なコンピュータの構築、ロボットデバイスの操作に焦点を当てています。半導体チップ上に成長した個々のニューロンを刺激し記録する技術の研究は、ニューロエレクトロニクス、またはニューロチップと呼ばれています。[ 165 ]

最初のニューロチップの開発は、1997年にジェローム・パインとマイケル・マーが率いるカリフォルニア工科大学のチームによって行われたと主張されている。[ 166 ]カリフォルニア工科大学のチップには16個のニューロンを収容できるスペースがあった。[要出典]

2003年、南カリフォルニア大学のセオドア・バーガー率いるチームは、人工海馬として機能するニューロチップの開発に取り組みました。このニューロチップはラットの脳用に設計されました。海馬が選ばれたのは、脳の中で最も構造化され、最も研究されている部位であると考えられているためです。海馬の機能は、経験を符号化し、脳の他の場所に長期記憶として保存することです。[ 167 ]

2004年、フロリダ大学のトーマス・デマース氏は、ラットの脳から採取した25,000個のニューロンを培養し、F-22ジェット戦闘機シミュレータを操縦させました。採取後、皮質ニューロンはペトリ皿で培養され、自己再結合して生きた神経ネットワークを形成しました。細胞は60個の電極からなるグリッド上に配置され、シミュレータのピッチとヨーの機能を制御するために使用されました。この研究は、人間の脳が計算タスクを細胞レベルでどのように実行し、学習するかを理解することに焦点を当てていました。[ 168 ]

倫理的な配慮

[編集]

懸念事項は、安全性と使用者への長期的な影響に集中しています。これには、コミュニケーション障害のある個人からのインフォームド・コンセントの取得、患者とその家族の生活の質への影響、健康関連の副作用、治療用途の誤用、安全上のリスク、そしてBCIによって引き起こされる一部の変化の不可逆性などが含まれます。さらに、特に企業が倒産した場合、メンテナンス、修理、スペアパーツへのアクセスについても疑問が生じます。[ 169 ]

BCIの法的および社会的側面は、主流への導入を複雑化させています。懸念事項には、BCIの影響が自由意志や行動の制御を上回っているという主張、認知意図の不正確な解釈、脳深部刺激による人格の変化、人間と機械の境界線の曖昧化など、説明責任と責任の問題が含まれます。[ 170 ]その他の懸念事項としては、高度な尋問技術におけるBCIの使用、不正アクセス（「脳ハッキング」）[ 171 ]、選択的強化による社会階層化、読心術、追跡、タグ付けシステムに関連するプライバシーの問題、そして心、動き、感情の制御の可能性などが挙げられます。[ 172 ]

現状のBCIのほとんどは、そのような倫理的問題にほとんど関わらない矯正療法に近い。生命倫理学はBCI技術がもたらす課題に対処するのに十分な能力を備えており、クラウゼンは2009年に「BCIは倫理的な課題を提起するが、概念的には生命倫理学者が他の治療分野で取り組んできた課題と類似している」と述べている[ 173 ]。ハセラガーらは、期待と価値の管理の重要性を強調した[ 174 ]。

BCIの進化は薬学の進化を反映しています。薬学は障害に対処する手段として始まり、現在では集中力を高め、睡眠の必要性を減らすものとなっています。BCIが治療から機能強化へと進化するにつれ、BCIコミュニティは研究、開発、普及のための倫理ガイドラインに関するコンセンサスの形成に取り組んでいます。[ 175 ] [ 176 ]

低コストシステム

[編集]

様々な企業が、研究や娯楽のために安価なBCIを開発しています。NeuroSkyやMattel MindFlexといった玩具は、商業的に一定の成功を収めています。

  • 2006年、ソニーは無線波が神経皮質の信号に影響を与えることを可能にする神経インターフェースシステムの特許を取得しました。[ 177 ]
  • 2007年、NeuroSkyはゲーム「NeuroBoy」とともに、消費者向けとしては初となる手頃な価格のEEG（脳波計）を発売しました。これは、ドライセンサー技術を採用した初の大型EEGデバイスでした。[ 178 ]
  • 2008年、OCZテクノロジーは、主に筋電図を利用したビデオゲーム用のデバイスを開発した。[ 179 ]
  • 2008年、ファイナルファンタジーの開発元であるスクウェア・エニックスは、ニューロスカイと提携してゲーム「ジュデッカ」を制作すると発表した。[ 180 ] [ 181 ]
  • 2009年、マテルはニューロスカイと提携し、脳波を使って障害物コースでボールを操るゲーム「マインドフレックス」をリリースしました。これは当時、消費者向け脳波計測ゲームとしては圧倒的な売上を記録しました。[ 180 ] [ 182 ]
  • 2009年、アンクル・ミルトン・インダストリーズはニューロスカイと提携し、フォースを所有しているという幻想を作り出すゲーム『スター・ウォーズ ・フォース・トレーナー』をリリースした。[ 180 ] [ 183 ]
  • 2009年、Emotiv社は14チャンネルの脳波計「EPOC」を発売しました。この装置は4つの精神状態、13の意識状態、表情、頭部の動きを読み取ることができます。EPOCは、生理食塩水で湿らせることで接続性を高めることができるドライセンサー技術を採用した初の商用BCIです。[ 184 ]
  • 2011年11月、タイム誌はニューロウェア社が製造した「ネコミミ」をその年の最高の発明品の一つに選出した。[ 185 ]
  • 2014年2月、They Shall Walk（下半身麻痺患者と四肢麻痺患者のためのLIFESUITと呼ばれる外骨格の構築に取り組んでいる非営利団体）は、ジェームズ・W・シャカルジと提携してワイヤレスBCIの開発を開始しました。[ 186 ]
  • 2016年、ある愛好家グループが、スマートフォンのオーディオジャックに神経信号を送るオープンソースのBCIボードを開発し、エントリーレベルのBCIの価格を20ポンドにまで引き下げました。[ 187 ] Androidデバイス用の基本的な診断ソフトウェアと、Unity用のテキスト入力アプリが用意されています。[ 188 ]
  • 2020年、NextMindはドライ電極付きEEGヘッドセットを含む開発キットを399ドルでリリースした。[ 189 ] [ 190 ]このデバイスは様々なビジュアルBCIデモアプリケーションを実行でき、開発者は独自のアプリケーションを開発することもできる。同社はその後、 2022年にSnap Inc.に買収された。[ 191 ]
  • 2023年、PiEEGはシングルボードコンピュータRaspberry Piを脳コンピュータインターフェースに変換できるシールドを350ドルでリリースしました。[ 192 ]
  • 2025年、CerelogはESP32マイクロコントローラをベースにしたオープンソースの8チャンネルBCIボードであるESP-EEGをリリースした。[ 193 ]発売価格は299ドルで、OpenBCI Cytonで使用されているものと同じデータ収集ADCであるADS1299 24ビットADCを使用して、研究グレードのバイオセンシングをより低コストで提供している。 [ 194 ] [ 193 ]このデバイスは、BrainFlowやLab Streaming Layer（LSL）などの標準プラットフォームをサポートし、OpenBCI GUIの修正版と互換性がある。[ 195 ] [ 196 ]

今後の方向性

[編集]
脳コンピューターインターフェース

12の欧州パートナーからなるコンソーシアムは、欧州委員会によるホライズン2020フレームワークプログラムへの資金提供決定を支援するためのロードマップを完成させました。このプロジェクトは欧州委員会の資金提供を受け、2013年11月に開始され、2015年4月にロードマップが公開されました。[ 197 ] 2015年の出版物では、このプロジェクトとブレイン・コンピュータ・インターフェース協会について解説されています。[ 198 ]この出版物では、このプロジェクトにおけるBCIとその応用のさらなる定義、最近の動向の調査、倫理的問題の議論、そして新しいBCIの方向性の評価に関する研究がレビューされています。[要出典]

最近の他の出版物でも、新たな障害を持つユーザーグループに向けたBCIの将来的な方向性が検討されている。[ 7 ] [ 199 ]

意識障害（DOC）

[編集]

意識障害（DOC）の患者がいる。この状態には、昏睡状態、植物状態（VS）、あるいは最小意識状態（MCS）の患者が含まれると定義される。BCI研究はDOCへの対処を目指している。最初の重要な目標は、基本的な認知タスクを実行できる患者を特定することである。これにより患者の診断が変わり、重要な決定（治療を受けるかどうか、どこに住むか、終末期の意思決定についての考え方など）を下せるようになる。誤診された患者は、他者による終末期の意思決定の結果として死亡する可能性がある。BCIを用いてそのような患者とコミュニケーションをとることができるという見通しは、非常に魅力的である。[ 200 ] [ 201 ]

このような患者の多くは、視覚に基づくBCIを使用することができません。そのため、ツールは聴覚刺激や振動触覚刺激に頼る必要があります。患者はヘッドフォンを装着したり、反応する部位に振動触覚刺激装置を装着したりします。もう一つの課題は、患者がコミュニケーションをとる間隔が予測できない可能性があることです。家庭用デバイスは、患者が準備ができたらコミュニケーションを可能にします。[要出典]

自動化ツールは、「お父様の名前はジョージですか？」や「アメリカで生まれましたか？」など、患者が簡単に答えられる質問をすることができます。自動指示は、例えば右手首と左手首の刺激に注意を集中させるなど、患者に「はい」または「いいえ」を伝える方法を指示します。この集中的な注意は、脳波パターンに確実な変化をもたらし、患者がコミュニケーション能力があるかどうかを判断するのに役立ちます。[ 202 ] [ 203 ] [ 204 ]

運動回復

[編集]

脳卒中や外傷など、様々な原因で、人は運動能力の一部を失うことがあります。近年の研究では、脳卒中患者の運動回復と神経リハビリテーションを支援する上で、EEGベースのBCIシステムの有用性が実証されています。[ 205 ] [ 206 ] [ 207 ] [ 208 ]いくつかのグループが、BCIを含む運動回復のためのシステムと方法を研究してきました。[ 209 ] [ 210 ] [ 211 ] [ 212 ]このアプローチでは、患者がセラピストの指示に従って動作を想像したり試みたりしている間、BCIが運動活動を測定します。BCIには2つの利点があります。(1) BCIが患者が動作を正しく想像していない（非順守）ことを示した場合、BCIは患者とセラピストに通知することができます。(2) 機能刺激や仮想アバターの動きなどの報酬フィードバックも、患者の正しい動作イメージに依存します。[要出典]

これまで、運動回復のためのBCIは、患者の運動イメージを測定するために脳波（EEG）に依存してきました。しかし、BCIを用いた脳卒中リハビリ訓練を受ける患者における脳の様々な変化を研究するために、fMRIを用いた研究も行われています。[ 213 ] [ 214 ] [ 215 ] EEGベースのBCIシステムと組み合わせた画像研究は、脳卒中後の運動回復における神経可塑性を調査する上で有望です。[ 215 ]将来のシステムには、fMRIに加えて、機能的近赤外線（FNI）などのリアルタイム制御のための他の測定法が、おそらくEEGと連携して組み込まれる可能性があります。運動回復のためのBCIと組み合わせた非侵襲性脳刺激法も研究されています。[ 216 ] 2016年にメルボルン大学の科学者たちは、麻痺患者向けに開発中の脳コンピュータインターフェース技術プラットフォームに関する前臨床概念実証データを発表しました。この技術は、脳活動を翻訳することで、ロボットの手足、コンピュータ、外骨格などの外部デバイスの制御を容易にすることを目的としています。[ 217 ] [ 218 ] [ 219 ]

機能的脳マッピング

[編集]

2014年には、約40万人が脳神経外科手術中に脳マッピングを受けました。この処置は、薬物療法が効かない患者にしばしば必要とされます。[ 220 ]この処置では、脳に電極を置き、構造や機能領域の位置を正確に特定します。患者は脳神経外科手術中に意識があり、指を動かしたり、言葉を復唱したりするなどの動作を指示される場合があります。これは、外科医が他の領域を温存し​​ながら目的の組織を切除するために必要です。脳組織を過剰に切除すると永久的な損傷を引き起こす可能性があり、逆に切除量が少なすぎると追加の脳神経外科手術が必要になる場合があります。[要出典]

研究者らは、脳神経外科マッピングの改善方法を模索した。この研究は、非侵襲的に検出することが難しい高ガンマ線活動に主に焦点を当てている。その結果、主要な機能領域を特定する方法が改善された。[ 221 ]

フレキシブルデバイス

[編集]

フレキシブルエレクトロニクスは、ポリマーやその他の柔軟な材料（例えば、シルク、[ 222 ] 、ペンタセン、PDMS、パリレン、ポリイミド[ 223 ]）に回路が印刷されたものであり、その柔軟性により電子機器を曲げることができる。これらのデバイスの製造に使用される製造技術は、集積回路や微小電気機械システム（MEMS）の製造に使用される技術に似ている。 [要出典]

柔軟な神経インターフェースは、電極と組織間の機械的な不適合に関連する脳組織の損傷を最小限に抑える可能性があります。[ 224 ]

ニューラルダスト

[編集]
主要記事:ニューラルダスト

ニューラルダストは、カリフォルニア大学バークレー校無線研究センターの2011年の論文で提案された、無線で駆動する神経センサーとして動作するミリメートルサイズのデバイスです。 [ 225 ] [ 226 ]あるモデルでは、局所的な場の電位を活動電位の「スパイク」と区別することができ、従来の技術に比べて大幅に多様なデータを提供します。[ 225 ]

参照

[編集]

注記

[編集]
  1. ^ これらの電極は、BCIを開発する目的で患者に埋め込まれたものではありません。患者は重度のてんかんを患っており、これらの電極は医師が発作焦点を特定するために一時的に埋め込まれたものであり、BCI研究者は単にこの状況を利用したに過ぎません。 [ 100 ]

参考文献

[編集]
  1. ^ a b Krucoff MO, Rahimpour S, Slutzky MW, Edgerton VR, Turner DA (2016). 「神経生物学的製剤、神経インターフェーストレーニング、神経リハビリテーションによる神経系回復の促進」 . Frontiers in Neuroscience . 10 : 584. doi : 10.3389/fnins.2016.00584 . PMC  5186786. PMID  28082858 .
  2. ^ a b Martini, Michael L.; Oermann, Eric Karl; Opie, Nicholas L.; Panov, Fedor; Oxley, Thomas; Yaeger, Kurt (2020年2月). 「脳コンピュータインターフェース技術のためのセンサーモダリティ：包括的な文献レビュー」 . Neurosurgery . 86 (2): E108 – E117 . doi : 10.1093/neuros/nyz286 . ISSN 0148-396X . PMID 31361011 .   
  3. ^ a b Vidal JJ (1973). 「脳とコンピュータの直接的なコミュニケーションに向けて」 . Annual Review of Biophysics and Bioengineering . 2 (1): 157– 180. doi : 10.1146/annurev.bb.02.060173.001105 . PMID 4583653 . 
  4. ^ a b Vidal J (1977). 「EEGにおける脳活動のリアルタイム検出」. Proceedings of the IEEE . 65 (5): 633– 641. Bibcode : 1977IEEEP..65..633V . doi : 10.1109/PROC.1977.10542 . S2CID 7928242 . 
  5. ^ Levine SP, Huggins JE, BeMent SL, Kushwaha RK, Schuh LA, Rohde MM, 他 (2000年6月). 「事象関連電位に基づく直接脳インターフェース」. IEEE Transactions on Rehabilitation Engineering . 8 (2): 180– 185. Bibcode : 2000ITRE....8..180L . doi : 10.1109/86.847809 . PMID 10896180 . 
  6. ^ Straebel V , Thoben W (2014). 「アルヴィン・ルシエのソロ演奏者のための音楽：ソニフィケーションを超えた実験音楽」 . Organised Sound . 19 (1): 17– 29. doi : 10.1017/S135577181300037X . S2CID 62506825 . 
  7. ^ a b Wolpaw, JRとWolpaw, EW (2012). 「脳コンピュータインターフェース：太陽の下での新しいもの」. 『脳コンピュータインターフェース：原理と実践』 Wolpaw, JRとWolpaw（編）, EW Oxford University Press.
  8. ^ Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM (2002年6月). 「コミュニケーションと制御のための脳コンピュータインターフェース」.臨床神経生理学. 113 (6): 767– 791. doi : 10.1016/s1388-2457(02)00057-3 . PMID 12048038. S2CID 17571592 .  
  9. ^ Allison BZ, Wolpaw EW, Wolpaw JR (2007年7月). 「脳コンピュータインターフェースシステム：進歩と展望」. Expert Review of Medical Devices . 4 (4): 463– 474. doi : 10.1586/17434440.4.4.463 . PMID 17605682. S2CID 4690450 .  
  10. ^ a b Bozinovski S, Bozinovska L (2019). 「ヨーロッパにおけるブレイン・コンピュータ・インターフェース：30周年」 . Automatika . 60 (1): 36– 47. doi : 10.1080/00051144.2019.1570644 .
  11. ^ Vidal, Jacques J. (1977). 「EEGにおける脳活動のリアルタイム検出」(PDF) . Proceedings of the IEEE . 65 (5): 633– 641. Bibcode : 1977IEEEP..65..633V . doi : 10.1109/PROC.1977.10542 . S2CID 7928242. 2015年7月19日時点のオリジナル(PDF)からのアーカイブ。 2022年11月4日閲覧。  
  12. ^ S. Bozinovski, M. Sestakov, L. Bozinovska: EEGアルファリズムを用いた移動ロボットの制御、G. Harris, C. Walker (編) Proc. IEEE Annual Conference of Medical and Biological Society、p. 1515-1516、ニューオーリンズ、1988
  13. ^ S. Bozinovski: 移動ロボットの軌道制御: 固定レールから生体電気による直接制御へ、O. Kaynak (編) Proc. IEEE Workshop on Intelligent Motion Control、p. 63-67、イスタンブール、1990
  14. ^ M. Lebedev: 神経補綴による感覚運動機能の増強. Opera Medica and Physiologica. 第2巻(3): 211-227, 2016
  15. ^ M. Lebedev, M. Nicolelis: 脳-機械インターフェース：基礎科学から神経補綴物および神経リハビリテーションまで、生理学レビュー97:737-867、2017
  16. ^ L. Bozinovska、G. Stojanov、M. Sestakov、S. Bozinovski：「CNVパターン認識：認知波動観測への第一歩」、L. Torres、E. Masgrau、E. Lagunas（編）「信号処理V：理論と応用」、EUSIPCO-90：第5回ヨーロッパ信号処理会議、Elsevier、p. 1659-1662、バルセロナ、1990年
  17. ^ L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectogram: experimental design and algorithms, In Proc IEEE International Biomedical Engineering Days, p. 55-60, Istanbul, 1992
  18. ^ Miranda RA, Casebeer WD, Hein AM, Judy JW, Krotkov EP, Laabs TL, et al. (2015年4月). 「DARPA資金による新規脳コンピューターインターフェース技術開発への取り組み」 Journal of Neuroscience Methods 244 : 52– 67. doi : 10.1016/j.jneumeth.2014.07.019 . PMID 25107852. S2CID 14678623 .  
  19. ^ Jacobs M, Premji A, Nelson AJ (2012年5月16日). 「手の機能における体性感覚制御を調査するための可塑性誘導TMSプロトコル」 Neural Plasticity . 2012 350574. doi : 10.1155/2012/350574 . PMC 3362131. PMID 22666612 .  
  20. ^ Fox, Maggie (2016年10月13日). 「脳チップが麻痺した男性の指の感覚を助ける」 NBCニュース. 2021年3月23日閲覧。
  21. ^ ハットメーカー、テイラー（2017年7月10日）「DARPA、完璧な超小型双方向脳コンピューターインターフェースの開発に6500万ドルを授与」テッククランチ。 2021年3月23日閲覧。
  22. ^ ステイシー、ケビン（2017年7月10日）「ブラウン大学、次世代脳コンピューターインターフェース開発に最大1900万ドルを受領」ブラウン大学。 2021年3月23日閲覧。
  23. ^ 「低侵襲性『ステントロード』、脳神経インターフェースとしての可能性を示唆」国防高等研究計画局（DARPA） 2016年2月8日。 2021年3月23日閲覧。
  24. ^ 「人工内耳」国立聴覚・コミュニケーション障害研究所（National Institute on Deafness and Other Communication Disorders）2016年2月。 2024年4月1日閲覧。
  25. ^ ミゲル・ニコレリス他 (2001)デューク大学の神経生物学者が、サルが脳信号を介してロボットアームを制御できるシステムを開発した。 2008年12月19日 アーカイブ、 Wayback Machineにて
  26. ^ Baum M (2008年9月6日). 「サルが脳力を使ってロボットアームで自給自足」 . Pitt Chronicle. 2009年9月10日時点のオリジナルよりアーカイブ。 2009年7月6日閲覧。
  27. ^ Perkins, Sean M.; Trumpis, Michael; Reitman, Michael E.; Jarosiewicz, Beata; Patel, Aashish N.; Weiss, Adam; Scott, Jacob W.; Nishimura, Kurtis; Angle, Matthew R.; Qiao, Shaoyu; Gilja, Vikash (2025). 「SONIC：脳コンピュータインターフェースのベンチマークパラダイム」 . doi : 10.1101/2025.09.30.679683 .
  28. ^ Lewis T (2020年11月). 「イーロン・マスクの豚脳インプラントは『麻痺の解決』にはまだ遠い」「 . Scientific American . 2021年3月23日閲覧。
  29. ^ Shead S (2021年2月). 「イーロン・マスク氏、自身のスタートアップ企業Neuralinkが脳を使ってビデオゲームをプレイするサルを開発したと語る」 . CNBC . 2021年3月23日閲覧。
  30. ^ フェッツEE (1969年2月)。 「皮質単位活動のオペラント条件付け」。科学。163 (3870): 955–958。Bibcode : 1969Sci...163..955F。土井：10.1126/science.163.3870.955。PMID 4974291。S2CID 45427819。  
  31. ^ Schmidt EM, McIntosh JS, Durelli L, Bak MJ (1978年9月). 「オペラント条件付けされた皮質ニューロンの発火パターンの微細制御」.実験神経学. 61 (2): 349– 369. doi : 10.1016/0014-4886(78)90252-2 . PMID 101388. S2CID 37539476 .  
  32. ^ Georgopoulos AP, Lurito JT, Petrides M, Schwartz AB, Massey JT (1989年1月). 「神経細胞集団ベクトルの心的回転」. Science . 243 ( 4888): 234– 236. Bibcode : 1989Sci...243..234G . doi : 10.1126/science.2911737 . PMID 2911737. S2CID 37161168 .  
  33. ^ Stanley GB, Li FF, Dan Y (1999年9月). 「外側膝状体核におけるアンサンブル応答からの自然シーンの再構成」 . The Journal of Neuroscience . 19 (18): 8036– 8042. doi : 10.1523 / JNEUROSCI.19-18-08036.1999 . PMC 6782475. PMID 10479703 .  
  34. ^ Wessberg J, Stambaugh CR, Kralik JD, Beck PD, Laubach M, Chapin JK, 他 (2000年11月). 「霊長類における皮質ニューロン集団による手の軌道のリアルタイム予測」. Nature . 408 ( 6810): 361– 365. Bibcode : 2000Natur.408..361W . doi : 10.1038/35042582 . PMID 11099043. S2CID 795720 .  
  35. ^ a b Carmena JM, Lebedev MA, Crist RE, O'Doherty JE, Santucci DM, Dimitrov DF, et al. (2003年11月). 「霊長類による到達と把握のための脳-機械インターフェース制御の学習」 . PLOS Biology . 1 (2) E42. doi : 10.1371/journal.pbio.0000042 . PMC 261882. PMID 14624244 .  
  36. ^ a b Lebedev MA, Carmena JM, O'Doherty JE, Zacksenhouse M, Henriquez CS, Principe JC, Nicolelis MA (2005年5月). 「脳マシンインターフェースによって制御される人工アクチュエータの速度を表現するための皮質アンサンブル適応」 . The Journal of Neuroscience . 25 (19): 4681– 4693. doi : 10.1523/JNEUROSCI.4088-04.2005 . PMC 6724781. PMID 15888644 .  
  37. ^ O'Doherty JE, Lebedev MA, Ifft PJ, Zhuang KZ, Shokur S, Bleuler H, Nicolelis MA (2011年10月). 「脳・機械・脳インターフェースを用いた能動的な触覚探査」 . Nature . 479 (7372): 228– 231. Bibcode : 2011Natur.479..228O . doi : 10.1038/nature10489 . PMC 3236080. PMID 21976021 .  
  38. ^ Serruya MD, Hatsopoulos NG, Paninski L, Fellows MR, Donoghue JP (2002年3月). 「運動信号の即時的な神経制御」. Nature . 416 (6877): 141– 142. Bibcode : 2002Natur.416..141S . doi : 10.1038/416141a . PMID 11894084. S2CID 4383116 .  
  39. ^ Taylor DM, Tillery SI, Schwartz AB (2002年6月). 「3D神経補綴デバイスの皮質直接制御」. Science . 296 (5574): 1829– 1832. Bibcode : 2002Sci...296.1829T . CiteSeerX 10.1.1.1027.4335 . doi : 10.1126 /science.1070291 . PMID 12052948. S2CID 9402759 .   
  40. ^ Pitt team to build on brain-controlled arm Archived 4 July 2007 at the Wayback Machine、 Pittsburgh Tribune Review、2006年9月5日。
  41. ^ YouTubeの動画
  42. ^ Velliste M, Perel S, Spalding MC, Whitford AS, Schwartz AB (2008年6月). 「自己給餌のための義手における皮質制御」 . Nature . 453 (7198): 1098–1101 . Bibcode : 2008Natur.453.1098V . doi : 10.1038/nature06996 . PMID 18509337. S2CID 4404323 .  
  43. ^ Musallam S, Corneil BD, Greger B, Scherberger H, Andersen RA (2004年7月). 「神経補綴のための認知制御信号」 . Science . 305 ( 5681): 258– 262. Bibcode : 2004Sci...305..258M . doi : 10.1126/science.1097938 . PMID 15247483. S2CID 3112034 .  
  44. ^ Santucci DM, Kralik JD, Lebedev MA, Nicolelis MA (2005年9月). 「前頭葉および頭頂葉皮質アンサンブルは霊長類の到達運動中の単一試行筋活動を予測する」.ヨーロッパ神経科学ジャーナル. 22 (6): 1529– 1540. doi : 10.1111/j.1460-9568.2005.04320.x . PMID 16190906. S2CID 31277881 .  
  45. ^ Anumanchipalli GK, Chartier J, Chang EF (2019年4月). 「音声文のニューラルデコーディングによる音声合成」 . Nature . 568 (7753): 493– 498. Bibcode : 2019Natur.568..493A . doi : 10.1038 / s41586-019-1119-1 . PMC 9714519. PMID 31019317. S2CID 129946122 .   
  46. ^ Pandarinath C, Ali YH (2019年4月). 「自分の考えを話せる脳インプラント」 . Nature . 568 (7753): 466– 467. Bibcode : 2019Natur.568..466P . doi : 10.1038/d41586-019-01181-y . PMID 31019323 . 
  47. ^ Moses DA, Metzger SL, Liu JR, Anumanchipalli GK, Makin JG, Sun PF, et al. (2021年7月). 「構音障害を伴う麻痺患者の音声解読のための神経プロテーゼ」 . The New England Journal of Medicine . 385 (3): 217– 227. doi : 10.1056/NEJMoa2027540 . PMC 8972947. PMID 34260835. S2CID 235907121 .   
  48. ^ ベラック、パム（2021年7月14日）「脳に働きかけ、麻痺した男性の発話を助ける」ニューヨーク・タイムズ。
  49. ^ 「BCI研究におけるBCI2000の使用」国立適応神経技術センター。 2023年12月5日閲覧。
  50. ^ Huber D, Petreanu L, Ghitani N, Ranade S, Hromádka T, Mainen Z, Svoboda K (2008年1月). 「バレル皮質におけるスパース光微小刺激は、自由に移動するマウスの学習行動を促進する」 . Nature . 451 (7174): 61– 64. Bibcode : 2008Natur.451...61H . doi : 10.1038/nature06445 . PMC 3425380. PMID 18094685 .  
  51. ^ Nicolelis MA, Lebedev MA (2009年7月). 「脳-機械インターフェースの動作を支える神経集団生理学の原理」. Nature Reviews. Neuroscience . 10 (7): 530– 540. doi : 10.1038/nrn2653 . PMID 19543222. S2CID 9290258 .  
  52. ^ a b Zander TO, Kothe C (2011年4月). 「受動的な脳コンピュータインターフェースに向けて：脳コンピュータインターフェース技術のヒューマンマシンシステム全般への適用」. Journal of Neural Engineering . 8 (2) 025005. Bibcode : 2011JNEng...8b5005Z . doi : 10.1088/1741-2560/8/ 2 /025005 . PMID 21436512. S2CID 37168897 .  
  53. ^ Richardson AG, Ghenbot Y, Liu X, Hao H, Rinehart C, DeLuccia S, 他 (2019年8月). 「感覚脳マシンインターフェースを用いた能動的なセンシング戦略の学習」 .米国科学アカデミー紀要. 116 (35): 17509– 17514. Bibcode : 2019PNAS..11617509R . doi : 10.1073 / pnas.1909953116 . PMC 6717311. PMID 31409713 .  
  54. ^ Abdulkader SN, Atia A, Mostafa MS (2015年7月). 「脳コンピュータインターフェース：応用と課題」 .エジプト情報科学ジャーナル. 16 (2): 213– 230. doi : 10.1016/j.eij.2015.06.002 . ISSN 1110-8665 . 
  55. ^ Polikov VS, Tresco PA, Reichert WM (2005年10月). 「慢性的に埋め込まれた神経電極に対する脳組織の反応」. Journal of Neuroscience Methods . 148 (1): 1– 18. doi : 10.1016/j.jneumeth.2005.08.015 . PMID 16198003. S2CID 11248506 .  
  56. ^ 「ビジョンクエスト」。Wired誌（2002年9月）。
  57. ^ Kotler S. 「Vision Quest」 . Wired . ISSN 1059-1028 . 2021年11月10日閲覧。 
  58. ^ Tuller D (2004年11月1日). 「人工視覚のパイオニア、ウィリアム・ドーベル博士が62歳で死去」 .ニューヨーク・タイムズ.
  59. ^ Naumann J (2012). 『楽園を探して：人工視覚実験の患者の体験記』 Xlibris. ISBN 978-1-4797-0920-5。
  60. ^ nurun.com (2012年11月28日). 「ジェン・ナウマン氏のハイテクパラダイスは失われた」 . thewhig . Thewhig.com . 2016年12月19日閲覧。
  61. ^ Kennedy PR, Bakay RA (1998年6月). 「脳への直接接続による麻痺患者の神経出力の回復」NeuroReport . 9 (8): 1707– 1711. doi : 10.1097/00001756-199806010-00007 . PMID 9665587 . S2CID 5681602 .  
  62. ^ Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan AH, et al. (2006年7月). 「四肢麻痺患者による義肢のニューロン集団制御」.​​ Nature . 442 (7099). Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh, Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn, John P. Donoghue: 164– 171. Bibcode : 2006Natur.442..164H . doi : 10.1038/nature04970 . PMID 16838014. S2CID 4347367 .  
  63. ^ Martins Iduwe. 「Brain Computer Interface」 . Academia.edu . 2023年12月5日閲覧。
  64. ^ Hochberg LR, Bacher D, Jarosiewicz B, Masse NY, Simeral JD, Vogel J, 他 (2012年5月). 「神経制御型ロボットアームを用いた四肢麻痺患者の手の伸ばし方と掴み方」 . Nature . 485 ( 7398): 372– 375. Bibcode : 2012Natur.485..372H . doi : 10.1038/nature11076 . PMC 3640850. PMID 22596161 .  
  65. ^ Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, 他 (2013年2月). 「四肢麻痺患者による高性能神経補綴装置による制御」. Lancet . 381 ( 9866): 557– 564. doi : 10.1016/S0140-6736(12)61816-9 . PMC 3641862. PMID 23253623 .  
  66. ^ Willett FR, Avansino DT, Hochberg LR, Henderson JM, Shenoy KV (2021年5月). 「手書きによる高性能な脳内テキストコミュニケーション」 . Nature . 593 ( 7858): 249– 254. Bibcode : 2021Natur.593..249W . doi : 10.1038/s41586-021-03506-2 . PMC 8163299. PMID 33981047 .  
  67. ^ Willett FR (2021). 「高性能手書きBCI」. Guger C, Allison BZ, Gunduz A (編).脳コンピュータインターフェース研究：最先端技術概要 10 . SpringerBriefs in Electrical and Computer Engineering. 出版社: Springer International Publishing. pp.  105– 109. doi : 10.1007/978-3-030-79287-9_11 . ISBN 978-3-030-79287-9. S2CID  239736609 .
  68. ^ Moses, David A.; Metzger, Sean L.; Liu, Jessie R.; Anumanchipalli, Gopala K.; Makin, Joseph G.; Sun, Pengfei F.; Chartier, Josh; Dougherty, Maximilian E.; Liu, Patricia M.; Abrams, Gary M.; Tu-Chan, Adelyn; Ganguly, Karunesh; Chang, Edward F. (2021年7月14日). 「構音障害を伴う麻痺患者の音声解読のための神経補綴装置」 . New England Journal of Medicine . 385 (3): 217– 227. doi : 10.1056/NEJMoa2027540 . ISSN 0028-4793 . PMC 8972947 . PMID 34260835。   
  69. ^ マイセリ、バラカ;アブダラ、アブディ T.マサウェ、リベ V.ムビセ、慈悲。ムコチャ、ハディジャ。ナッサー、ナッサーの同盟者。イスマイル、モーセ。マイケル、ジェームス。キマンボ、サムウェル（2023年8月4日）。「脳とコンピューターのインターフェース: 傾向、課題、脅威」。脳情報学。10 (1): 20.土井: 10.1186/s40708-023-00199-3。ISSN 2198-4026。PMC 10403483。PMID 37540385。   
  70. ^ マツコ、アモス（2024年8月21日）「バイリンガル音声神経補綴」サイエンスロボティクス誌、9 (93) eads4122. doi : 10.1126/scirobotics.ads4122 . PMID 39167669 . 
  71. ^ Silva, Alexander B.; Liu, Jessie R.; Metzger, Sean L.; Bhaya-Grossman, Ilina; Dougherty, Maximilian E.; Seaton, Margaret P.; Littlejohn, Kaylo T.; Tu-Chan, Adelyn; Ganguly, Karunesh; Moses, David A.; Chang, Edward F. (2024年8月). 「言語間で共有される皮質調音表現によって駆動されるバイリンガル音声神経補綴装置」 . Nature Biomedical Engineering . 8 (8): 977– 991. doi : 10.1038/ s41551-024-01207-5 . ISSN 2157-846X . PMC 11554235. PMID 38769157 .   
  72. ^ 「バイリンガルAI脳インプラントが脳卒中患者にスペイン語と英語でのコミュニケーションを支援」 NBCニュース、2024年5月28日。 2025年6月23日閲覧。
  73. ^ Pandarinath C , Bensmaia SJ (2021年9月). 「感作された脳制御バイオニックハンドを支える科学と工学」 .生理学レビュー. 102 (2): 551– 604. doi : 10.1152/physrev.00034.2020 . PMC 8742729. PMID 34541898. S2CID 237574228 .   
  74. ^ Willett, Francis R.; Kunz, Erin M.; Fan, Chaofei; Avansino, Donald T.; Wilson, Guy H.; Choi, Eun Young; Kamdar, Foram; Glasser, Matthew F.; Hochberg, Leigh R.; Druckmann, Shaul; Shenoy, Krishna V.; Henderson, Jaimie M. (2023年8月23日). 「高性能音声神経補綴装置」 . Nature . 620 (7976): 1031– 1036. Bibcode : 2023Natur.620.1031W . doi : 10.1038/s41586-023-06377-x . ISSN 1476-4687 . PMC 10468393 . PMID 37612500。   
  75. ^ Metzger, Sean L.; Littlejohn, Kaylo T.; Silva, Alexander B.; Moses, David A.; Seaton, Margaret P.; Wang, Ran; Dougherty, Maximilian E.; Liu, Jessie R.; Wu, Peter; Berger, Michael A.; Zhuravleva, Inga; Tu-Chan, Adelyn; Ganguly, Karunesh; Anumanchipalli, Gopala K.; Chang, Edward F. (2023年8月23日). 「音声デコードとアバター制御のための高性能神経補綴装置」 . Nature . 620 (7976): 1037– 1046. Bibcode : 2023Natur.620.1037M . doi : 10.1038/s41586-023-06443-4 . ISSN 1476-4687 . PMC 10826467 . PMID 37612505 . S2CID 261098775 .    
  76. ^ Naddaf, Miryam (2023年8月23日). 「脳読み取りデバイスにより、麻痺患者が思考を使って会話できるようになる」 . Nature . 620 (7976): 930–931 . Bibcode : 2023Natur.620..930N . doi : 10.1038 / d41586-023-02682-7 . PMID 37612493. S2CID 261099321 .  
  77. ^ Zhang M, Tang Z, Liu X, Van der Spiegel J (2020年4月). 「電子神経インターフェース」. Nature Electronics . 3 (4): 191– 200. doi : 10.1038/s41928-020-0390-3 . ISSN 2520-1131 . S2CID 216508360 .  
  78. ^ Hodgkin AL, Huxley AF (1952年8月). 「膜電流の定量的記述と神経伝導および興奮への応用」 . The Journal of Physiology . 117 (4): 500– 544. doi : 10.1113/jphysiol.1952.sp004764 . PMC 1392413. PMID 12991237 .  
  79. ^ a b Obien ME, Deligkaris K, Bullmann T, Bakkum DJ, Frey U (2015). 「微小電極アレイ記録による神経機能の解明」 . Frontiers in Neuroscience . 8 : 423. doi : 10.3389/fnins.2014.00423 . PMC 4285113. PMID 25610364 .  
  80. ^ a b Harrison RR (2008年7月). 「脳活動を観察するための集積回路の設計」. Proceedings of the IEEE . 96 (7): 1203–1216 . doi : 10.1109/JPROC.2008.922581 . ISSN 1558-2256 . S2CID 7020369 .  
  81. ^ Haci D, Liu Y, Ghoreishizadeh SS, Constandinou TG (2020年2月). 「能動型埋め込み型医療機器における電力管理に関する重要な考慮事項」 . 2020 IEEE 第11回ラテンアメリカ回路・システムシンポジウム (LASCAS) . pp.  1– 4. doi : 10.1109/LASCAS45839.2020.9069004 . ISBN 978-1-7281-3427-7. S2CID  215817530 .
  82. ^ Downey JE, Schwed N, Chase SM, Schwartz AB, Collinger JL (2018年8月). 「ヒト脳コンピュータインターフェースユーザーにおける皮質内記録の安定性」. Journal of Neural Engineering . 15 (4): 046016. Bibcode : 2018JNEng..15d6016D . doi : 10.1088 / 1741-2552/aab7a0 . PMID 29553484. S2CID 3961913 .  
  83. ^ Szostak KM, Grand L, Constandinou TG (2017). 「皮質内記録のための神経インターフェース：要件、製造方法、および特性」 . Frontiers in Neuroscience . 11 665. doi : 10.3389/fnins.2017.00665 . PMC 5725438. PMID 29270103 .  
  84. ^ a b Saxena T, Karumbaiah L, Gaupp EA, Patkar R, Patil K, Betancur M, et al. (2013年7月). 「慢性血液脳関門破綻による皮質内電極機能への影響」. Biomaterials . 34 (20): 4703– 4713. doi : 10.1016/j.biomaterials.2013.03.007 . PMID 23562053 . 
  85. ^ Nolta NF, Christensen MB, Crane PD, Skousen JL, Tresco PA (2015年6月1日). 「BBB漏出、アストログリオーシス、および組織損失は、シリコン微小電極アレイの記録性能と相関する」. Biomaterials . 53 : 753–762 . doi : 10.1016/j.biomaterials.2015.02.081 . PMID 25890770 . 
  86. ^ Robinson JT, Pohlmeyer E, Gather MC, Kemere C, Kitching JE, Malliaras GG他 (2019年11月). 「次世代脳センシング技術の開発 - レビュー」 . IEEE Sensors Journal . 19 (22): 10163– 10175. doi : 10.1109/JSEN.2019.2931159 . PMC 7047830. PMID 32116472 .  
  87. ^ Luan L, Wei X, Zhao Z, Siegel JJ, Potnis O, Tuppen CA, et al. (2017年2月). 「超柔軟ナノ電子プローブがグリア瘢痕のない信頼性の高い神経統合を形成」 . Science Advances . 3 (2) e1601966. Bibcode : 2017SciA....3E1966L . doi : 10.1126/sciadv.1601966 . PMC 5310823. PMID 28246640 .  
  88. ^ Frank JA, Antonini MJ, Anikeeva P (2019年9月). 「神経機能研究のための次世代インターフェース」 . Nature Biotechnology . 37 (9): 1013– 1023. doi : 10.1038/s41587-019-0198-8 . PMC 7243676. PMID 31406326 .  
  89. ^ a b Hong G, Viveros RD, Zwang TJ, Yang X, Lieber CM (2018年7月). 「脳の理解と制御のための組織様神経プローブ」 .生化学. 57 ( 27): 3995– 4004. doi : 10.1021/acs.biochem.8b00122 . PMC 6039269. PMID 29529359 .  
  90. ^ Viveros RD, Zhou T, Hong G, Fu TM, Lin HG, Lieber CM (2019年6月). 「注入可能な電子機器のための高度な1次元および2次元メッシュ設計」 . Nano Letters . 19 (6): 4180– 4187. Bibcode : 2019NanoL..19.4180V . doi : 10.1021/ acs.nanolett.9b01727 . PMC 6565464. PMID 31075202 .  
  91. ^ Gulati T, Won SJ, Ramanathan DS, Wong CC, Bodepudi A, Swanson RA, Ganguly K (2015年6月). 「脳卒中病変周囲皮質からの堅牢な神経補綴制御」 . The Journal of Neuroscience . 35 (22): 8653– 8661. doi : 10.1523/JNEUROSCI.5007-14.2015 . PMC 6605327. PMID 26041930 .  
  92. ^ Soldozy S, Young S, Kumar JS, Capek S, Felbaum DR, Jean WC, 他 (2020年7月). 「血管内ステント電極アレイの系統的レビュー：脳・機械インターフェースへの低侵襲アプローチ」Neurosurgical Focus . 49 (1): E3. doi : 10.3171/2020.4.FOCUS20186 . PMID 32610291 . S2CID 220308983 .  
  93. ^ a b Opie N (2021). 「StentrodeTM ニューラル・インターフェース・システム」 Guger C, Allison BZ, Tangermann M (編).脳コンピュータ・インターフェース研究. SpringerBriefs in Electrical and Computer Engineering. 出版社: Springer International Publishing. pp.  127– 132. doi : 10.1007/978-3-030-60460-8_13 . ISBN 978-3-030-60460-8. S2CID  234102889 .
  94. ^ Teleb MS, Cziep ME, Lazzaro MA, Gheith A, Asif K, Remler B, Zaidat OO (2014年5月). 「特発性頭蓋内圧亢進症．横洞ステント留置術の系統的解析」. Interventional Neurology . 2 (3): 132– 143. doi : 10.1159/000357503 . PMC 4080637. PMID 24999351 .  
  95. ^ Bryson S (2020年11月5日). 「ステントロード装置により、上肢部分麻痺のALS患者がコンピューター制御を可能に」 ALS News Today .
  96. ^ Lanese, Nicoletta (2023年1月12日). 「新型『思考制御』デバイスが頸静脈を通して脳活動を読み取る」 livescience.com . 2023年2月16日時点のオリジナルよりアーカイブ。 2023年2月16日閲覧。
  97. ^ ミッチェル、ピーター; リー、サラ CM; ヨー、ピーター E.; モロコフ、アンドリュー; シャルマ、ラフル P.; ウィリアムズ、ダリル L.; マックアイザック、クリストファー; ハワード、マーク E.; アーヴィング、ルー; ヴルリッチ、イヴァン; ウィリアムズ、キャメロン; ブッシュ、スティーブン; バラバンスキー、アンナ H.; ドラモンド、キャサリン J.; デズモンド、パトリシア; ウェーバー、ダグラス; デニソン、ティモシー; マザーズ、スーザン; オブライエン、テレンス J.; モッコ、J.; グレイデン、デビッド B.; リーベスキンド、デビッド S.; オピー、ニコラス L.; オックスリー、トーマス J.; キャンベル、ブルース CV (2023年1月9日). 「重度麻痺患者4名に対する完全埋め込み型血管内脳コンピュータインターフェースの安全性評価：思考制御デジタルスイッチ（SWITCH）試験によるStentrode」 . JAMA Neurology . 80 ( 3): 270– 278. doi : 10.1001/jamaneurol.2022.4847 . ISSN 2168-6149 . PMC 9857731. PMID 36622685. S2CID 255545643 .    
  98. ^ Serruya M, Donoghue J (2004). 「第3章：神経運動補綴装置の設計原理」（PDF） . Horch KW, Dhillon GS（編）. Neuroprosthetics: Theory and Practice . Imperial College Press. pp.  1158– 1196. doi : 10.1142/9789812561763_0040 . 2005年4月4日時点のオリジナル（PDF）からアーカイブ。
  99. ^ 「ティーンエイジャーが想像力だけでビデオアイコンを動かす」。プレスリリース。セントルイス・ワシントン大学。2006年10月9日。
  100. ^ Schalk G, Miller KJ, Anderson NR, Wilson JA, Smyth MD, Ojemann JG, 他 (2008年3月). 「ヒトにおける皮質電気信号を用いた2次元運動制御」 . Journal of Neural Engineering . 5 (1): 75– 84. Bibcode : 2008JNEng...5...75S . doi : 10.1088 / 1741-2560/5/1/008 . PMC 2744037. PMID 18310813 .  
  101. ^ Nicolas-Alonso LF, Gomez-Gil J (2012年1月31日). 「脳コンピュータインターフェースのレビュー」 . Sensors . 12 (2): 1211–1279 . Bibcode : 2012Senso..12.1211N . doi : 10.3390/s120201211 . PMC 3304110. PMID 22438708 .  
  102. ^ 柳沢 徹 (2011). 「麻痺患者における義手の皮質電気信号制御」.アメリカ神経学会誌. 第71巻第3号. pp.  353– 361. doi : 10.1002/ana.22613 . ECoGベースのBCIは、臨床応用に不可欠な信号と耐久性において優位性がある。
  103. ^ a b Pei X (2011). 「ヒトにおける脳波信号を用いた話し言葉と想像上の言葉における母音と子音の解読」J Neural Eng 046028th ser. 8.4 . PMID 21750369 .同大学の生物医学エンジニアであるジャスティン・ウィリアムズ氏は、既にECoGインプラントを、最小限の手間で装着できるマイクロデバイスへと改良しました。このデバイスは長期間にわたり動物実験が行われており、マイクロECoGは体内に留まり、免疫系に悪影響を与えないようです。 
  104. ^ Makin JG、Moses DA、Chang EF (2021). 「音声デコーディングと機械翻訳」Guger C、Allison BZ、Gunduz A (編) 著「脳コンピュータインターフェース研究」SpringerBriefs in Electrical and Computer Engineering. 出版社: Springer International Publishing. pp.  23– 33. doi : 10.1007/978-3-030-79287-9_3 . ISBN 978-3-030-79287-9. S2CID  239756345 .
  105. ^ Makin JG, Moses DA, Chang EF (2020年4月). 「エンコーダー・デコーダーフレームワークを用いた皮質活動のテキストへの機械翻訳」 . Nature Neuroscience . 23 (4): 575– 582. doi : 10.1038/ s41593-020-0608-8 . PMC 10560395. PMID 32231340. S2CID 214704481 .   
  106. ^ Gallegos-Ayala G, Furdea A, Takano K, Ruf CA, Flor H, Birbaumer N (2014年5月). 「ベッドサイド近赤外分光法を用いた完全閉じ込め患者の脳内コミュニケーション」 . Neurology . 82 ( 21): 1930– 1932. doi : 10.1212/WNL.0000000000000449 . PMC 4049706. PMID 24789862 .  
  107. ^ ヴィダル 1977
  108. ^ ボジノフスカら。 1988年、1990年
  109. ^ ボジノフスキー他 1988
  110. ^ ファーウェルとドンチン、1988年
  111. ^ ウィンターズ、ジェフリー（2003年5月）「脳波によるコミュニケーション」 Psychology Today。
  112. ^ Adrijan Bozinovski「脳コンピュータインターフェースパラダイムとしてのCNVフリップフロップ」J. Kern、S. Tonkovic他編、クロアチア医療情報学会第7回会議論文集、pp. 149-154、リエカ、2005年
  113. ^ Bozinovski, Adrijan; Bozinovska, Liljana (2009).脳ロボットインターフェースパラダイムにおける予測的脳電位. 2009 第4回国際IEEE/EMBS神経工学会議. IEEE. pp.  451– 454. doi : 10.1109/ner.2009.5109330 .
  114. ^ ボジノフスキー、アドリアン;トンコビッチ、スタンコ。イスグム、ヴェリミール。ボジノフスカ、リリヤナ (2011)。「予期脳電位を利用したロボット制御」オートマティカ。52 (1): 20–30 .土井: 10.1080/00051144.2011.11828400。S2CID 33223634。 
  115. ^ Bozinovski, Stevo; Bozinovski, Adrijan (2015). 「精神状態、脳波の発現、そして脳とロボットの相互作用のための精神的にエミュレートされたデジタル回路」 . IEEE Transactions on Autonomous Mental Development . 7 (1). Institute of Electrical and Electronics Engineers (IEEE): 39– 51. Bibcode : 2015ITAMD...7...39B . doi : 10.1109/tamd.2014.2387271 . ISSN 1943-0604 . S2CID 21464338 .  
  116. ^ Yuan H, Liu T, Szarkowski R, Rios C, Ashe J, He B (2010年2月). 「ヒト感覚運動皮質におけるα/β帯域活動とBOLDにおける課題関連反応の負の共変動：運動イメージと運動に関するEEGおよびfMRI研究」 . NeuroImage . 49 ( 3): 2596– 2606. doi : 10.1016/j.neuroimage.2009.10.028 . PMC 2818527. PMID 19850134 .  
  117. ^ Doud AJ, Lucas JP, Pisansky MT, He B (2011). Gribble PL (編). 「運動イメージに基づく脳コンピュータインターフェースを用いた仮想ヘリコプターの連続3次元制御」 . PLOS ONE . 6 (10) e26322. Bibcode : 2011PLoSO...626322D . doi : 10.1371/journal.pone.0026322 . PMC 3202533. PMID 22046274 .  
  118. ^ 「思考誘導ヘリコプターが離陸」 BBCニュース、2013年6月5日。 2013年6月5日閲覧。
  119. ^ Qin L, Ding L, He B (2004年9月). 「脳コンピュータインターフェースアプリケーションのためのソース分析による運動イメージ分類」 . Journal of Neural Engineering . 1 (3): 135– 141. Bibcode : 2004JNEng...1..135Q . doi : 10.1088/1741-2560/ 1 /3/002 . PMC 1945182. PMID 15876632 .  
  120. ^ ヘーネ J、ホルツ E、シュタイガー・ゼルツァー P、ミュラー KR、キューブラー A、タンガーマン M (2014)。「重度運動障害患者の運動画像: 優れた制御ソリューションとしての脳とコンピューターのインターフェースの証拠」。プロスワン。9 (8) e104854。Bibcode : 2014PLoSO...9j4854H。土井：10.1371/journal.pone.0104854。PMC 4146550。PMID 25162231。  
  121. ^ Bird JJ, Faria DR, Manso LJ, Ekárt A, Buckingham CD (2019年3月13日). 「脳と機械の相互作用のためのバイオインスパイアード分類器最適化へのディープエボリューションアプローチ」 . Complexity . 2019 4316548. Hindawi Limited: 1– 14. arXiv : 1908.04784 . doi : 10.1155/2019/4316548 . ISSN 1076-2787 . 
  122. ^ Mansour S, Ang KK, Nair KP, Phua KS, Arvaneh M (2022年1月). 「脳コンピュータインターフェースの有効性と設計特性が脳卒中後上肢リハビリテーションに及ぼす影響：ランダム化比較試験の系統的レビューとメタアナリシス」 . Clinical EEG and Neuroscience . 53 ( 1): 79– 90. doi : 10.1177/15500594211009065 . PMC 8619716. PMID 33913351. S2CID 233446181 .   
  123. ^ Baniqued PD, Stanyer EC, Awais M, Alazmani A, Jackson AE, Mon-Williams MA, et al. (2021年1月). 「脳卒中後の手のリハビリテーションのための脳コンピュータインターフェースロボティクス：系統的レビュー」 . Journal of Neuroengineering and Rehabilitation . 18 (1) 15. doi : 10.1186/s12984-021-00820-8 . PMC 7825186. PMID 33485365 .  
  124. ^ Taheri BA, Knight RT, Smith RL (1994年5月). 「脳波記録のためのドライ電極」 . Electroencephalography and Clinical Neurophysiology . 90 (5): 376– 383. doi : 10.1016/0013-4694(94)90053-1 . PMID 7514984 . 
  125. ^ Alizadeh-Taheri B (1994).脳波信号記録のためのアクティブマイクロマシン頭皮電極アレイ（博士論文）. p. 82.書誌コード: 1994PhDT......82A .
  126. ^ ホッケンベリー、ジョン（2001年8月）「次世代のブレイニアックス」 Wired誌第9巻第8号。
  127. ^ Lin CT, Ko LW, Chang CJ, Wang YT, Chung CH, Yang FS, et al. (2009), 「ウェアラブルおよびワイヤレスのブレイン・コンピュータ・インターフェースとその応用」, Foundations of Augmented Cognition. Neuroergonomics and Operational Neuroscience , Lecture Notes in Computer Science, vol. 5638, Springer Berlin Heidelberg, pp.  741– 748, doi : 10.1007/978-3-642-02812-0_84 , ISBN 978-3-642-02811-3、S2CID  14515754
  128. ^ a b c d Wang YT, Wang Y, Jung TP (2011年4月). 「日常生活におけるコミュニケーションのための携帯電話ベースの脳コンピュータインターフェース」. Journal of Neural Engineering . 8 (2) 025018. Bibcode : 2011JNEng...8b5018W . doi : 10.1088/1741-2560 / 8/2/025018 . PMID 21436517. S2CID 10943518 .  
  129. ^ Guger C, Allison BZ, Großwindhager B, Prückl R, Hintermüller C, Kapeller C, et al. (2012). 「SSVEP BCIは何人まで使えるのか？」神経科学のフロンティア6 : 169. doi : 10.3389/fnins.2012.00169 . PMC 3500831. PMID 23181009 .  
  130. ^ a b Lin YP, Wang Y, Jung TP (2013). 「自由に移動する人間のためのモバイルSSVEPベースの脳コンピュータインターフェース：モーションアーティファクトに対する正準相関分析の堅牢性」. 2013年第35回IEEE医学生物学工学会（EMBC）年次国際会議. 第2013巻. pp.  1350– 1353. doi : 10.1109/EMBC.2013.6609759 . ISBN 978-1-4577-0216-7. PMID  24109946 . S2CID  23136360 .
  131. ^ Rashid M, Sulaiman N, Abdul Majeed AP, Musa RM, Ab Nasir AF, Bari BS, Khatun S (2020). 「EEGベースの脳コンピュータインターフェースの現状、課題、そして可能な解決策：包括的レビュー」 . Frontiers in Neurorobotics . 14 25. doi : 10.3389/fnbot.2020.00025 . PMC 7283463. PMID 32581758 .  
  132. ^ US 20130127708、2013年5月23日発行 
  133. ^ a b c Wang YT, Wang Y, Cheng CK, Jung TP (2013). 「真にポータブルなSSVEPベースBCIのためのモバイルデバイスでの刺激提示の開発」2013年第35回IEEE医学生物学工学会議 (EMBC) 年次国際会議. 第2013巻. pp.  5271– 5274. doi : 10.1109/EMBC.2013.6610738 . ISBN 978-1-4577-0216-7. PMID  24110925 . S2CID  14324159 .
  134. ^ Bin G, Gao X, Yan Z, Hong B, Gao S (2009年8月). 「正準相関分析法を用いたオンラインマルチチャネルSSVEPベースの脳コンピュータインターフェース」. Journal of Neural Engineering . 6 (4) 046002. Bibcode : 2009JNEng...6d6002B . doi : 10.1088/ 1741-2560 /6/4/046002 . PMID 19494422. S2CID 32640699 .  
  135. ^ Symeonidou ER, Nordin AD, Hairston WD, Ferris DP (2018年4月). 「ケーブルの揺れ、電極表面積、および電極質量が運動中の脳波信号品質に及ぼす影響」 . Sensors . 18 ( 4): 1073. Bibcode : 2018Senso..18.1073S . doi : 10.3390/s18041073 . PMC 5948545. PMID 29614020 .  
  136. ^ Wang Y, Wang R, Gao X, Hong B, Gao S (2006年6月). 「実用的なVEPベースの脳コンピュータインターフェース」. IEEE Transactions on Neural Systems and Rehabilitation Engineering . 14 (2): 234– 239. Bibcode : 2006ITNSR..14..234W . doi : 10.1109/TNSRE.2006.875576 ​​. PMID 16792302 . 
  137. ^ プフルトシェラー G、ミュラー GR、プフルトシェラー J、ゲルナー HJ、ラップ R (2003 年 11 月)。 」「『思考』--四肢麻痺患者の手の把握力を回復するための機能的電気刺激の制御」。Neuroscience Letters . 351 (1): 33– 36. doi : 10.1016/S0304-3940(03)00947-9 . PMID  14550907 . S2CID  38568963 .
  138. ^ Do AH, Wang PT, King CE, Chun SN, Nenadic Z (2013年12月). 「脳コンピュータインターフェース制御型ロボット歩行矯正装置」 . Journal of Neuroengineering and Rehabilitation . 10 (1): 111. doi : 10.1186/ 1743-0003-10-111 . PMC 3907014. PMID 24321081 .  
  139. ^ 下半身麻痺の被験者がBCI制御のRoGO（4回）をYouTube.comで
  140. ^ Alex Blainey はYouTube.com で、シリアル リレー ポート経由で EPOC ヘッドセットを使用して安価な民生用ロボット アームを制御しています。
  141. ^ Ranganatha Sitaram、Andrea Caria、Ralf Veit、Tilman Gaber、Giuseppina Rota、Andrea Kuebler、Niels Birbaumer（2007）「 fMRI 脳コンピュータインターフェース：神経科学研究および治療のためのツール」
  142. ^ マーク・ペプロウ（2004年8月27日）「メンタル・ピンポンが下半身麻痺患者を助ける可能性」News@nature.doi : 10.1038 / news040823-18 .
  143. ^ 「脳だけでロボットを操作、ATRとHondaがBMI基盤技術を開発」 Tech -on 2006年5月26日. 2017年6月23日時点のオリジナルよりアーカイブ。 2006年9月22日閲覧。
  144. ^ 宮脇毅、内田弘、山下央、佐藤MA、森戸勇、田辺HC、他（2008年12月）。「マルチスケールのローカル画像デコーダの組み合わせを使用した人間の脳活動からの視覚画像再構成」。ニューロン。60 (5): 915–929。土井: 10.1016/j.neuron.2008.11.004。PMID 19081384。S2CID 17327816。  
  145. ^ Nishimoto S, Vu AT, Naselaris T, Benjamini Y, Yu B, Gallant JL (2011年10月). 「自然動画によって誘発される脳活動からの視覚体験の再構築」 . Current Biology . 21 (19): 1641– 1646. Bibcode : 2011CBio...21.1641N . doi : 10.1016/j.cub.2011.08.031 . PMC 3326357. PMID 21945275 .  
  146. ^ ヤム・フィリップ（2011年9月22日）「画期的な技術により、他人があなたの夢や記憶を見ることができるようになるかもしれない」サイエンティフィック・アメリカン誌。 2011年9月25日閲覧。
  147. ^ 「自然映画によって誘発される脳活動から視覚体験を再構築する（プロジェクトページ）」カリフォルニア大学バークレー校ギャラント研究室。 2011年9月25日時点のオリジナルよりアーカイブ。 2011年9月25日閲覧。
  148. ^ アンワル、ヤスミン（2011年9月22日）「科学者が脳画像を用いて心の中の映画を解明」カリフォルニア大学バークレー校ニュースセンター。 2011年9月25日閲覧。
  149. ^ a b c Marshall D, Coyle D, Wilson S, Callaghan M (2013). 「ゲーム、ゲームプレイ、そしてBCI：最新技術」. IEEE Transactions on Computational Intelligence and AI in Games . 5 (2): 83. doi : 10.1109/TCIAIG.2013.2263555 . S2CID 206636315 . 
  150. ^ 「主催者の目標」 BBC 。 2022年12月19日閲覧。
  151. ^ Ang KK, Chin ZY, Wang C, Guan C, Zhang H (2012年1月1日). 「BCI Competition IV Datasets 2a and 2bにおけるフィルタバンク共通空間パターンアルゴリズム」 . Frontiers in Neuroscience . 6 : 39. doi : 10.3389/fnins.2012.00039 . PMC 3314883. PMID 22479236 .  
  152. ^ フェアクロウ、スティーブン・H.（2009年1月）「生理学的コンピューティングの基礎」『コンピュータとの対話』21（1-2）133-145 . doi : 10.1016/j.intcom.2008.10.011 . S2CID 16314534 . 
  153. ^ Bozinovski S (2017). 「人間の頭部から生成される信号を用いた信号処理ロボティクス：先駆的な研究からEEGベースのデジタル回路エミュレーションまで」.ロボット設計とインテリジェント制御の進歩. インテリジェントシステムとコンピューティングの進歩. 第540巻. pp.  449– 462. doi : 10.1007/978-3-319-49058-8_49 . ISBN 978-3-319-49057-1。
  154. ^ Mathôt S, Melmi JB, van der Linden L, Van der Stigchel S (2016). 「マインドライティング瞳孔：瞳孔測定による隠れた注意のデコードに基づくヒューマンコンピュータインターフェース」 . PLOS ONE . 11 (2) e0148805. Bibcode : 2016PLoSO..1148805M . doi : 10.1371/journal.pone.0148805 . PMC 4743834. PMID 26848745 .  
  155. ^ ブランド、エリック（2008年10月13日）「陸軍が『合成テレパシー』を開発中」「ディスカバリーニュース」 。2008年10月13日閲覧。
  156. ^ Pais-Vieira M, Lebedev M, Kunicki C, Wang J, Nicolelis MA (2013年2月28日). 「感覚運動情報のリアルタイム共有のための脳間インターフェース」 . Scientific Reports . 3 1319. Bibcode : 2013NatSR...3.1319P . doi : 10.1038/srep01319 . PMC 3584574. PMID 23448946 .  
  157. ^ ゴーマン、ジェームズ（2013年2月28日）「一匹のネズミが考え、もう一匹が反応する」ニューヨーク・タイムズ。 2013年2月28日閲覧。
  158. ^ イアン・サンプル（2013年3月1日）「脳と脳のインターフェースでラットはインターネット経由で情報を共有できる」ガーディアン紙。 2013年3月2日閲覧。
  159. ^ ケネディ・ペイガン（2011年9月18日）「私たち全員の中にいるサイボーグ」ニューヨーク・タイムズ。2012年1月28日閲覧。
  160. ^ Selim, Jocelyn; Drinkell, Pete (2002年11月1日). 「The Bionic Connection」 . Discover . 2008年1月6日時点のオリジナルよりアーカイブ。
  161. ^ Giaimo, Cara (2015年6月10日). 「神経系の接続がテレパシーによる握手につながる」 . Atlas Obscura .
  162. ^ Warwick, K, Gasson, M, Hutt, B, Goodhew, I, Kyberd, P, Schulzrinne, H, Wu, X：「思考の伝達と制御：無線電信を用いた第一歩」、 IEE Proceedings on Communications、151(3)、pp.185–189、2004年
  163. ^ Warwick K, Gasson M, Hutt B, Goodhew I, Kyberd P, Andrews B, 他 (2003年10月). 「サイバネティックシステムへのインプラント技術の応用」 . Archives of Neurology . 60 (10): 1369– 1373. doi : 10.1001/archneur.60.10.1369 . PMID 14568806 . 
  164. ^ Grau C, Ginhoux R, Riera A, Nguyen TL, Chauvat H, Berg M, et al. (2014). 「非侵襲的技術を用いたヒトにおける意識的な脳間コミュニケーション」 . PLOS ONE . 9 (8) e105225. Bibcode : 2014PLoSO...9j5225G . doi : 10.1371/ journal.pone.0105225 . PMC 4138179. PMID 25137064 .  
  165. ^ Mazzatenta A, Giugliano M, Campidelli S, Gambazzi L, Businaro L, Markram H, 他 (2007年6月). 「カーボンナノチューブを用いたニューロンのインターフェース：培養脳回路における電気信号伝達とシナプス刺激」 . The Journal of Neuroscience . 27 (26): 6931– 6936. doi : 10.1523/JNEUROSCI.1051-07.2007 . PMC 6672220. PMID 17596441 .  
  166. ^ カリフォルニア工科大学の科学者が初のニューロチップを開発、カリフォルニア工科大学、1997年10月26日
  167. ^ Sandhana, Lakshmi (2004年10月22日). 「あなたの近くの脳にやってくる」 . Wired News . 2006年9月10日時点のオリジナルよりアーカイブ。
  168. ^ "「皿の中の『脳』がフライトシミュレーターを飛ばす」 CNN 、 2004年11月4日。
  169. ^ 「再び麻痺」 MITテクノロジーレビュー。 2023年12月8日閲覧。
  170. ^ 「Gale - 製品ログイン」 . galeapps.gale.com . 2023年12月8日閲覧。
  171. ^ イエンカ、マルチェロ；ハセラガー、ピム（2016年6月）「脳のハッキング：脳・コンピューターインターフェース技術とニューロセキュリティの倫理」倫理と情報技術18 ( 2): 117– 129. doi : 10.1007/s10676-016-9398-9 . hdl : 2066/157644 . S2CID 5132634 . 
  172. ^ Steinert, Steffen; Friedrich, Orsolya (2020年2月1日). 「Wired Emotions: Ethical Issues of Affective Brain-Computer Interfaces」 . Science and Engineering Ethics . 26 (1): 351– 367. doi : 10.1007/ s11948-019-00087-2 . ISSN 1471-5546 . PMC 6978299. PMID 30868377 .   
  173. ^ Clausen, Jens (2009年2月1日). 「人間、機械、そしてその間」 . Nature . 457 (7233): 1080–1081 . Bibcode : 2009Natur.457.1080C . doi : 10.1038/4571080a . ISSN 0028-0836 . PMID 19242454. S2CID 205043226 .   
  174. ^ Haselager, Pim; Vlek, Rutger; Hill, Jeremy; Nijboer, Femke (2009年11月1日). 「BCIの倫理的側面に関する注記」 .ニューラルネットワーク. ブレイン・マシン・インターフェース. 22 (9): 1352– 1357. doi : 10.1016/j.neunet.2009.06.046 . hdl : 2066/77533 . ISSN 0893-6080 . PMID 19616405 .  
  175. ^ Attiah, Mark A.; Farah, Martha J. (2014年5月15日). 「心、マザーボード、そしてお金：BCI技術の神経倫理における未来主義と現実主義」. Frontiers in Systems Neuroscience . 8 : 86. doi : 10.3389/fnsys.2014.00086 . ISSN 1662-5137 . PMC 4030132. PMID 24860445 .   
  176. ^ Nijboer, Femke; Clausen, Jens; Allison, Brendan Z.; Haselager, Pim (2013). 「アシロマ調査：脳コンピュータインターフェースに関する倫理的問題に関する利害関係者の意見」 . Neuroethics . 6 (3): 541– 578. doi : 10.1007/ s12152-011-9132-6 . ISSN 1874-5490 . PMC 3825606. PMID 24273623 .   
  177. ^ 「ソニーの特許ニューラルインターフェース」 。2012年4月7日時点のオリジナルよりアーカイブ。
  178. ^ 「マインドゲーム」エコノミスト誌、2007年3月23日。
  179. ^ 「niaゲームコントローラー製品ページ」 OCZテクノロジーグループ2013年1月30日閲覧。
  180. ^ a b c Li S (2010年8月8日). 「Mind reading is on the market」 . Los Angeles Times . 2013年1月4日時点のオリジナルよりアーカイブ。
  181. ^ Fruhlinger, Joshua (2008年10月9日). 「NeuroSkyとSquare EnixのJudeccaマインドコントロールゲームで連携」 Engadget . 2012年5月29日閲覧。
  182. ^ 脳波を利用した新しいゲーム. Physorg.com (2009年1月10日). 2010年9月12日閲覧。
  183. ^ スナイダー、マイク（2009年1月7日）「おもちゃが『スター・ウォーズ』ファンにフォースの使い方を教えてくれる」 USAトゥデイ。 2010年5月1日閲覧。
  184. ^ 「Emotivホームページ」 Emotiv.com 2009年12月29日閲覧。
  185. ^ "「necomimi」が「タイム誌／今年のベスト50発明」に選出「 . Neurowear. 2011年11月22日. 2012年1月25日時点のオリジナルよりアーカイブ。
  186. ^ 「LIFESUIT Updates & News – They Shall Walk」 Theyshallwalk.org . 2016年12月19日閲覧。
  187. ^ "SmartphoneBCI" . GitHub . 2018年6月5日閲覧。
  188. ^ "SSVEP_keyboard" . GitHub . 2017年4月5日閲覧。
  189. ^ Protalinski, Emil (2020年12月8日). 「NextMind、リアルタイム脳コンピューターインターフェース開発キットを399ドルで出荷」 . VentureBeat . 2021年9月8日閲覧。
  190. ^ Etherington, Darrell (2020年12月21日). 「NextMindのマインドコントロールコンピューティング開発キットは、テクノロジー界に稀有な『驚き』をもたらす」 . TechCrunch . 2024年4月1日閲覧。
  191. ^ 「Welcome Nextmind!」 ar.snap.com . 2024年5月31日閲覧。
  192. ^ 「脳コンピューターインターフェース（BCI）、神経科学を探る - PiEEG」PiEEG . 2024年8月15日時点のオリジナルよりアーカイブ。2024年8月15日閲覧。
  193. ^ a b Das, Debashis (2025年12月26日). 「Cerelog ESP-EEG – 脳コンピュータインターフェース（BCI）実験向けの低コストESP32ベースEEG取得ボード - CNX Software」 . CNX Software - 組み込みシステムニュース. 2025年12月29日閲覧。
  194. ^ 「Cyton バイオセンシングボード（8チャンネル）」OpenBCIショップ。2025年12月29日閲覧。
  195. ^ 「Cerelog ESP-EEG：8チャンネル ブレインコンピュータインターフェース回路基板（BrainFlow対応）」 www.cerelog.com . 2025年12月29日閲覧。
  196. ^ 「このオープンソースのEEGボードは本物の脳コンピューターインターフェースを家庭にもたらす - Hackster.io」www.hackster.io . 2025年12月29日閲覧。
  197. ^ 「ロードマップ - BNCIホライズン2020」bnci-horizo​​n-2020.eu . 2019年5月5日閲覧。
  198. ^ Brunner C, Birbaumer N, Blankertz B, Guger C, Kübler A, Mattia D, et al. (2015). 「BNCI Horizo​​n 2020：BCIコミュニティのためのロードマップに向けて」 . Brain-Computer Interfaces . 2 : 1– 10. doi : 10.1080/2326263X.2015.1008956 . hdl : 1874/350349 . S2CID 15822773 . 
  199. ^ Allison BZ, Dunne S, Leeb R, Millan J, Nijholt A (2013).実用的なブレイン・コンピュータ・インターフェースに向けて：研究から実世界への応用への橋渡し. ベルリン・ハイデルベルク: Springer Verlag. ISBN 978-3-642-29746-5。
  200. ^ Edlinger G, Allison BZ, Guger C (2015). 「BCIシステムを利用できる人数は？」. Kansaku K, Cohen L, Birbaumer N (編). Clinical Systems Neuroscience . 東京: pringer Verlag Japan. pp.  33– 66. ISBN 978-4-431-55037-2。
  201. ^ Chatelle C, Chennu S, Noirhomme Q, Cruse D, Owen AM, Laureys S (2012). 「意識障害における脳コンピュータインターフェース」. Brain Injury . 26 (12): 1510– 1522. doi : 10.3109/02699052.2012.698362 . hdl : 2268/162403 . PMID 22759199. S2CID 6498232 .  
  202. ^ Boly M, Massimini M, Garrido MI, Gosseries O, Noirhomme Q, Laureys S, Soddu A (2012). 「意識障害における脳のつながり」. Brain Connectivity . 2 (1): 1– 10. doi : 10.1089/brain.2011.0049 . hdl : 2268/131984 . PMID 22512333. S2CID 6447538 .  
  203. ^ Gibson RM, Fernández-Espejo D, Gonzalez-Lara LE, Kwan BY, Lee DH, Owen AM, Cruse D (2014). 「多重課題と神経画像診断法は、意識障害患者における潜在意識の検出可能性を高める」 . Frontiers in Human Neuroscience . 8 : 950. doi : 10.3389/fnhum.2014.00950 . PMC 4244609. PMID 25505400 .  
  204. ^ Risetti M, Formisano R, Toppi J, Quitadamo LR, Bianchi L, Astolfi L, 他 (2013). 「意識障害のリハビリテーションにおけるERP検出について」 . Frontiers in Human Neuroscience . 7 : 775. doi : 10.3389/fnhum.2013.00775 . PMC 3834290. PMID 24312041 .  
  205. ^ Silvoni S, Ramos-Murguialday A, Cavinato M, Volpato C, Cisotto G, Turolla A, et al. (2011年10月). 「脳卒中における脳コンピューターインターフェース：進歩のレビュー」. Clinical EEG and Neuroscience . 42 ( 4 ): 245– 252. doi : 10.1177/155005941104200410 . PMID 22208122. S2CID 37902399 .  
  206. ^ Leamy DJ、Kocijan J、Domijan K、Duffin J、Roche RA、Commins S、他。 （2014年1月）。「脳卒中後の回復中のEEG特徴の探求 - BCI媒介神経リハビリテーション療法への影響」。神経工学とリハビリテーションのジャーナル。11 :9.土井: 10.1186/1743-0003-11-9 . PMC 3996183。PMID 24468185。  
  207. ^ Tung SW, Guan C, Ang KK, Phua KS, Wang C, Zhao L, 他 (2013年7月). 「上肢脳卒中リハビリテーションのための運動イメージングBCI：コヒーレンス解析を用いた脳波記録の評価」. 2013年第35回IEEE医学生物学工学会議 (EMBC) 年次国際会議. 第2013巻. pp.  261– 264. doi : 10.1109/EMBC.2013.6609487 . ISBN 978-1-4577-0216-7. PMID  24109674 . S2CID  5071115 .
  208. ^ Bai Z, Fong KN, Zhang JJ, Chan J, Ting KH (2020年4月). 「脳卒中後の上肢に対するBCIを用いたリハビリテーションの即時的および長期的な効果：系統的レビューとメタアナリシス」 . Journal of Neuroengineering and Rehabilitation . 17 (1) 57. doi : 10.1186 / s12984-020-00686-2 . PMC 7183617. PMID 32334608 .  
  209. ^ Remsik A, Young B, Vermilyea R, Kiekhoefer L, Abrams J, Evander Elmore S, 他 (2016年5月). 「脳卒中後の上肢遠位部運動機能回復における脳コンピュータインターフェース療法の進歩と将来的な影響に関するレビュー」 . Expert Review of Medical Devices . 13 (5): 445– 454. doi : 10.1080/17434440.2016.1174572 . PMC 5131699. PMID 27112213 .  
  210. ^ Monge-Pereira E, Ibañez-Pereda J, Alguacil-Diego IM, Serrano JI, Spottorno-Rubio MP, Molina-Rueda F (2017年9月). 「脳卒中後の上肢機能リハビリテーションにおける脳波計測を用いた脳コンピュータインターフェースシステムの活用：系統的レビュー」 . PM &R . 9 (9): 918– 932. doi : 10.1016/j.pmrj.2017.04.016 . PMID 28512066. S2CID 20808455 .  
  211. ^ Sabathiel N, Irimia DC, Allison BZ, Guger C, Edlinger G (2016年7月17日). 「脳コンピュータインターフェースを用いたペア連想刺激：脳卒中リハビリテーションの新たなパラダイム」. 『拡張認知の基礎：神経人間工学と操作的神経科学』. 『コンピュータサイエンス講義ノート』. 第9743巻. pp.  261– 272. doi : 10.1007/978-3-319-39955-3_25 . ISBN 978-3-319-39954-6。
  212. ^ Riccio A, Pichiorri F, Schettini F, Toppi J, Risetti M, Formisano R, 他 (2016). 「脳とコンピュータのインターフェースによる脳損傷後のコミュニケーションとリハビリテーションの改善」.脳コンピュータインターフェース：実験室実験から実世界への応用. Progress in Brain Research. 第228巻. pp.  357– 387. doi : 10.1016/bs.pbr.2016.04.018 . ISBN 978-0-12-804216-8. PMID  27590975 .
  213. ^ Várkuti B, Guan C, Pan Y, Phua KS, Ang KK, Kuah CW, et al. (2013年1月). 「安静時における機能的連結性の変化は、脳卒中後のBCIおよびロボット支援上肢訓練における動作回復と相関する」. Neurorehabilitation and Neural Repair . 27 (1): 53– 62. doi : 10.1177/1545968312445910 . PMID 22645108. S2CID 7120989 .  
  214. ^ Young BM, Nigogosyan Z, Remsik A, Walton LM, Song J, Nair VA, et al. (2014). 「脳コンピューターインターフェースデバイスを用いた治療後の脳卒中患者における機能的連結性の変化は行動改善と相関する」 . Frontiers in Neuroengineering . 7 : 25. doi : 10.3389/fneng.2014.00025 . PMC 4086321. PMID 25071547 .  
  215. ^ a b Yuan K, Chen C, Wang X, Chu WC, Tong RK (2021年1月). 「慢性脳卒中に対するBCIトレーニング効果は運動関連領域の機能的再編成と相関する：EEGとfMRIの同時研究」 . Brain Sciences . 11 (1): 56. doi : 10.3390/brainsci11010056 . PMC 7824842. PMID 33418846 .  
  216. ^ Mrachacz-Kersting N, Voigt M, Stevenson AJ, Aliakbaryhosseinabadi S, Jiang N, Dremstrup K, Farina D (2017年11月). 「運動イメージと同期した求心性フィードバックの種類が皮質可塑性の誘導に及ぼす影響」. Brain Research . 1674 : 91–100 . doi : 10.1016/j.brainres.2017.08.025 . hdl : 10012/12325 . PMID 28859916. S2CID 5866337 .  
  217. ^ Opie N (2019年4月2日). 「研究概要」 .メルボルン大学医学部. メルボルン大学. 2019年12月5日閲覧。
  218. ^ Oxley TJ, Opie NL, John SE, Rind GS, Ronayne SM, Wheeler TL, 他 (2016年3月). 「皮質神経活動の高忠実度慢性記録のための最小侵襲血管内ステント電極アレイ」Nature Biotechnology . 34 (3): 320– 327. doi : 10.1038/nbt.3428 . PMID 26854476 . S2CID 205282364 .  
  219. ^ 「Synchron、Stentrode神経インターフェース技術の試験を開始」 Verdict Medical Devices、2019年9月22日。 2019年12月5日閲覧。
  220. ^ Radzik I、Miziak B、Dudka J、Chrościńska-Krawczyk M、Czuczwar SJ (2015 年 6 月)。 「てんかん予防の展望」。薬理学的レポート。67 (3): 663–668。土井: 10.1016/j.pharep.2015.01.016。PMID 25933984。S2CID 31284248。  
  221. ^ Ritaccio A, Brunner P, Gunduz A, Hermes D, Hirsch LJ, Jacobs J, 他 (2014年12月). 「第5回国際脳波記録の進歩に関するワークショップ議事録」 . Epilepsy & Behavior . 41 : 183–192 . doi : 10.1016 / j.yebeh.2014.09.015 . PMC 4268064. PMID 25461213 .  
  222. ^ Kim DH, Viventi J, Amsden JJ, Xiao J, Vigeland L, Kim YS, 他 (2010年6月). 「超薄型コンフォーマル生体統合エレクトロニクス向けシルクフィブロイン溶解性フィルム」 . Nature Materials . 9 (6): 511– 517. Bibcode : 2010NatMa...9..511K . doi : 10.1038/nmat2745 . PMC 3034223. PMID 20400953 .  
  223. ^ Boppart SA, Wheeler BC, Wallace CS (1992年1月). 「拡張神経記録のためのフレキシブル穿孔型微小電極アレイ」. IEEE Transactions on Bio-Medical Engineering . 39 (1): 37– 42. Bibcode : 1992ITBE...39...37B . doi : 10.1109/10.108125 . PMID 1572679. S2CID 36593459 .  
  224. ^ Boufidis, Dimitris; Garg, Raghav; Angelopoulos, Eugenia; Cullen, D. Kacy; Vitale, Flavia (2025年2月21日). 「バイオインスパイアード・エレクトロニクス：ソフト、バイオハイブリッド、そして「生きた」神経インターフェース」 . Nature Communications . 16 (1): 1861. Bibcode : 2025NatCo..16.1861B . doi : 10.1038/s41467-025-57016-0 . ISSN 2041-1723 . PMC 11845577. PMID 39984447 .   
  225. ^ a b Rabaey JM (2011年9月). 「ブレイン・マシン・インターフェース：極小化における新たなフロンティア」. 2011年欧州固体デバイス研究会議 (ESSDERC) 議事録. pp.  19– 24. doi : 10.1109/essderc.2011.6044240 . ISBN 978-1-4577-0707-0. S2CID  47542923 .
  226. ^ Warneke B, Last M, Liebowitz B, Pister KS (2001年1月). 「スマートダスト：立方ミリメートルコンピュータとの通信」. Computer . 34 (1): 44– 51. Bibcode : 2001Compr..34a..44W . doi : 10.1109/2.895117 . ISSN 0018-9162 . S2CID 21557 .  

さらに読む

[編集]
[編集]
ウィキメディア コモンズには、脳コンピューター インターフェースに関連するメディアがあります。
ロゴ
Scholia には、脳とコンピューターのインターフェースに関するトピックプロファイルがあります。
「 https://en.wikipedia.org/w/index.php?title=Brain–computer_interface&oldid=1330384656」より取得

脳コンピューターインターフェース

強化された脳または有線脳と外部デバイス間の直接通信経路
脳コンピュータインターフェースの参加者がコンピュータに接続している様子
脳コンピュータインターフェースの参加者がコンピュータに接続している様子
BrainGateインターフェースの設計を示すダミーユニット

脳コンピュータインターフェース（BCI）は、時には脳マシンインターフェース（BMI ）とも呼ばれ、脳の電気的活動と外部デバイス（最も一般的にはコンピュータまたはロボット肢）との間の直接通信リンクです。BCIは、多くの場合、人間の認知機能または感覚運動機能の研究、マッピング、支援、増強、または修復を目的としています。[1] BCIは、動く体の部分（例：手や足）を介さないヒューマンマシンインターフェースとして概念化されることがよくあります。BCIの実装は、電極が脳組織に物理的にどれだけ近いかに基づいて、非侵襲的（EEG、MEG、MRI）および部分侵襲的（ECoGおよび血管内）から侵襲的（微小電極アレイ）まで多岐にわたります。[2]

BCIの研究は、1970年代にカリフォルニア大学ロサンゼルス校（UCLA）のジャック・ヴィダルによって、国立科学財団からの助成金、その後国防高等研究計画局（DARPA）との契約を受けて開始されました。[3] [4]ヴィダルの1973年の論文は、脳コンピュータインターフェースという表現を科学文献に導入しました。

脳皮質の可塑性により、埋め込まれた人工器官からの信号は、適応後、自然のセンサーや効果器のように脳によって処理される可能性があります。[5]長年の動物実験の後、最初の神経補綴デバイスは1990年代半ばに人間に埋め込まれました。

歴史

脳コンピュータインターフェース（BCI）の歴史は、ハンス・ベルガーによる脳の電気活動の発見と脳波記録法（EEG）の開発から始まります。1924年、ベルガーは初めてEEGを用いて人間の脳活動を記録しました。ベルガーはEEG波形を解析することで、アルファ波（8～13Hz）などの振動活動を特定することに成功しました。 [要出典]

バーガーの最初の記録装置は原始的なものでした。彼は患者の頭皮の下に銀線を挿入しました。これは後に、ゴム包帯で患者の頭部に貼り付けた銀箔に置き換えられました。バーガーはこれらのセンサーをリップマン毛細管電位計に接続しましたが、結果は芳しくありませんでした。しかし、 10-4ボルトという微小な電圧を表示できるシーメンスの二重コイル記録ガルバノメーターなどのより高度な測定装置が登場し、成功を収めました。[要出典]

バーガーは、脳波図における変化と脳疾患の相互関係を分析しました。脳波は脳研究に全く新しい可能性をもたらしました。[要出典]

当時はまだこの用語は存在していなかったものの、ブレイン・マシン・インターフェースの実用化の最も初期の例の一つは、アメリカの作曲家アルヴィン・ルシエによる作品「ソロ演奏者のための音楽」（1965年）である。この作品は、脳波とアナログ信号処理ハードウェア（フィルター、アンプ、ミキシングボード）を用いて、アコースティックな打楽器を刺激する。演奏にはアルファ波を発生させ、楽器の近くまたは楽器の上に直接設置されたスピーカーから様々な楽器を「演奏」する必要がある。[6]

ジャック・ヴィダルは「BCI」という用語を考案し、このテーマに関する最初の査読付き論文を発表しました。[3] [4]彼はBCIの発明者として広く知られています。[7] [8] [9]あるレビューでは、ヴィダルの1973年の論文が、脳波信号を用いて外部物体を制御する「BCIチャレンジ」[10]、特に随伴性陰性変動（CNV）電位をBCI制御のチャレンジとして用いることを示唆していると指摘されています。ヴィダルの1977年の実験は、1973年のB​​CIチャレンジ後の最初のBCI応用でした。これは、コンピュータ画面上のカーソルのようなグラフィックオブジェクトを非侵襲的に脳波（実際には視覚誘発電位（VEP））で制御するものでした。デモンストレーションは迷路内での移動でした。[11]

1988年は、物理的な物体であるロボットの非侵襲的な脳波制御が初めて実証された年でした。この実験では、床に描かれた線によって定義された任意の軌道に沿って、複数の開始・停止・再開サイクルの運動を脳波制御によって制御することが実証されました。線に沿う行動は、自律的な知能と自律的なエネルギー源を利用したロボットのデフォルトの行動でした。[12] [13] [14] [15]

1990年には、閉ループ型双方向適応型BCIが、予測的な脳電位、すなわち随伴性陰性変動（CNV）電位を用いてコンピュータのブザーを制御するという報告がなされました。[16] [17]この実験では、CNVによって表される脳の期待状態が、S1-S2-CNVパラダイムにおいてフィードバックループを用いてS2ブザーを制御する様子が説明されました。得られた脳における期待学習を表す認知波は、電気期待図（Electroexpectogram: EXG）と名付けられました。CNV脳電位は、1973年のヴィダルの挑戦の一部でした。[要出典]

2010年代の研究では、神経刺激が分子メカニズムの調節を通じて機能的連結性とそれに関連する行動を回復させる可能性があることが示唆されました。[18] [19]これにより、BCI技術が機能を回復できる可能性があるという概念が生まれました。[要出典]

2013年から、DARPAはBRAINイニシアチブを通じてBCI技術に資金を提供し、ピッツバーグ大学医療センター[20]、パ​​ラドロミクス[21] 、ブラウン[22]、シンクロン[23]などのチームの研究を支援してきました。

神経補綴

神経補綴学は、神経科学の一分野であり、神経補綴、すなわち人工デバイスを用いて、障害を受けた神経系や脳関連の問題、あるいは感覚器官やその他の器官（膀胱、横隔膜など）の機能を代替する技術を研究しています。2010年12月現在、世界中で約736,900人が人工内耳を神経補綴デバイスとして移植されています。[24]網膜インプラントなど、視力回復を目的とする神経補綴デバイスもあります。しかし、最初の神経補綴デバイスはペースメーカーでした。[要出典]

これらの用語は互換的に使用されることがあります。神経補綴物とBCIは、視力、聴力、運動能力、コミュニケーション能力、さらには認知機能の回復など、同じ目的を達成することを目指しています。[1]どちらも同様の実験方法と外科手術技術を用いています。[要出典]

動物実験

いくつかの研究室では、サルやラットの大脳皮質からの信号を読み取り、BCIを操作して動作させることに成功しています。サルは、単にタスクについて考え、その結果を見るだけで、コンピューターのカーソルを動かしたり、ロボットアームに簡単なタスクを実行させたりしました。運動出力は必要ありません。 [25] 2008年5月、ピッツバーグ大学医療センターのサルが思考によってロボットアームを操作している写真が複数の研究で発表されました。[26]ヒツジもBCI技術の評価に使用されており、これにはSynchron社のStentrode [要出典]やParadromics社のConnexus® BCIなどが含まれます。[27]

2020年、イーロン・マスクのニューラリンクが豚に埋め込まれることに成功した。[28] 2021年、マスクは同社がニューラリンクのデバイスを使用してサルがビデオゲームをプレイできるようにすることに成功したと発表した。[29]

初期の作品

脳コンピュータインターフェースを備えたロボットアームを操作するサル（ピッツバーグ大学シュワルツ研究室）

1969年、ワシントン大学医学部地域霊長類研究センターおよび生理学・生物物理学科のフェッツらによるオペラント条件付け研究では、サルが神経活動によってバイオフィードバックアームの偏向を制御することを学習できることが示されました。[30] 1970年代の同様の研究では、サルは報酬を与えれば一次運動野の個々のニューロンおよび複数のニューロンの発火率を制御することを学習できることが確立されました。[31]

運動を制御する運動皮質 ニューロンから運動を再構成するアルゴリズムは、1970年代に遡ります。1980年代には、ジョンズ・ホプキンス大学のゲオルゴポロスが、アカゲザルの単一運動皮質ニューロンの電気的応答と腕を動かす方向との間に数学的な関係を発見しました。彼はまた、サルの脳の異なる領域に分散したニューロン群が、集合的に運動指令を制御していることを発見しました。機器の制約により、彼は一度に1つの領域のニューロンの発火しか記録できませんでした。[32]

いくつかのグループは、神経集団（ニューロンのグループ）から記録し、それを使用して外部デバイスを制御することで、複雑な脳運動皮質信号を捕捉することに成功しました。 [要出典]

研究

ケネディとヤン・ダン

フィリップ・ケネディ（Neural Signalsの創設者（1987年））と同僚は、サルに神経栄養錐体電極 を埋め込むことで、最初の皮質内脳コンピューターインターフェースを構築しました。 [要出典]

ヤン・ダン氏らは、外側膝状体核に埋め込まれたBCIを用いて猫の視覚を記録した（上段：オリジナル画像、下段：記録）。

1999年、カリフォルニア大学バークレー校のヤン・ダンらは、ニューロンの発火を解読し、猫の画像を再現することに成功した。研究チームは、脳の感覚入力を統合する視床に埋め込まれた電極アレイを用いた。研究者らは、網膜からの信号を解読する視床外側膝状体核領域の177個の脳細胞を標的とした。8本の短編映画を視聴した際のニューロン発火を記録した。研究者らは数学的フィルターを用いて信号を解読し、認識可能なシーンや動く物体を再構成した。[33]

ニコレリス

デューク大学のミゲル・ニコレリス教授は、神経信号を取得するために脳のより広い領域に広がる複数の電極を使用することを提唱している。[要出典]

1990年代にラットを用いた初期研究を行った後、ニコレリス氏らは、フクロウザルの脳活動を解読するBCIを開発し、ロボットアームでサルの動きを再現しました。サルは優れた到達能力、掴む能力、そして手の操作スキルを有しており、実験対象として最適でした。[要出典]

2000年までに、研究チームは、フクロウザルがジョイスティックを操作したり餌に手を伸ばしたりする際に、その動きを再現するBCIの開発に成功した。[34]このBCIはリアルタイムで動作し、別のロボットを遠隔操作することができた。しかし、サルはフィードバックを受け取らなかった（オープンループBCI）。[要出典]

ミゲル・ニコレリスとその同僚がアカゲザル用に開発したBCIの図

その後、アカゲザルを用いたフィードバック実験では、ロボットアームでサルの到達動作と把持動作を再現する実験が行われた。アカゲザルの脳は深い裂溝と溝を有しており、フクロウザルよりもヒトの神経生理学のモデルとして適していた。サルはジョイスティックを操作してコンピュータ画面上の物体に到達し、把持する訓練を受けたが、ロボットアームによる対応する動作は隠されていた。 [35] [36]その後、サルはロボットを見せられ、その動きを観察することでロボットを操作することを学習した。BCIは速度予測を用いて到達動作を制御し、同時に把持力を予測した。[要出典]

2011年、オドハティらはアカゲザルを用いて感覚フィードバック機能を備えたBCIを実証した。アカ​​ゲザルは、感覚皮質の腕の表象領域への直接皮質内刺激（ICMS）を通じて感覚フィードバックを受け取りながら、アバターの腕の位置を制御した。[37]

ドノヒュー、シュワルツ、アンダーセン

ニューロン信号を解読するBCIとアルゴリズムを開発した他の研究室には、ブラウン大学カーニー脳科学研究所のジョン・ドノヒュー、ピッツバーグ大学のアンドリュー・シュワルツ、カリフォルニア工科大学のリチャード・アンダーセンなどがある。これらの研究者は、ニコレリスよりもはるかに少ないニューロン（15～30個対50～200個）から記録した信号を用いて、実用的なBCIを開発した。[要出典]

カーニー研究所は、アカゲザルにBCIを使ってコンピュータ画面上の視覚ターゲットを追跡する訓練（閉ループBCI）をジョイスティックの有無にかかわらず行ったと報告した。[38]同研究グループは、仮想現実での3次元追跡用のBCIを作成し、ロボットアームでBCI制御を再現した。[39]同研究グループは、サルが脳信号で制御されるロボットアームを使って、果物やマシュマロを自分で食べられることを実証した。[40] [41] [42]

アンダーセンらの研究グループは、実験動物が報酬を受け取ることを予期したときに生成される信号を含む、後頭頂皮質から運動前の活動の記録を使用しました。 [43]

その他の研究

四肢運動の運動学的および運動パラメータの予測に加えて、霊長類の筋肉の筋電図または電気的活動を予測するBCIの開発が進められている。[44]このようなBCIは、筋肉を電気的に刺激することで麻痺した四肢の運動機能を回復させることができる可能性がある。[要出典]

ニコレリスらは、大規模な神経集団が腕の位置を予測できることを実証した。この研究により、BCIは腕の動きの意図を読み取り、それをアクチュエータの動きに変換することが可能になった。カルメナら[35]は、サルがロボットアームによる到達動作と把持動作を制御できるBCIをプログラムした。レベデフらは、脳ネットワークが再編成され、動物自身の四肢の表現に加えて、ロボットの付属肢の新たな表現が生成されると主張した[36] 。

2019年、カリフォルニア州サンフランシスコ大学の研究者たちは、神経疾患による言語障害を持つ患者を支援する可能性のある脳コンピュータインターフェース（BCI）の研究を開始しました。彼らのBCIは、高密度皮質電気記録を用いて患者の脳の神経活動を捕捉し、ディープラーニングを用いて音声を合成しました。[45] [46] 2021年には、研究者たちは、 15年以上も発話できなかった構音障害の患者において、BCIが単語や文章を解読できる可能性を報告しました。 [47] [48]

BCI技術における最大の障害は、脳信号への安全、正確、かつ堅牢なアクセスを提供するセンサーモダリティの欠如です。より優れたセンサーの使用により、BCIを用いて提供できるコミュニケーション機能の範囲が拡大します。[要出典]

BCIシステムの開発と実装は複雑で時間がかかります。この問題に対処するため、ゲルウィン・シャルクは2000年からBCI研究用の汎用システムであるBCI2000の開発に取り組んできました。[49]

新しい「ワイヤレス」アプローチでは、チャネルロドプシンなどの光依存性イオンチャネルを用いて、生体内で遺伝的に定義されたニューロンのサブセットの活動を制御する。単純な学習課題において、体性感覚皮質に導入された細胞への光照射は、マウスの意思決定に影響を与えた。[50]

BCIは、神経ネットワークと中枢神経系への理解を深めるきっかけとなりました。神経科学者はニューロンが協調して働くことで最も効果を発揮すると信じる傾向がありますが、研究報告によると、BCIを用いることで単一ニューロンを条件付け、霊長類が運動出力を制御できるパターンで発火させることができるとのことです。BCIは、単一ニューロン不全原理の発展につながりました。これは、発火率を適切に調整しても、単一ニューロンは限られた情報しか伝達できないため、アンサンブル発火を記録することで最高レベルの精度が達成されるというものです。BCIで発見されたその他の原理には、ニューロンのマルチタスク原理、ニューロンの質量原理、神経の退化原理、可塑性原理などがあります。[51]

BCIは、障害のないユーザーが利用することを想定して提案されています。パッシブBCIは、ヒューマン・コンピュータ・インタラクション（HCI）におけるユーザーの状態変化を評価し、解釈することを可能にします。二次的な暗黙的な制御ループにおいて、システムはユーザーに適応し、ユーザビリティを向上させます。[52]

BCIシステムは、末梢からの信号を符号化するために使用できる可能性があります。これらの感覚BCIデバイスは、閉ループ神経刺激に基づいて、行動に関連するリアルタイムの意思決定を可能にします。[53]

ヒト研究

侵襲性BCI

侵襲性BCIでは、脳信号にアクセスするために頭皮下に電極を埋め込む手術が必要です。主な利点は精度の向上です。欠点としては、手術による副作用（瘢痕組織による脳信号遮断など）や、埋め込まれた電極に対する拒絶反応などが挙げられます。[54]

ビジョン

侵襲性BCIの研究は、麻痺のある人の視力低下の修復と新たな機能の提供を目的としています。侵襲性BCIは、脳神経外科手術中に脳の灰白質に直接埋め込まれます。灰白質内に埋め込まれるため、侵襲性デバイスはBCIデバイスの中で最も高品質な信号を生成しますが、瘢痕組織が蓄積しやすく、体が異物に反応すると信号が弱まったり消失したりすることがあります。[55]

視覚科学においては、先天性ではない（後天性の）失明の治療に、直接脳インプラントが用いられてきました。視力回復のための実用的な脳インターフェースを初めて開発した科学者の一人は、民間研究者のウィリアム・ドーベルでした。ドーベルの最初のプロトタイプは、1978年に成人期に失明した男性「ジェリー」に埋め込まれました。68個の電極を備えたシングルアレイBCIがジェリーの視覚皮質に埋め込まれ、光を見る感覚である閃光（フォスフェン）を発生させることに成功しました。このシステムには、インプラントに信号を送るための眼鏡に取り付けられたカメラが含まれていました。当初、このインプラントにより、ジェリーは限られた視野の中で、低いフレームレートでグレーの濃淡を見ることができました。これにはメインフレームコンピュータへの接続も必要でしたが、電子機器の小型化とコンピュータの高速化により、彼の義眼はより持ち運びやすくなり、現在では彼は補助なしに簡単な作業を行うことができるようになりました。[56]

2002年、成人期に失明したイェンス・ナウマンは、ドーベル博士の第二世代インプラントを有料で受けた16人の患者のうち最初の一人となった。これはBCIの最も初期の商業的利用の一つである。第二世代の装置は、より洗練されたインプラントを使用し、閃光をコヒーレントな視覚に正確にマッピングすることを可能にした。閃光は視野全体に広がり、研究者たちはこれを「星空効果」と呼ぶ。インプラント手術直後、イェンスは不完全に回復した視力を使って、研究所の駐車場をゆっくりと自動車で走行することができた。 [57]ドーベル博士は、彼のプロセスと開発が記録される前に2004年に亡くなり、彼の研究を引き継ぐ者は誰もいなくなった。[58]その後、ナウマンとプログラムの他の患者たちは視力に問題を抱え始め、最終的に再び「視力」を失った。[59] [60]

動き

運動神経補綴に重点を置いた BCI は、麻痺のある人の運動機能を回復したり、コンピューターやロボット アームとのインターフェイスなど、麻痺のある人を支援するデバイスを提供したりすることを目指しています。

ケネディとバカイは、動作をシミュレートするのに十分な高品質の信号を生成する脳インプラントを初めて人間の脳に埋め込んだ。彼らの患者であるジョニー・レイ（1944年～2002年）は、 1997年に脳幹卒中を起こした後、「閉じ込め症候群」を発症した。レイのインプラントは1998年に埋め込まれ、彼はインプラントを使った仕事を始めるまで生き、最終的にはコンピュータのカーソル操作を習得した。しかし、2002年に脳動脈瘤で亡くなった。[61]

四肢麻痺の マット・ネーグル氏は、2005年にサイバーキネティクス社のBrainGateチップインプラントの最初の9ヶ月間の人体実験の一環として、BCIを用いて義手を制御することに成功した最初の人物となった。ネーグル氏の右中心前回（腕の動きを司る運動皮質の領域）に埋め込まれた96個の電極インプラントにより、ネーグル氏は手の動きを意識するだけでロボットアームを操作できるだけでなく、コンピューターのカーソル、照明、テレビなども操作できた。[62] 1年後、ジョナサン・ウォルポー氏は、脳に直接ではなく頭蓋骨の表面に電極を配置したブレイン・コンピュータ・インターフェースの開発により、アルトラン・イノベーション財団賞を受賞した。[63]

ブレインゲートグループとピッツバーグ大学医療センターの研究チームは、米国退役軍人省（VA）と共同で、四肢麻痺患者の運動皮質のニューロン配列に直接接続することで、多自由度の義肢制御を実証した。[64] [65]

コミュニケーション

2021年5月、スタンフォード大学のチームは、四肢麻痺の被験者が1分間に約86字、1分間に18語の速度で英語の文章を生成できることを可能にした概念実証テストの成功を報告した。被験者は文字を書くために手を動かすことを想像し、システムは隠れマルコフモデルとリカレントニューラルネットワークを利用して、運動皮質で検出された電気信号に対して手書き認識を実行した。[66] [67] UCSF の研究者が脳コンピューターインターフェース（BCI）研究を開始して以来、多くの報告がなされている。2021年には、麻痺し構音障害のある男性が、声道の筋肉を制御する神経細胞を調べる埋め込み型デバイスを使用して、1分間に15語のコミュニケーションをとることができたと報告された。[68] [69]さらに2022年には、このインプラントを使用して、声を出さずに単語や文章全体を綴ることもできると発表された。最初のバイリンガル音声神経補綴装置は、サンフランシスコ大学の同じチームによって2024年に開発されたと報告されています。[70] [71] [72] 2025年の初めには論文が発表されました。UCSFの研究者たちは、ある男性が思考するだけでロボットアームを操作できたと報告しました。

あるレビュー記事で、著者らは、BCIを用いることで人間の情報伝達速度が言語のそれを上回ることができるかどうか疑問視しました。言語研究では、情報伝達速度は多くの言語において比較的一定であると報告されています。これは脳の情報処理限界を反映しているのかもしれません。あるいは、この限界は情報伝達の様式としての言語そのものに内在しているのかもしれません。[73]

2023年には、2つの研究でリカレントニューラルネットワークを備えたBCIを使用して、1分あたり62語と78語という記録的な速度で音声をデコードしました。[74] [75] [76]

技術的な課題

侵襲性BCIを用いた脳活動の記録には、多くの技術的課題が存在する。CMOS技術の進歩により、小型化、低消費電力化、高信号取得能力を備えた統合型侵襲性BCIの設計が推進され、実現しつつある。[77]侵襲性BCIは、脳組織に電極を刺入し、電極近傍の個々のニューロンまたは少数のニューロンから発生する活動電位信号（スパイクとも呼ばれる）を記録する。記録電極とニューロンを取り囲む電解液との界面は、ホジキン・ハクスリーモデルを用いてモデル化されている。[78] [79]

侵襲性BCIの電子的限界は、ここ数十年、活発に研究されている分野である。ニューロンの細胞内記録では数百ミリボルト規模の活動電位電圧が明らかになるが、慢性侵襲性BCIは、通常3桁小さい数百マイクロボルトの細胞外電圧の記録に依存している。[80]マイクロボルト規模の信号を検出するという課題にさらに加わるのは、電極と組織のインターフェースが小さな電圧で高い静電容量を持つという事実である。これらの小さな信号の性質上、集積回路に機能を組み込んだBCIシステムの場合、各電極に独自の増幅器とADCが必要であり、これがアナログの細胞外電圧をデジタル信号に変換する。[80]一般的なニューロンの活動電位は1ミリ秒持続するため、スパイクを測定するBCIのサンプリングレートは300 Hzから5 kHzの範囲でなければならない。さらに、侵襲性BCIは周囲の組織への熱放散を抑えるために低消費電力でなければならないという懸念もある。最も基本的なレベルでは、信号対雑音比を最適化するために、従来より多くの電力が必要とされてきた。[79]最適なバッテリー設計は、BCIにおいて活発に研究されている分野である。[81]

侵襲性および部分的侵襲性 BCI の図解: 皮質電気記録法 (ECoG)、血管内および皮質内微小電極。

材料科学分野における課題は、侵襲性BCIの設計において中心的な役割を果たしています。埋め込み型微小電極では、信号品質の経時的変化が一般的に観察されています。[82]侵襲性BCIにおける長期的な信号安定性のための最適な材料特性と機械特性は、活発な研究分野となっています。[83 ]電極と組織の界面の損傷に起因するグリア瘢痕の形成が、電極の故障や記録性能の低下の原因である可能性が高いと考えられています。 [84]研究では、挿入時または経時的な血液脳関門の漏出が、脳に埋め込まれた慢性微小電極に対する炎症反応およびグリア細胞反応の原因である可能性が示唆されています。 [84] [85]その結果、電極のヤング率を脳組織のヤング率に近づけることで異物反応を最小限に抑えるため、柔軟な[86] [87] [88]および組織に似た設計[89 ] [ 90]が研究開発されてきました。[89]

部分侵襲性BCI

部分侵襲性BCIデバイスは頭蓋内に埋め込まれますが、脳の灰白質内ではなく脳の外側に配置されます。頭蓋骨の骨組織が信号を屈曲・変形させる非侵襲性BCIよりも高解像度の信号を生成します。また、完全侵襲性BCIよりも脳内に瘢痕組織を形成するリスクが低いという利点があります。脳卒中病変周囲皮質からの皮質内BCIの前臨床実証が行われています。[91]

血管内

2020年に発表されたシステマティックレビューでは、血管内BCIの実現可能性を調査した複数の臨床研究と非臨床研究の詳細が報告されている。[92]

2010年、メルボルン大学の研究者たちは、血管系から挿入可能なBCIの開発に着手しました。オーストラリアの神経科医トーマス・オクスリーは、 DARPA（国防高等研究計画局）から資金提供を受け、「ステントロード」と呼ばれるこのBCIのアイデアを考案しました。前臨床研究では、この技術が羊で評価されました。[2]

ステントロードは、静脈カテーテルを介して画像誘導下で運動皮質に隣接する領域の上矢状静脈洞に送達されるように設計されたモノリシックステント電極アレイである。[93]この近接性により、ステントロードは神経活動を測定できる。この手順は、特発性頭蓋内圧亢進症の治療における静脈洞ステントの配置方法に最も似ている。[94]ステントロードは、胸部に埋め込まれたバッテリーレスのテレメトリーユニットに神経活動を伝え、テレメトリーユニットは電力とデータ転送が可能な外部テレメトリーユニットとワイヤレスで通信する。血管内BCIは挿入時の開頭手術を回避できるという利点があるが、凝固や静脈血栓症などのリスクが存在する。[要出典]

2021年現在、ステントロードを用いたヒト臨床試験が進行中である。[93] 2020年11月、筋萎縮性側索硬化症（ALS ）の患者2名が、ステントロードを用いて直接思考することで、テキストメッセージ、電子メール、ショッピング、銀行取引を行うためのオペレーティングシステムをワイヤレスで操作することができた。 [95]これは、患者の血管を介して脳コンピューターインターフェースを埋め込んだ初めてのケースであり、脳手術の必要性をなくした。2023年1月、研究者らは、ステントロードを用いてコンピューターを操作できた4名の患者全員において、最初の1年間に深刻な有害事象は報告されなかったと報告した。[96] [97]

皮質電気記録

皮質電気記録法（ECoG）は、非侵襲性脳波記録法に似た方法で頭蓋骨の下から脳の電気活動を測定するもので、皮質の上、硬膜の下に置かれた薄いプラスチックパッドに埋め込まれた電極を使用する。 [ 98] ECoG技術は、2004年にセントルイス・ワシントン大学のエリック・ロイトハルトとダニエル・モランによって初めて人間で試験された。その後の試験では、研究者らは10代の少年にスペースインベーダーをプレイさせた。[99]この研究は、制御が迅速で、最小限の訓練しか必要とせず、信号の忠実度と侵襲性のレベルのバランスが取れていることを示しています。[注 1]

信号は硬膜下または硬膜外から得られますが、脳実質内からは得られません。患者は、てんかん焦点の位置特定と切除のために侵襲的なモニタリングを受ける必要があります。[要出典]

ECoGは、頭皮記録型EEGよりも高い空間分解能、優れた信号対雑音比、広い周波数範囲、そして少ないトレーニング要件を提供する。同時に、皮質内単一ニューロン記録よりも技術的な難易度が低く、臨床リスクが低く、長期安定性に優れている可能性がある。[101]この特徴プロファイルと、最小限のトレーニング要件で高いレベルの制御が可能であるという証拠は、運動障害のある人々への実際の応用の可能性を示している。[102] [103]

UCSFのエドワード・チャンとジョセフ・マキンは、高密度ECoGアレイをシルビウス周囲皮質に埋め込んだてんかん患者の発話をECoG信号で解読できることを報告した。[104] [105]彼らは、エンコーダ・デコーダ・ニューラルネットワークを用いてECoGデータを250語からなる50の文に変換し、単語誤り率が3%（従来の研究から大幅に改善）であることを報告した。[要出典]

機能的近赤外分光法

2014年には、筋萎縮性側索硬化症（ALS）の「閉じ込められた」患者に機能的近赤外線分光法を用いたBCIを施し、基本的なコミュニケーション能力を回復させることができました。[106]

脳波（EEG）ベースの脳コンピュータインターフェース

脳波計によって生成された脳波の記録

ヴィダルがBCIの課題を述べた後、非侵襲的アプローチに関する最初の報告には、VEPを使用した2Dカーソルの制御、[107]、CNVを使用したブザーの制御、[108]、脳リズム（アルファ）を​​使用した物理オブジェクト（ロボット）の制御、[109] 、 P300を使用した画面に書かれたテキストの制御などが含まれていました。[110] [10]

BCI研究の初期において、EEGの使用におけるもう一つの大きな障壁は、広範囲にわたる訓練が必要だったことです。例えば、1990年代半ばに始まった実験では、ドイツのテュービンゲン大学のニールス・ビルバウマーは、麻痺患者に対し、EEG中の低速皮質電位を自己制御できるよう訓練を行いました。その結果、これらの信号はコンピューターのカーソルを制御するためのバイナリ信号として使用できるレベルに達しました。（ビルバウマーは以前、この低電圧波を制御することで、てんかん患者に発作を予防する訓練を行っていました。）この実験では、10人の患者にコンピューターのカーソルを動かす訓練を行いました。このプロセスは遅く、患者がカーソルで100文字入力するのに1時間以上かかり、訓練には数ヶ月かかることもよくありました。低速皮質電位アプローチは、訓練をほとんど必要とせず、より高速で正確で、より多くのユーザーに有効なアプローチに取って代わられました。[111]

もう一つの研究パラメータは、測定される振動活動の種類です。ゲルト・プフルトシェラーは1991年にBCIラボを設立し、振動特性と分類器に基づく最初のオンラインBCIを開発しました。ニューヨーク州立大学のビルバウマーとジョナサン・ウォルポーと共に、ミュー波やベータ波など、ユーザーがBCIを操作するのに最も適した脳信号を選択できる技術の開発に注力しました。[要出典]

さらなるパラメータとして、 P300信号の研究で示されているように、フィードバックの方法が挙げられます。P300波のパターンは、人が認識できるものを見たときに無意識に（刺激フィードバックによって）生成され、BCIが訓練なしに思考のカテゴリーを解読できるようになる可能性があります。[要出典]

2005年の研究では、CNVフリップフロップを使用したデジタル制御回路のEEGエミュレーションが報告されました。[112] 2009年の研究では、CNVフリップフロップを使用したロボットアームの非侵襲的なEEG制御が報告されました。[113] 2011年の研究では、CNVフリップフロップを使用して、3つのディスクでハノイの塔のタスクを解く2つのロボットアームの制御が報告されました。 [114] 2015年の研究では、シュミットトリガ、フリップフロップ、デマルチプレクサ、およびモデムのEEGエミュレーションについて説明しました。[115]

ミネソタ大学のビン・ヘ氏とそのチームによる研​​究は、脳波（EEG）ベースの脳コンピュータ・インターフェースが、侵襲的な脳コンピュータ・インターフェースに近いタスクを実行できる可能性を示唆している。彼らは、BOLD機能MRIやEEGソースイメージングなどの高度な機能的神経画像診断法を用いて、電気生理学的信号と血行動態的信号の共変動と共局在を特定した。[116]神経画像診断法と訓練プロトコルによって改良された彼らは、運動想像力に基づいて3次元空間における仮想ヘリコプターの飛行を制御する、非侵襲的なEEGベースの脳コンピュータ・インターフェースを構築した。[117] 2013年6月、彼らは障害物コースで遠隔操作ヘリコプターを誘導する技術を発表した。[118]彼らはまた、EEG逆問題を解き、得られた仮想EEGをBCIタスクに使用した。適切に管理された研究は、このようなソース分析に基づくBCIの利点を示唆している。[119]

2014年の研究では、重度の運動障害を持つ患者は、筋肉ベースのコミュニケーションチャネルよりも非侵襲性EEG BCIを使用してより迅速かつ確実にコミュニケーションをとることができると報告されました。[120]

2019年の研究では、進化的アルゴリズムを適用することで、非侵襲性のMuseデバイスによるEEG精神状態分類が改善され、消費者向けセンシングデバイスで取得したデータの分類が可能になることが報告されている。[121]

2021年に実施された、脳卒中後上肢リハビリテーションにおけるBCIを用いたランダム化比較試験のシステマティックレビューでは、EEGベースのBCIは対照療法と比較して上肢運動機能の改善に有効であることが報告されました。具体的には、バンドパワー特性、運動イメージ、機能的電気刺激を用いたBCI研究は、他の治療法よりも効果的であると報告されました。[122] 2021年の別のシステマティックレビューでは、脳卒中後ロボット支援EEGベースのBCIを用いた手のリハビリテーションに焦点を当てています。11件の研究のうち3件で運動評価スコアの改善が認められました。[123]

乾式活性電極アレイ

1990年代初頭、カリフォルニア大学デービス校のババク・タヘリは、世界初の単一および複数チャンネルの乾式アクティブ電極アレイを実証しました。[124]このアレイ電極は、銀/塩化銀電極と比較して優れた性能を発揮することが実証されました。このデバイスは、インピーダンス整合によってノイズを低減する電子回路を内蔵した4つのセンサーサイトで構成されていました。このような電極の利点は以下のとおりです。[要出典]

  • 電解質は使用していません。
  • スキンケアなし、
  • センサーサイズが大幅に縮小され、
  • EEG モニタリング システムとの互換性。

アクティブ電極アレイは、静電容量センサーアレイと、回路に電力を供給するための電池がパッケージ化されたローカル集積回路を備えた統合システムです。このレベルの統合は、この結果を達成するために必要でした。[要出典]

電極はテストベンチと被験者で4つの方法でテストされました。[引用が必要]

  • 自発脳波、
  • 感覚事象関連電位、
  • 脳幹電位、
  • 認知事象関連電位。

皮膚の準備、ゲルの必要性がない（乾燥）、および高い信号対雑音比の点で、標準的な湿式電極と比較して性能が優れていた。[125]

1999年、ケース・ウェスタン・リザーブ大学のハンター・ペッカムらは、 64電極の脳波計を用いて、四肢麻痺患者の制限された手の動きを回復させることに成功しました。患者は上下といった単純だが相反する概念に集中していました。すると、ベータ波脳波出力に基本パターンが特定され、それを用いてスイッチを制御しました。平均以上の活動はオン、平均以下の活動はオフと解釈されました。この信号は、患者の手に埋め込まれた神経制御器の駆動にも使用され、ある程度の運動能力が回復しました。[126]

SSVEPモバイルEEG BCI

2009年、NCTUのブレイン・コンピュータ・インターフェース・ヘッドバンドが発表されました。研究者たちは、体毛のない部位への装着を目的としたシリコンベースの微小電気機械システム（MEMS）乾式電極も開発しました。これらの電極は、スナップオン式の電極ホルダーを用いてヘッドバンドのDAQボードに固定されました。信号処理モジュールはアルファ波活動を測定し、 Bluetooth経由でスマートフォンに送信することで、患者の覚醒度と認知能力を評価しました。被験者が眠気を催すと、スマートフォンはオペレーターに覚醒を促すフィードバックを送信して覚醒を促しました。[127]

2011年、研究者らは携帯電話を鳴らすことができるセルラーベースのBCIを報告した。このウェアラブルシステムは、4チャンネルの生体信号取得／増幅モジュール、通信モジュール、そしてBluetooth対応の携帯電話で構成されていた。電極は定常視覚誘発電位（SSVEP）を検出するために配置されていた。[128] SSVEPは、6Hzを超える繰り返し周波数の点滅視覚刺激に対する電気的反応であり[128]、視覚皮質の頭頂部と後頭葉の頭皮領域で最もよく見られる。[129] [130] [131]研究参加者全員が、自然環境下で最小限の練習で電話をかけることができたと報告されている。[132]

科学者たちは、単一チャネルの高速フーリエ変換（FFT）と複数チャネルシステムの正準相関分析（CCA）アルゴリズムがモバイルBCIをサポートできることを報告した。[128] [133] CCAアルゴリズムは、高い精度と速度を主張するBCIを調査する実験に適用されている。[134]細胞BCI技術は、感覚運動ミュー/ベータリズムを拾って運動イメージベースのBCIとして機能するなど、他のアプリケーションにも応用できると報告されている。 [128]

2013年には、 Android搭載の携帯電話、タブレット、コンピューターベースのBCIを用いた比較試験が行われ、得られたEEG SSVEPのパワースペクトル密度が分析されました。この研究の目標は、「SSVEPベースのBCIの実用性、携帯性、そして普遍性を日常使用において向上させること」とされました。携帯電話の信号は安定していなかったものの、刺激周波数は全ての媒体で正確であることが報告されました。ノートパソコンとタブレットのSSVEPの振幅は、携帯電話よりも大きいことが報告されました。これら2つの質的特徴は、モバイル刺激BCIの実現可能性を示す指標として示唆されました。[133]

EEG 測定の難しさの 1 つは、モーション アーティファクトの影響を受けやすいことです。[135]ほとんどの研究プロジェクトでは、参加者は実験室環境でじっと座っているように求められ、頭と目の動きをできるだけ減らします。しかし、これらの取り組みは日常的に使用できるモバイル デバイスを作成することを目的としていたため、[133]技術を動作状態でテストする必要がありました。2013 年に、研究者はモバイル EEG ベースの BCI 技術をテストし、参加者がトレッドミルで歩いているときに SSVEP を計測しました。報告された結果は、速度が上がると、CCA を使用した SSVEP の検出可能性が低下するというものでした。独立成分分析(ICA) は、EEG 信号をノイズから分離するのに効率的であることが示されています。[136]研究者は、ICA 処理の有無にかかわらず CCA データは類似していると述べています。彼らは、CCA はモーション アーティファクトに対して堅牢であると結論付けました。[130] EEG ベースの BCI アプリケーションは空間解像度が低いです。考えられる解決策としては、グラフ理論に基づくEEGソースの接続性、Topomapに基づくEEGパターン認識、EEG- fMRI融合などがある。[引用が必要]

義肢と環境制御

非侵襲性BCIは、麻痺のある人の上肢および下肢の義肢に応用されてきました。例えば、グラーツ工科大学のゲルト・プフルトシェラー氏とその同僚は、BCI制御の機能的電気刺激システムを用いて、脊髄損傷による四肢麻痺の人の上肢運動を回復させることを実証しました。[137] 2012年から2013年にかけて、カリフォルニア大学アーバイン校の研究者らは、BCI技術が脊髄損傷後の脳制御歩行を回復できることを初めて実証しました。彼らの研究では、下半身麻痺の人がBCIロボット歩行装具を操作して、基本的な歩行を取り戻しました。[138] [139] 2009年には、独立研究者のアレックス・ブレイニー氏がEmotiv EPOCを使用して5軸ロボットアームを制御しました。[140]彼は、マインドコントロールの車椅子やホームオートメーションのデモンストレーションをいくつか行いました。[要出典]

脳磁図とfMRI

ATR LabsによるfMRIを用いた人間の視覚の再構成（上段：オリジナル画像、下段：複合読み取り値の平均からの再構成）

磁気脳波（MEG）と機能的磁気共鳴画像法（fMRI）はどちらも非侵襲性BCIとして利用されてきた。[141]広く報道された実験では、fMRIはバイオフィードバックを通して血行動態反応や脳血流を変化させ、2人のユーザーがリアルタイムでポンをプレイすることを可能にした。[142]

リアルタイムの血行動態反応のfMRI測定は、思考と動作の間に7秒の遅延を設けたロボットアームの制御にも使用されている。[143]

2008年に京都の先端電気通信研究所（ATR）計算脳科学研究所で行われた研究により、研究者は脳信号から10×10ピクセルの解像度で画像を再構成することが可能になった。[144]

2011年の研究では、被験者が視聴した動画をfMRIデータから秒単位で再構成したと報告されています。[145]これは、動画と脳活動を関連付ける統計モデルを作成することで実現しました。このモデルを用いて、1800万秒のランダムなYouTube動画データベースから1秒間の動画セグメント100本を検索し、被験者が動画を視聴した際に記録された脳活動と視覚パターンを照合しました。これらの1秒間の動画セグメント100本は、動画に似たマッシュアップ画像に合成されました。[146] [147] [148]

ニューロゲーミングにおけるBCI制御戦略

運動イメージ

運動イメージングでは、身体部位の動きを想像し、感覚運動皮質を活性化することで、脳波の感覚運動振動を調節します。これはBCIによって検出され、ユーザーの意図を推測するために使用できます。運動イメージングでは、通常、許容できる制御を習得するためにトレーニングが必要です。トレーニングセッションは通常、数日間にわたって何時間もかかります。トレーニングセッションの長さに関係なく、ユーザーは制御スキームを習得できません。その結果、ゲームプレイのペースが非常に遅くなります。[149]機械学習手法を使用して、運動イメージングのパフォーマンスを検出するための被験者固有のモデルを計算しました。2022年のBCIコンペティションIV [150]データセット2の運動イメージングで最高のパフォーマンスを発揮したアルゴリズムは、シンガポールのA*STARのAngらが開発したフィルターバンク共通空間パターンでした。[151]

パッシブBCI設計のためのバイオ/ニューロフィードバック

バイオフィードバックは、被験者の精神的リラクゼーションをモニタリングするために使用できます。バイオフィードバックは EEG と一致しない場合もありますが、筋電図(EMG)、皮膚電気抵抗(GSR)、心拍変動(HRV) などのパラメータは一致します。多くのバイオフィードバック システムは、注意欠陥多動性障害 (ADHD)、子供の睡眠障害、歯ぎしり、慢性疼痛などの疾患を治療します。EEG バイオフィードバック システムは通常、4 つの脳波帯域 (シータ: 4～7 Hz、アルファ: 8～12 Hz、SMR: 12～15 Hz、ベータ: 15～18 Hz) をモニタリングし、被験者にこれらの帯域を制御するように要求します。パッシブ BCI は、ユーザーの精神状態に関する情報を使用して、BCI でヒューマンマシンインタラクションを強化します。たとえば、緊急車両のブレーキ時にユーザーがブレーキを踏もうとしていることを検出するシミュレーションなどです。[52]パッシブ BCI を使用するゲーム開発者は、ゲーム レベルの繰り返しによってユーザーの認知状態が適応することを理解しています。特定のレベルを初めてプレイするとき、プレイヤーの反応はその後のプレイ時とは異なります。例えば、ユーザーは予想していたイベントにあまり驚きません。[149]

視覚誘発電位（VEP）

VEPは、被験者に視覚刺激を提示した後に記録される電位です。VEPの種類には、SSVEPとP300電位があります。[要出典]

定常視覚誘発電位(SSVEP) は、特定の周波数で変調された視覚刺激を使用して網膜を興奮させることによって生成される電位を使用します。SSVEP 刺激は、多くの場合、交互の市松模様から形成され、時には点滅画像を使用します。使用される刺激の位相反転の周波数は、EEG によって区別できるため、SSVEP 刺激の検出は比較的簡単です。SSVEP は、多くの BCI システムで使用されています。これは、いくつかの要因によるものです。誘発される信号は、一過性 VEP や瞬き運動と同じくらい大規模な集団で測定可能です。心電図アーティファクトは、監視される周波数に影響を与えません。SSVEP 信号は堅牢です。一次視覚皮質の地形的構成により、より広い領域が視野の中心または中心窩領域から求心性神経を取得します。SSVEP には問題が伴います。 SSVEPは点滅刺激を用いてユーザーの意図を推測するため、ユーザーはシステムとインタラクトするために点滅または反復するシンボルのいずれかを注視する必要があります。そのため、長時間プレイすると、これらのシンボルが煩わしく、不快感を与える可能性があります。[要出典]

VEPのもう1つのタイプはP300電位です。この電位は、目標刺激（ユーザーが待機または探している刺激）またはオッドボール刺激の出現後約300ミリ秒で発生するEEGの正のピークです。目標刺激と無視された刺激の類似性が増すにつれて、P300の振幅は減少します。P300は、より高次の注意プロセスまたは定位反応に関連していると考えられています。P300の使用には、より少ないトレーニングセッションが必要です。P300を最初に使用したアプリケーションはP300マトリックスでした。このシステムでは、被験者は6×6の文字と数字のグリッドから文字を選択します。グリッドの行と列が順番に点滅し、選択された「選択文字」が点灯するたびに、ユーザーのP300が（潜在的に）誘発されました。しかし、コミュニケーションプロセスは1分あたり約17文字と低速でした。P300は、連続的な制御ではなく、離散的な選択を提供します。ゲーム内でのP300の利点は、プレイヤーが新しい制御システムの使い方を学ぶ必要がなく、ゲームプレイの仕組みと基本的なBCIパラダイムを学習するのに短いトレーニングインスタンスのみを必要とすることです。[149]

非脳ベースのヒューマン・コンピュータ・インターフェース（生理学的コンピューティング）

ヒューマン・コンピュータ・インタラクションでは、電気眼底検査や視線追跡といった他の記録手段も活用できる。これらの手段は脳活動を記録しないため、BCIとはみなされない。 [152]

眼電図検査（EOG）

1989年、眼球運動による移動ロボットの制御に関する研究が報告されました。眼球運動信号を用いた移動ロボットの制御は、前進、後退、左、右、停止の5つの眼球運動指令を用いて行われました。[153]

瞳孔の大きさの振動

2016年の論文では、視線の固定や眼球運動を必要としない、EEGをベースとしない新しいHCIについて説明されている。 [154]このインターフェースは、仮想キーボード上で選択された文字に直接目を向ける必要はなく、隠れた関心に基づいている。各文字には独自の（背景の）円があり、その明るさは他の文字とは異なる微小振動をする。文字の選択は、意図しない瞳孔の大きさの振動と背景の円の明るさの振動パターンとの最適な適合に基づいて行われる。ユーザーが文字の円の明るさの変化に合わせて「明る​​い」と「暗い」という言葉を心の中でリハーサルすることで、精度はさらに向上する。[要出典]

脳と脳のコミュニケーション

1960年代、ある研究者が訓練を受けた後、脳波を用いてアルファ波を使ったモールス信号を作成しました。[155] 2013年2月27日、デューク大学とIINN-ELSのミゲル・ニコレリスのグループは、2匹のネズミの脳を接続し、情報を共有できるようにしました。これは史上初の直接的な脳間インターフェースです。[156] [157] [158]

ゲルウィン・シャルクは、ECoG信号が話し言葉や想像上の言葉に埋め込まれた母音と子音を区別できることを報告し、それらの生成に関連するメカニズムを明らかにし、想像上の音声を用いた脳ベースのコミュニケーションの基礎を提供できる可能性があるとしました。[103] [159]

2002年、ケビン・ワーウィックは、自身の神経系をインターネットに接続するために、100個の電極アレイを神経系に埋め込みました。ワーウィックは一連の実験を行いました。電極は妻の神経系にも埋め込まれ、二人の人間の神経系間で直接電子通信を行うという、初めての実験が可能になりました。[160] [161] [162] [163]

他の研究者たちは、被験者の頭皮に装着した非侵襲的な技術を用いて、遠隔地にいる被験者間の脳対脳通信を実現した。情報を送信する人の認知運動入力によって、単語はバイナリストリームにエンコードされた。情報の擬似ランダムビットには、「hola」（スペイン語で「こんにちは」）と「ciao」（イタリア語で「さようなら」）というエンコードされた単語が含まれ、心と心の間で伝達された。[164]

細胞培養BCI

カリフォルニア工科大学の研究者ジェローム・パイン氏とマイケル・マーハー氏が開発した世界初のニューロチップ

研究者たちは、試験管内で神経細胞や神経ネットワーク全体とインターフェースするデバイスを開発してきました。培養神経組織を用いた実験は、問題解決ネットワークの構築、基本的なコンピュータの構築、ロボットデバイスの操作に焦点を当てています。半導体チップ上に成長した個々のニューロンを刺激し記録する技術の研究は、ニューロエレクトロニクス、またはニューロチップと呼ばれています。[165]

最初のニューロチップの開発は、1997年にジェローム・パインとマイケル・マーが率いるカリフォルニア工科大学のチームによって行われたと主張されている。[166]カリフォルニア工科大学のチップには16個のニューロンを収容できるスペースがあった。[要出典]

2003年、南カリフォルニア大学のセオドア・バーガー率いるチームは、人工海馬として機能するニューロチップの開発に取り組みました。このニューロチップはラットの脳用に設計されました。海馬が選ばれたのは、脳の中で最も構造化され、最も研究されている部位であると考えられているためです。海馬の機能は、経験を符号化し、脳の他の場所に長期記憶として保存することです。[167]

2004年、フロリダ大学のトーマス・デマース氏は、ラットの脳から採取した25,000個のニューロンを培養し、F-22ジェット戦闘機シミュレータを操縦させた。採取後、皮質ニューロンはペトリ皿で培養され、自己再結合して生きた神経ネットワークを形成した。細胞は60個の電極からなるグリッド上に配置され、シミュレータのピッチとヨーの機能を制御するために使用された。この研究は、人間の脳が計算タスクを細胞レベルでどのように実行し、学習するかを理解することに焦点を当てていた。[168]

倫理的な配慮

懸念事項は、安全性と使用者への長期的な影響に集中しています。これには、コミュニケーション障害のある個人からのインフォームド・コンセントの取得、患者とその家族の生活の質への影響、健康関連の副作用、治療用途の誤用、安全上のリスク、そしてBCIによって引き起こされる一部の変化の不可逆性などが含まれます。さらに、特に企業が倒産した場合のメンテナンス、修理、スペアパーツの入手についても疑問が生じます。[169]

BCIの法的および社会的側面は、主流への導入を複雑化させています。懸念事項には、BCIの影響が自由意志や行動の制御を覆すという主張、認知意図の不正確な解釈、脳深部刺激による人格の変化、人間と機械の境界線の曖昧化など、説明責任と責任に関する問題が含まれます。[170]その他の懸念事項としては、高度な尋問技術におけるBCIの利用、不正アクセス（「脳ハッキング」）[171]、選択的強化による社会階層化、読心術、追跡、タグ付けシステムに関連するプライバシーの問題、そして精神、動作、感情の制御の可能性などが挙げられます。[172]

現状のBCIのほとんどは、そのような倫理的問題にほとんど関わらない矯正療法に近い。生命倫理学はBCI技術がもたらす課題に対処するのに十分な能力を備えており、クラウゼンは2009年に「BCIは倫理的な課題を提起するが、概念的には生命倫理学者が他の治療分野で取り組んできた課題と類似している」と述べている[173]。ハゼラガーらは、期待と価値の管理の重要性を強調した[174]。

BCIの進化は薬学の進化を反映しています。薬学は障害に対処する手段として始まり、現在では集中力を高め、睡眠の必要性を軽減する手段となっています。BCIが治療から機能強化へと進化するにつれ、BCIコミュニティは研究、開発、普及のための倫理ガイドラインに関するコンセンサスの形成に取り組んでいます。[175] [176]

低コストシステム

様々な企業が、研究や娯楽のために安価なBCIを開発しています。NeuroSkyやMattel MindFlexといった玩具は、商業的に一定の成功を収めています。

  • 2006年、ソニーは神経皮質の信号に電波で影響を与えることを可能にする神経インターフェースシステムの特許を取得しました。[177]
  • 2007年、NeuroSkyはゲーム「NeuroBoy」と共に、消費者向けとしては初となる手頃な価格のEEG（脳波計）をリリースしました。これは、ドライセンサー技術を採用した初の大型EEGデバイスでした。[178]
  • 2008年、OCZテクノロジーは、主に筋電図を利用したビデオゲーム用のデバイスを開発した。[179]
  • 2008年、『ファイナルファンタジー』の開発元であるスクウェア・エニックスは、NeuroSkyと提携してゲーム『ジュデッカ』を制作すると発表した。[180] [181]
  • 2009年、マテルはニューロスカイと提携し、脳波を使って障害物コースでボールを操るゲーム「マインドフレックス」をリリースしました。これは当時、消費者向け脳波計測機器としては圧倒的な売上を記録しました。[180] [182]
  • 2009年、アンクル・ミルトン・インダストリーズはニューロスカイと提携し、フォースを所有しているという幻想を作り出すゲーム「スター・ウォーズ ・フォース・トレーナー」をリリースした。[180] [183]
  • 2009年、Emotiv社は14チャンネルの脳波計「EPOC」を発売しました。この機器は4つの精神状態、13の意識状態、表情、頭部の動きを読み取ることができます。EPOCは、生理食塩水で湿らせることで接続性を高めることができるドライセンサー技術を採用した初の商用BCIです。[184]
  • 2011年11月、タイム誌はニューロウェア社が製造した「ネコミミ」をその年の最高の発明品の一つに選出した。[185]
  • 2014年2月、They Shall Walk（下半身麻痺患者と四肢麻痺患者のためのライフスーツと呼ばれる外骨格の構築に取り組んでいる非営利団体）は、ジェームズ・W・シャカルジと提携してワイヤレスBCIの開発を開始しました。[186]
  • 2016年、ある愛好家グループが、スマートフォンのオーディオジャックに神経信号を送るオープンソースのBCIボードを開発し、エントリーレベルのBCIの価格を20ポンドにまで引き下げました。[187] Androidデバイス用の基本的な診断ソフトウェアと、Unity用のテキスト入力アプリが利用可能です。[188]
  • 2020年、NextMindはドライ電極付きEEGヘッドセットを含む開発キットを399ドルでリリースした。[189] [190]このデバイスは様々なビジュアルBCIデモアプリケーションを実行でき、開発者は独自のアプリケーションを開発することもできる。同社はその後、 2022年にSnap Inc.に買収された。[191]
  • 2023年、PiEEGはシングルボードコンピュータRaspberry Piを脳コンピュータインターフェースに変換できるシールドを350ドルでリリースしました。[192]
  • 2025年、CerelogはESP32マイクロコントローラをベースにしたオープンソースの8チャンネルBCIボードであるESP-EEGをリリースしました。[193]発売価格は299ドルで、OpenBCI Cytonで使用されているものと同じADS1299 24ビットADCを搭載し、研究グレードのバイオセンシングを低コストで提供します。 [194] [193]このデバイスは、BrainFlowやLab Streaming Layer（LSL）などの標準プラットフォームをサポートし、OpenBCI GUIの修正版と互換性があります。[195] [196]

今後の方向性

脳コンピューターインターフェース

12の欧州パートナーからなるコンソーシアムは、欧州委員会によるホライズン2020フレームワークプログラムへの資金提供決定を支援するためのロードマップを完成させました。このプロジェクトは欧州委員会の資金提供を受け、2013年11月に開始され、2015年4月にロードマップを公開しました。 [197] 2015年の出版物では、このプロジェクトとブレイン・コンピュータ・インターフェース協会について解説されています。[198]この出版物では、このプロジェクトにおけるBCIとその応用のさらなる定義、最近の動向の調査、倫理的問題の議論、そして新しいBCIの方向性の評価に関する研究がレビューされています。[要出典]

他の最近の出版物でも、新たな障害を持つユーザーグループに向けたBCIの将来的な方向性が検討されている。[7] [199]

意識障害（DOC）

意識障害（DOC）の患者がいます。この状態には、昏睡状態、植物状態（VS）、あるいは最小意識状態（MCS）の患者が含まれます。BCI研究は、DOCへの対処を目指しています。最初の重要な目標は、基本的な認知課題を遂行できる患者を特定することです。これにより、診断結果が変わり、重要な意思決定（治療を受けるかどうか、どこに住むか、終末期の意思決定についてどのように考えるかなど）が可能になります。誤診された患者は、他者による終末期の意思決定の結果として死亡する可能性があります。BCIを用いてそのような患者とコミュニケーションをとるという可能性は、非常に魅力的です。[200] [201]

このような患者の多くは、視覚に基づくBCIを使用することができません。そのため、ツールは聴覚刺激や振動触覚刺激に頼る必要があります。患者はヘッドフォンを装着したり、反応する部位に振動触覚刺激装置を装着したりします。もう一つの課題は、患者がコミュニケーションをとる間隔が予測できない可能性があることです。家庭用デバイスは、患者が準備ができたらコミュニケーションを可能にします。[要出典]

自動化ツールは、「お父様の名前はジョージですか？」や「アメリカで生まれましたか？」など、患者が簡単に答えられる質問をすることができます。自動指示は、例えば右手首と左手首の刺激に注意を集中させるなど、患者に「はい」または「いいえ」を伝える方法を指示します。この集中的な注意は、脳波パターンに確実な変化をもたらし、患者がコミュニケーション能力があるかどうかを判断するのに役立ちます。[202] [203] [204]

運動回復

脳卒中や外傷など、様々な原因で、人は運動能力の一部を失うことがあります。近年の研究では、脳卒中患者の運動回復と神経リハビリテーションを支援する上で、EEGベースのBCIシステムの有用性が実証されています。[205] [206] [207] [208]いくつかのグループが、BCIを含む運動回復のためのシステムと方法を研究してきました。[209] [210] [211] [212]このアプローチでは、患者がセラピストの指示に従って動作を想像したり試みたりしている間、BCIが運動活動を測定します。BCIには2つの利点があります。(1) BCIが患者が動作を正しく想像していない（非順守）ことを示した場合、BCIは患者とセラピストに通知することができます。(2) 機能刺激や仮想アバターの動きなどの報酬フィードバックも、患者の正しい動作イメージに依存します。[要出典]

これまで、運動回復のためのBCIは、患者の運動イメージを測定するためにEEGに依存してきました。しかし、研究では、BCIベースの脳卒中リハビリ訓練を受けている人の脳のさまざまな変化を研究するためにfMRIも使用されました。[213] [214] [215] EEGベースのBCIシステムと組み合わせた画像研究は、脳卒中後の運動回復中の神経可塑性を調査する上で有望です。[215]将来のシステムには、fMRIと、おそらくEEGと並行して機能的近赤外線などのリアルタイム制御のための他の手段が含まれる可能性があります。非侵襲性脳刺激も、運動回復のためのBCIと組み合わせて研究されています。[216] 2016年に、メルボルン大学の科学者は、麻痺患者向けに開発されている潜在的な脳コンピューターインターフェース技術プラットフォームに関連する前臨床概念実証データを発表しました。このプラットフォームは、脳活動を翻訳することで、ロボット肢、コンピューター、外骨格などの外部デバイスの制御を容易にします。[217] [218] [219]

機能的脳マッピング

2014年には、約40万人が脳神経外科手術中に脳マッピングを受けました。この処置は、薬物療法が効かない患者にしばしば必要とされます。[220]この処置では、脳に電極を取り付け、構造や機能領域の位置を正確に特定します。患者は脳神経外科手術中に意識があり、指を動かしたり、言葉を復唱したりするなどの動作を指示される場合があります。これは、外科医が他の領域を温存し​​ながら目的の組織を切除するために必要です。脳組織を過剰に切除すると永久的な損傷を引き起こす可能性があり、逆に切除量が少なすぎると追加の脳神経外科手術が必要になる場合があります。[要出典]

研究者らは、脳神経外科マッピングの改善方法を模索した。この研究は主に、非侵襲的に検出することが難しい高ガンマ線放射能に焦点を当てている。その結果、主要な機能領域を特定する方法が改善された。[221]

フレキシブルデバイス

フレキシブルエレクトロニクスは、ポリマーやその他の柔軟な材料（例えば、シルク[222] 、 ペンタセン[223] 、PDMS、パリレン、ポリイミド[224]）に回路が印刷されたものであり、その柔軟性により電子機器を曲げることができる。これらのデバイスの製造に使用される製造技術は、集積回路や微小電気機械システム（MEMS）の製造に使用される技術に類似している。[要出典]

柔軟な神経インターフェースは、電極と組織間の機械的な不適合に関連する脳組織の損傷を最小限に抑える可能性があります。[224]

ニューラルダスト

ニューラルダストは、2011年にカリフォルニア大学バークレー校無線研究センターの論文で提案された、無線駆動神経センサーとして動作するミリメートルサイズのデバイスです。 [225] [226]あるモデルでは、局所的な電場電位と活動電位の「スパイク」を区別することができ、従来の技術と比較して大幅に多様なデータを提供します。[225]

参照

注記

  1. ^ これらの電極は、BCIを開発する目的で患者に埋め込まれたものではありません。患者は重度のてんかんを患っており、これらの電極は医師が発作焦点を特定するために一時的に埋め込まれたものであり、BCI研究者は単にこの状況を利用したに過ぎません。[100]

参考文献

  1. ^ ab Krucoff MO, Rahimpour S, Slutzky MW, Edgerton VR, Turner DA (2016). 「神経生物学的製剤、神経インターフェーストレーニング、神経リハビリテーションによる神経系回復の促進」. Frontiers in Neuroscience . 10 : 584. doi : 10.3389/fnins.2016.00584 . PMC  5186786. PMID  28082858 .
  2. ^ ab Martini, Michael L.; Oermann, Eric Karl; Opie, Nicholas L.; Panov, Fedor; Oxley, Thomas; Yaeger, Kurt (2020年2月). 「脳コンピュータインターフェース技術のためのセンサーモダリティ：包括的な文献レビュー」 . Neurosurgery . 86 (2): E108 – E117 . doi :10.1093/neuros/nyz286. ISSN  0148-396X. PMID  31361011.
  3. ^ ab Vidal JJ (1973). 「脳とコンピュータの直接的なコミュニケーションに向けて」. Annual Review of Biophysics and Bioengineering . 2 (1): 157– 180. doi : 10.1146/annurev.bb.02.060173.001105 . PMID  4583653.
  4. ^ ab Vidal J (1977). 「EEGにおける脳活動のリアルタイム検出」. Proceedings of the IEEE . 65 (5): 633– 641. Bibcode :1977IEEEP..65..633V. doi :10.1109/PROC.1977.10542. S2CID  7928242.
  5. ^ Levine SP, Huggins JE, BeMent SL, Kushwaha RK, Schuh LA, Rohde MM, 他 (2000年6月). 「事象関連電位に基づく直接脳インターフェース」. IEEE Transactions on Rehabilitation Engineering . 8 (2): 180– 185. Bibcode :2000ITRE....8..180L. doi :10.1109/86.847809. PMID  10896180.
  6. ^ Straebel V , Thoben W (2014). 「アルヴィン・ルシエのソロ演奏者のための音楽：ソニフィケーションを超えた実験音楽」Organised Sound . 19 (1): 17– 29. doi :10.1017/S135577181300037X. S2CID  62506825.
  7. ^ ab Wolpaw, JRとWolpaw, EW (2012). 「脳コンピュータインターフェース：太陽の下での新しいもの」. 『脳コンピュータインターフェース：原理と実践』 Wolpaw, JRとWolpaw（編）, EW Oxford University Press.
  8. ^ Wolpaw JR, Birbaumer N, McFarland DJ, Pfurtscheller G, Vaughan TM (2002年6月). 「コミュニケーションと制御のための脳コンピュータインターフェース」.臨床神経生理学. 113 (6): 767– 791. doi :10.1016/s1388-2457(02)00057-3. PMID  12048038. S2CID  17571592.
  9. ^ Allison BZ, Wolpaw EW, Wolpaw JR (2007年7月). 「脳コンピュータインターフェースシステム：進歩と展望」. Expert Review of Medical Devices . 4 (4): 463– 474. doi :10.1586/17434440.4.4.463. PMID  17605682. S2CID  4690450.
  10. ^ ab Bozinovski S, Bozinovska L (2019). 「ヨーロッパにおけるブレイン・コンピュータ・インターフェース：30周年」. Automatika . 60 (1): 36– 47. doi : 10.1080/00051144.2019.1570644 .
  11. ^ Vidal, Jacques J. (1977). 「EEGにおける脳活動のリアルタイム検出」(PDF) . Proceedings of the IEEE . 65 (5): 633– 641. Bibcode :1977IEEEP..65..633V. doi :10.1109/PROC.1977.10542. S2CID 7928242. 2015年7月19日時点の オリジナル(PDF)からアーカイブ。 2022年11月4日閲覧。
  12. ^ S. Bozinovski, M. Sestakov, L. Bozinovska: EEGアルファリズムを用いた移動ロボットの制御、G. Harris, C. Walker (編) Proc. IEEE Annual Conference of Medical and Biological Society、p. 1515-1516、ニューオーリンズ、1988
  13. ^ S. Bozinovski: 移動ロボットの軌道制御: 固定レールから生体電気による直接制御へ、O. Kaynak (編) Proc. IEEE Workshop on Intelligent Motion Control、p. 63-67、イスタンブール、1990
  14. ^ M. Lebedev: 神経補綴による感覚運動機能の増強. Opera Medica and Physiologica. 第2巻(3): 211-227, 2016
  15. ^ M. Lebedev, M. Nicolelis: 脳-機械インターフェース：基礎科学から神経補綴物および神経リハビリテーションまで、生理学レビュー97:737-867、2017
  16. ^ L. Bozinovska、G. Stojanov、M. Sestakov、S. Bozinovski：「CNVパターン認識：認知波動観測への第一歩」、L. Torres、E. Masgrau、E. Lagunas（編）「信号処理V：理論と応用」、EUSIPCO-90：第5回ヨーロッパ信号処理会議、Elsevier、p. 1659-1662、バルセロナ、1990年
  17. ^ L. Bozinovska, S. Bozinovski, G. Stojanov, Electroexpectogram: experimental design and algorithms, In Proc IEEE International Biomedical Engineering Days, p. 55-60, Istanbul, 1992
  18. ^ Miranda RA, Casebeer WD, Hein AM, Judy JW, Krotkov EP, Laabs TL, et al. (2015年4月). 「DARPA資金による新規脳コンピューターインターフェース技術開発への取り組み」Journal of Neuroscience Methods 244 : 52– 67. doi : 10.1016/j.jneumeth.2014.07.019 . PMID  25107852. S2CID  14678623.
  19. ^ Jacobs M, Premji A, Nelson AJ (2012年5月16日). 「手の機能における体性感覚制御を調査するための可塑性誘導TMSプロトコル」. Neural Plasticity . 2012 350574. doi : 10.1155/2012/350574 . PMC 3362131. PMID  22666612 . 
  20. ^ Fox, Maggie (2016年10月13日). 「脳チップが麻痺した男性の指の感覚を助ける」NBCニュース. 2021年3月23日閲覧。
  21. ^ ハットメーカー、テイラー（2017年7月10日）「DARPA、完璧な超小型双方向脳コンピューターインターフェースの開発に6500万ドルを授与」テッククランチ。 2021年3月23日閲覧。
  22. ^ ステイシー、ケビン（2017年7月10日）「ブラウン大学、次世代脳コンピューターインターフェース開発に最大1900万ドルを受領」ブラウン大学. 2021年3月23日閲覧。
  23. ^ 「低侵襲性『ステントロード』、脳神経インターフェースとしての可能性を示唆」国防高等研究計画局（DARPA） 2016年2月8日。 2021年3月23日閲覧。
  24. ^ 「人工内耳」.国立聴覚・コミュニケーション障害研究所. 2016年2月. 2024年4月1日閲覧。
  25. ^ ミゲル・ニコレリス他 (2001) デューク大学の神経生物学者が、サルが脳信号を介してロボットアームを制御できるシステムを開発した。2008年12月19日アーカイブ、Wayback Machineにて
  26. ^ Baum M (2008年9月6日). 「サルが脳力を使ってロボットアームで自給自足」Pitt Chronicle. 2009年9月10日時点のオリジナルよりアーカイブ。 2009年7月6日閲覧。
  27. ^ ショーン・M・パーキンス; マイケル・トランプス; マイケル・E・ライトマン; ベアタ・ヤロシエヴィッツ; アーシシュ・N・パテル; アダム・ワイス; ジェイコブ・W・スコット; カーティス・ニシムラ; マシュー・R・アングル; シャオユウ・チャオ; ヴィカシュ・ギルジャ (2025). 「SONIC：ブレイン・コンピュータ・インターフェースのベンチマークパラダイム」doi :10.1101/2025.09.30.679683.
  28. ^ Lewis T (2020年11月). 「イーロン・マスクの豚脳インプラントは『麻痺の解決』にはまだ遠い」. Scientific American . 2021年3月23日閲覧。
  29. ^ Shead S (2021年2月). 「イーロン・マスク氏、自身のスタートアップ企業Neuralinkが脳を使ってビデオゲームをプレイするサルを開発したと語る」CNBC . 2021年3月23日閲覧。
  30. ^ フェッツEE (1969年2月)。 「皮質単位活動のオペラント条件付け」。科学。163 (3870): 955–958。書誌コード:1969Sci...163..955F。土井：10.1126/science.163.3870.955。PMID  4974291。S2CID 45427819  。
  31. ^ Schmidt EM, McIntosh JS, Durelli L, Bak MJ (1978年9月). 「オペラント条件付けされた皮質ニューロンの発火パターンの微細制御」.実験神経学. 61 (2): 349– 369. doi :10.1016/0014-4886(78)90252-2. PMID  101388. S2CID  37539476.
  32. ^ Georgopoulos AP, Lurito JT, Petrides M, Schwartz AB, Massey JT (1989年1月). 「神経細胞集団ベクトルの心的回転」. Science . 243 (4888): 234– 236. Bibcode :1989Sci...243..234G. doi :10.1126/science.2911737. PMID :  2911737. S2CID  : 37161168.
  33. ^ Stanley GB, Li FF, Dan Y (1999年9月). 「外側膝状体核におけるアンサンブル応答からの自然シーンの再構成」. The Journal of Neuroscience . 19 (18): 8036– 8042. doi :10.1523/JNEUROSCI.19-18-08036.1999. PMC 6782475. PMID 10479703  . 
  34. ^ Wessberg J, Stambaugh CR, Kralik JD, Beck PD, Laubach M, Chapin JK, 他 (2000年11月). 「霊長類における皮質ニューロン集団による手の軌道のリアルタイム予測」. Nature . 408 (6810): 361– 365. Bibcode :2000Natur.408..361W. doi :10.1038/35042582. PMID  11099043. S2CID  795720.
  35. ^ ab Carmena JM, Lebedev MA, Crist RE, O'Doherty JE, Santucci DM, Dimitrov DF, et al. (2003年11月). 「霊長類による到達と把持のための脳-機械インターフェース制御の学習」. PLOS Biology . 1 (2) E42. doi : 10.1371/journal.pbio.0000042 . PMC 261882. PMID  14624244 . 
  36. ^ ab Lebedev MA, Carmena JM, O'Doherty JE, Zacksenhouse M, Henriquez CS, Principe JC, Nicolelis MA (2005年5月). 「脳-機械インターフェースによって制御される人工アクチュエータの速度を表現するための皮質アンサンブル適応」. The Journal of Neuroscience . 25 (19): 4681– 4693. doi :10.1523/JNEUROSCI.4088-04.2005. PMC 6724781. PMID 15888644  . 
  37. ^ O'Doherty JE, Lebedev MA, Ifft PJ, Zhuang KZ, Shokur S, Bleuler H, Nicolelis MA (2011年10月). 「脳・機械・脳インターフェースを用いた能動的な触覚探査」. Nature . 479 (7372): 228– 231. Bibcode :2011Natur.479..228O. doi :10.1038/nature10489. PMC 3236080. PMID  21976021 . 
  38. ^ Serruya MD, Hatsopoulos NG , Paninski L, Fellows MR, Donoghue JP (2002年3月). 「運動信号の即時的な神経制御」. Nature 416 (6877): 141– 142. Bibcode :2002Natur.416..141S. doi :10.1038/416141a. PMID  11894084. S2CID  4383116.
  39. ^ Taylor DM, Tillery SI, Schwartz AB (2002年6月). 「3D神経補綴デバイスの皮質直接制御」. Science . 296 (5574): 1829– 1832. Bibcode :2002Sci...296.1829T. CiteSeerX 10.1.1.1027.4335 . doi :10.1126/science.1070291. PMID  12052948. S2CID  9402759. 
  40. ^ Pitt team to build on brain-controlled arm Archived 4 July 2007 at the Wayback Machine、Pittsburgh Tribune Review、2006年9月5日。
  41. ^ YouTubeの動画
  42. ^ Velliste M, Perel S, Spalding MC, Whitford AS, Schwartz AB (2008年6月). 「自己給餌のための義手における皮質制御」. Nature . 453 (7198): 1098–1101 . Bibcode :2008Natur.453.1098V. doi :10.1038/nature06996. PMID :  18509337. S2CID:  4404323.
  43. ^ Musallam S, Corneil BD, Greger B, Scherberger H, Andersen RA (2004年7月). 「神経補綴のための認知制御信号」. Science . 305 (5681): 258– 262. Bibcode :2004Sci...305..258M. doi : 10.1126/science.1097938 . PMID  15247483. S2CID  3112034.
  44. ^ Santucci DM, Kralik JD, Lebedev MA, Nicolelis MA (2005年9月). 「前頭葉および頭頂葉皮質アンサンブルは霊長類の到達運動における単一試行の筋活動を予測する」.ヨーロッパ神経科学ジャーナル. 22 (6): 1529– 1540. doi :10.1111/j.1460-9568.2005.04320.x. PMID  16190906. S2CID  31277881.
  45. ^ Anumanchipalli GK, Chartier J, Chang EF (2019年4月). 「音声文のニューラルデコーディングによる音声合成」. Nature . 568 (7753): 493– 498. Bibcode :2019Natur.568..493A. doi :10.1038/s41586-019-1119-1. PMC 9714519. PMID  31019317. S2CID 129946122  . 
  46. ^ Pandarinath C, Ali YH (2019年4月). 「Brain implants that let you speak your mind（自分の考えを話せる脳インプラント）」Nature 568 ( 7753): 466– 467. Bibcode :2019Natur.568..466P. doi : 10.1038/d41586-019-01181-y . PMID  31019323.
  47. ^ Moses DA, Metzger SL, Liu JR, Anumanchipalli GK, Makin JG, Sun PF, et al. (2021年7月). 「構音障害を伴う麻痺患者の音声解読のための神経プロテーゼ」. The New England Journal of Medicine . 385 (3): 217– 227. doi :10.1056/NEJMoa2027540. PMC 8972947. PMID 34260835.  S2CID 235907121  . 
  48. ^ ベラック、パム（2021年7月14日）「脳に働きかけ、麻痺した男性の発話を助ける」ニューヨーク・タイムズ。
  49. ^ 「BCI研究におけるBCI2000の使用」国立適応神経技術センター。 2023年12月5日閲覧。
  50. ^ Huber D, Petreanu L, Ghitani N, Ranade S, Hromádka T, Mainen Z, Svoboda K (2008年1月). 「バレル皮質におけるスパース光微小刺激は、自由に移動するマウスの学習行動を促進する」. Nature . 451 (7174): 61– 64. Bibcode :2008Natur.451...61H. doi :10.1038/nature06445. PMC 3425380. PMID 18094685  . 
  51. ^ Nicolelis MA, Lebedev MA (2009年7月). 「脳-機械インターフェースの動作を支える神経集団生理学の原理」. Nature Reviews. Neuroscience . 10 (7): 530– 540. doi :10.1038/nrn2653. PMID  19543222. S2CID  9290258.
  52. ^ ab Zander TO, Kothe C (2011年4月). 「受動的な脳コンピュータインターフェースに向けて：脳コンピュータインターフェース技術のヒューマンマシンシステム全般への適用」. Journal of Neural Engineering . 8 (2) 025005. Bibcode :2011JNEng...8b5005Z. doi :10.1088/1741-2560/8/2/025005. PMID  21436512. S2CID  37168897.
  53. ^ Richardson AG, Ghenbot Y, Liu X, Hao H, Rinehart C, DeLuccia S, 他 (2019年8月). 「感覚脳マシンインターフェースを用いた能動的なセンシング戦略の学習」. Proceedings of the National Academy of Sciences of the United States of America . 116 (35): 17509– 17514. Bibcode :2019PNAS..11617509R. doi : 10.1073/pnas.1909953116 . PMC 6717311. PMID  31409713 . 
  54. ^ Abdulkader SN, Atia A, Mostafa MS (2015年7月). 「脳コンピュータインターフェース：応用と課題」. Egyptian Informatics Journal . 16 (2): 213– 230. doi : 10.1016/j.eij.2015.06.002 . ISSN  1110-8665.
  55. ^ Polikov VS, Tresco PA, Reichert WM (2005年10月). 「慢性的に埋め込まれた神経電極に対する脳組織の反応」. Journal of Neuroscience Methods . 148 (1): 1– 18. doi :10.1016/j.jneumeth.2005.08.015. PMID  16198003. S2CID  11248506.
  56. ^ 「ビジョンクエスト」Wired（2002年9月）。
  57. ^ Kotler S. 「Vision Quest」. Wired . ISSN  1059-1028 . 2021年11月10日閲覧。
  58. ^ Tuller D (2004年11月1日). 「人工視覚のパイオニア、ウィリアム・ドーベル博士が62歳で死去」ニューヨーク・タイムズ.
  59. ^ Naumann J (2012). 『楽園を探して：人工視覚実験の患者の体験記』 Xlibris. ISBN 978-1-4797-0920-5。
  60. ^ nurun.com (2012年11月28日). 「ジェン・ナウマン氏のハイテクパラダイスは失われた」. thewhig . Thewhig.com . 2016年12月19日閲覧。
  61. ^ Kennedy PR, Bakay RA (1998年6月). 「脳への直接接続による麻痺患者の神経出力の回復」NeuroReport . 9 (8): 1707– 1711. doi :10.1097/00001756-199806010-00007. PMID  9665587. S2CID  5681602.
  62. ^ Hochberg LR, Serruya MD, Friehs GM, Mukand JA, Saleh M, Caplan AH, et al. (2006年7月). 「四肢麻痺患者による義肢のニューロン集団制御」.​​ Nature . 442 (7099). Gerhard M. Friehs, Jon A. Mukand, Maryam Saleh, Abraham H. Caplan, Almut Branner, David Chen, Richard D. Penn, John P. Donoghue: 164– 171. Bibcode :2006Natur.442..164H. doi :10.1038/nature04970. PMID  16838014. S2CID  4347367.
  63. ^ Martins Iduwe. 「Brain Computer Interface」. Academia.edu . 2023年12月5日閲覧。
  64. ^ Hochberg LR, Bacher D, Jarosiewicz B, Masse NY, Simeral JD, Vogel J, 他 (2012年5月). 「神経制御型ロボットアームを用いた四肢麻痺患者の手の伸ばし方と掴み方」Nature 485 ( 7398 ): 372– 375. Bibcode :2012Natur.485..372H. doi :10.1038/nature11076. PMC 3640850. PMID  22596161 . 
  65. ^ Collinger JL, Wodlinger B, Downey JE, Wang W, Tyler-Kabara EC, Weber DJ, et al. (2013年2月). 「四肢麻痺患者による高性能神経補綴装置による制御」. Lancet . 381 (9866): 557– 564. doi :10.1016/S0140-6736(12)61816-9. PMC 3641862. PMID  23253623 . 
  66. ^ Willett FR, Avansino DT, Hochberg LR, Henderson JM, Shenoy KV (2021年5月). 「手書きによる高性能な脳内テキストコミュニケーション」. Nature . 593 (7858): 249– 254. Bibcode :2021Natur.593..249W. doi :10.1038/s41586-021-03506-2. PMC 8163299. PMID 33981047  . 
  67. ^ Willett FR (2021). 「高性能手書きBCI」. Guger C, Allison BZ, Gunduz A (編).脳コンピュータインターフェース研究：最先端技術概要 10 . SpringerBriefs in Electrical and Computer Engineering. 出版社: Springer International Publishing. pp.  105– 109. doi :10.1007/978-3-030-79287-9_11. ISBN 978-3-030-79287-9. S2CID  239736609。
  68. ^ Moses, David A.; Metzger, Sean L.; Liu, Jessie R.; Anumanchipalli, Gopala K.; Makin, Joseph G.; Sun, Pengfei F.; Chartier, Josh; Dougherty, Maximilian E.; Liu, Patricia M.; Abrams, Gary M.; Tu-Chan, Adelyn; Ganguly, Karunesh; Chang, Edward F. (2021年7月14日). 「構音障害を伴う麻痺患者の音声解読のための神経プロテーゼ」. New England Journal of Medicine . 385 (3): 217– 227. doi :10.1056/NEJMoa2027540. ISSN  0028-4793. PMC 8972947. PMID 34260835  . 
  69. ^ マイセリ、バラカ;アブダラ、アブディ T.マサウェ、リベ V.ムビセ、慈悲。ムコチャ、ハディジャ。ナッサー、ナッサーの同盟者。イスマイル、モーセ。マイケル、ジェームス。キマンボ、サムウェル（2023年8月4日）。 「脳とコンピューターのインターフェース: 傾向、課題、脅威」。脳情報学。10 (1): 20.土井: 10.1186/s40708-023-00199-3。ISSN  2198-4026。PMC 10403483。PMID  37540385。 
  70. ^ マツコ、アモス（2024年8月21日）「バイリンガル音声神経補綴」サイエンスロボティクス誌、9 (93) eads4122. doi :10.1126/scirobotics.ads4122. PMID  39167669.
  71. ^ Silva, Alexander B.; Liu, Jessie R.; Metzger, Sean L.; Bhaya-Grossman, Ilina; Dougherty, Maximilian E.; Seaton, Margaret P.; Littlejohn, Kaylo T.; Tu-Chan, Adelyn; Ganguly, Karunesh; Moses, David A.; Chang, Edward F. (2024年8月). 「言語間で共有される皮質調音表現によって駆動されるバイリンガル音声神経補綴装置」. Nature Biomedical Engineering . 8 (8): 977– 991. doi :10.1038/s41551-024-01207-5. ISSN  2157-846X. PMC 11554235. PMID 38769157  . 
  72. ^ 「バイリンガルAI脳インプラントが脳卒中患者にスペイン語と英語でのコミュニケーションを支援」NBCニュース、2024年5月28日。 2025年6月23日閲覧。
  73. ^ Pandarinath C, Bensmaia SJ (2021年9月). 「感作脳制御バイオニックハンドを支える科学と工学」.生理学レビュー. 102 (2): 551– 604. doi :10.1152/physrev.00034.2020. PMC 8742729. PMID 34541898.  S2CID 237574228  . 
  74. ^ Willett, Francis R.; Kunz, Erin M.; Fan, Chaofei; Avansino, Donald T.; Wilson, Guy H.; Choi, Eun Young; Kamdar, Foram; Glasser, Matthew F.; Hochberg, Leigh R.; Druckmann, Shaul; Shenoy, Krishna V.; Henderson, Jaimie M. (2023年8月23日). 「高性能音声神経補綴装置」. Nature . 620 (7976): 1031– 1036. Bibcode :2023Natur.620.1031W. doi :10.1038/s41586-023-06377-x. ISSN  1476-4687. PMC 10468393. PMID  37612500 . 
  75. ^ Metzger, Sean L.; Littlejohn, Kaylo T.; Silva, Alexander B.; Moses, David A.; Seaton, Margaret P.; Wang, Ran; Dougherty, Maximilian E.; Liu, Jessie R.; Wu, Peter; Berger, Michael A.; Zhuravleva, Inga; Tu-Chan, Adelyn; Ganguly, Karunesh; Anumanchipalli, Gopala K.; Chang, Edward F. (2023年8月23日). 「音声デコードとアバター制御のための高性能神経補綴装置」. Nature . 620 (7976): 1037– 1046. Bibcode :2023Natur.620.1037M. doi :10.1038/s41586-023-06443-4. ISSN  1476-4687. PMC 10826467. PMID 37612505.  S2CID 261098775  . 
  76. ^ Naddaf, Miryam (2023年8月23日). 「脳読み取りデバイスにより、麻痺患者が思考を使って会話できるようになる」 . Nature . 620 (7976): 930– 931. Bibcode :2023Natur.620..930N. doi :10.1038/d41586-023-02682-7. PMID:  37612493. S2CID  : 261099321.
  77. ^ Zhang M, Tang Z, Liu X, Van der Spiegel J (2020年4月). 「電子神経インターフェース」. Nature Electronics . 3 (4): 191– 200. doi :10.1038/s41928-020-0390-3. ISSN  2520-1131. S2CID  216508360.
  78. ^ Hodgkin AL, Huxley AF (1952年8月). 「膜電流の定量的記述と神経伝導・興奮への応用」. The Journal of Physiology . 117 (4): 500– 544. doi :10.1113/jphysiol.1952.sp004764. PMC 1392413. PMID  12991237 . 
  79. ^ ab Obien ME, Deligkaris K, Bullmann T, Bakkum DJ, Frey U (2015). 「微小電極アレイ記録による神経機能の解明」. Frontiers in Neuroscience . 8 : 423. doi : 10.3389/fnins.2014.00423 . PMC 4285113. PMID  25610364 . 
  80. ^ ab Harrison RR (2008年7月). 「脳活動を観察するための集積回路の設計」. Proceedings of the IEEE . 96 (7): 1203– 1216. doi :10.1109/JPROC.2008.922581. ISSN  1558-2256. S2CID  7020369.
  81. ^ Haci D, Liu Y, Ghoreishizadeh SS, Constandinou TG (2020年2月). 「能動型埋め込み型医療機器における電力管理に関する重要な考慮事項」. 2020 IEEE 第11回ラテンアメリカ回路・システムシンポジウム (LASCAS) . pp.  1– 4. doi :10.1109/LASCAS45839.2020.9069004. ISBN 978-1-7281-3427-7. S2CID  215817530。
  82. ^ Downey JE, Schwed N, Chase SM, Schwartz AB, Collinger JL (2018年8月). 「ヒト脳コンピュータインターフェースユーザーにおける皮質内記録の安定性」. Journal of Neural Engineering . 15 (4): 046016. Bibcode :2018JNEng..15d6016D. doi :10.1088/1741-2552/aab7a0. PMID  29553484. S2CID  3961913.
  83. ^ Szostak KM, Grand L, Constandinou TG (2017). 「皮質内記録のための神経インターフェース：要件、製造方法、および特性」. Frontiers in Neuroscience . 11, 665. doi : 10.3389/fnins.2017.00665 . PMC 5725438. PMID  29270103 . 
  84. ^ ab Saxena T, Karumbaiah L, Gaupp EA, Patkar R, Patil K, Betancur M, et al. (2013年7月). 「慢性血液脳関門破綻による皮質内電極機能への影響」. Biomaterials . 34 (20): 4703– 4713. doi :10.1016/j.biomaterials.2013.03.007. PMID  23562053.
  85. ^ Nolta NF, Christensen MB, Crane PD, Skousen JL, Tresco PA (2015年6月1日). 「BBB漏出、アストログリオーシス、および組織損失はシリコン微小電極アレイの記録性能と相関する」. Biomaterials . 53 : 753–762 . doi :10.1016/j.biomaterials.2015.02.081. PMID  25890770.
  86. ^ Robinson JT, Pohlmeyer E, Gather MC, Kemere C, Kitching JE, Malliaras GG他 (2019年11月). 「次世代脳センシング技術の開発 - レビュー」. IEEE Sensors Journal . 19 (22): 10163– 10175. doi :10.1109/JSEN.2019.2931159. PMC 7047830. PMID 32116472  . 
  87. ^ Luan L, Wei X, Zhao Z, Siegel JJ, Potnis O, Tuppen CA, et al. (2017年2月). 「超柔軟ナノ電子プローブがグリア瘢痕のない信頼性の高い神経統合を実現」. Science Advances . 3 (2) e1601966. Bibcode :2017SciA....3E1966L. doi :10.1126/sciadv.1601966. PMC 5310823. PMID 28246640  . 
  88. ^ Frank JA, Antonini MJ, Anikeeva P (2019年9月). 「神経機能研究のための次世代インターフェース」. Nature Biotechnology . 37 (9): 1013– 1023. doi :10.1038/s41587-019-0198-8. PMC 7243676. PMID  31406326 . 
  89. ^ ab Hong G, Viveros RD, Zwang TJ, Yang X, Lieber CM (2018年7月). 「脳の理解と制御のための組織様神経プローブ」.生化学. 57 (27): 3995– 4004. doi :10.1021/acs.biochem.8b00122. PMC 6039269. PMID 29529359  . 
  90. ^ Viveros RD, Zhou T, Hong G, Fu TM, Lin HG, Lieber CM (2019年6月). 「注入可能なエレクトロニクスのための高度な1次元および2次元メッシュ設計」. Nano Letters . 19 (6): 4180– 4187. Bibcode :2019NanoL..19.4180V. doi :10.1021/acs.nanolett.9b01727. PMC 6565464. PMID  31075202 . 
  91. ^ Gulati T, Won SJ, Ramanathan DS, Wong CC, Bodepudi A, Swanson RA, Ganguly K (2015年6月). 「脳卒中病変周囲皮質からの堅牢な神経補綴制御」. The Journal of Neuroscience . 35 (22): 8653– 8661. doi :10.1523/JNEUROSCI.5007-14.2015. PMC 6605327. PMID 26041930  . 
  92. ^ Soldozy S, Young S, Kumar JS, Capek S, Felbaum DR, Jean WC, et al. (2020年7月). 「血管内ステント電極アレイの系統的レビュー：脳・機械インターフェースへの低侵襲アプローチ」Neurosurgical Focus . 49 (1): E3. doi : 10.3171/2020.4.FOCUS20186 . PMID  32610291. S2CID  220308983.
  93. ^ ab Opie N (2021). 「StentrodeTM ニューラル・インターフェース・システム」 Guger C, Allison BZ, Tangermann M (編).脳コンピュータ・インターフェース研究. SpringerBriefs in Electrical and Computer Engineering. 出版社: Springer International Publishing. pp.  127– 132. doi :10.1007/978-3-030-60460-8_13. ISBN 978-3-030-60460-8. S2CID  234102889。
  94. ^ Teleb MS, Cziep ME, Lazzaro MA, Gheith A, Asif K, Remler B, Zaidat OO (2014年5月). 「特発性頭蓋内圧亢進症：横洞ステント留置術の系統的解析」. Interventional Neurology . 2 (3): 132– 143. doi :10.1159/000357503. PMC 4080637. PMID 24999351  . 
  95. ^ Bryson S (2020年11月5日). 「ステントロード装置により、上肢部分麻痺のALS患者がコンピューター制御を可能に」ALS News Today .
  96. ^ Lanese, Nicoletta (2023年1月12日). 「新型『思考制御』デバイスが頸静脈を通して脳活動を読み取る」livescience.com . 2023年2月16日時点のオリジナルよりアーカイブ。 2023年2月16日閲覧。
  97. ^ ミッチェル、ピーター; リー、サラ CM; ヨー、ピーター E.; モロコフ、アンドリュー; シャルマ、ラフル P.; ウィリアムズ、ダリル L.; マックアイザック、クリストファー; ハワード、マーク E.; アーヴィング、ルー; ヴルリッチ、イヴァン; ウィリアムズ、キャメロン; ブッシュ、スティーブン; バラバンスキー、アンナ H.; ドラモンド、キャサリン J.; デズモンド、パトリシア; ウェーバー、ダグラス; デニソン、ティモシー; マザーズ、スーザン; オブライエン、テレンス J.; モッコ、J.; グレイデン、デビッド B.; リーベスキンド、デビッド S.; オピー、ニコラス L.; オックスリー、トーマス J.; キャンベル、ブルース CV (2023年1月9日). 「重度麻痺患者4名に対する完全埋め込み型血管内脳コンピュータインターフェースの安全性評価：思考制御デジタルスイッチ付きステントロード（SWITCH）試験」JAMA Neurology . 80 (3): 270– 278. doi :10.1001/jamaneurol.2022.4847. ISSN  2168-6149. PMC 9857731. PMID 36622685.  S2CID 255545643  . 
  98. ^ Serruya M, Donoghue J (2004). 「第3章：神経運動補綴装置の設計原理」（PDF） . Horch KW, Dhillon GS（編）. Neuroprosthetics: Theory and Practice . Imperial College Press. pp.  1158– 1196. doi :10.1142/9789812561763_0040. 2005年4月4日時点のオリジナル（PDF）からアーカイブ。
  99. ^ 「ティーンエイジャーが想像力だけでビデオアイコンを動かす」プレスリリース。セントルイス・ワシントン大学。2006年10月9日。
  100. ^ Schalk G, Miller KJ, Anderson NR, Wilson JA, Smyth MD, Ojemann JG, 他 (2008年3月). 「ヒトにおける皮質電気信号を用いた2次元運動制御」. Journal of Neural Engineering . 5 (1): 75– 84. Bibcode :2008JNEng...5...75S. doi :10.1088/1741-2560/5/1/008. PMC 2744037. PMID  18310813 . 
  101. ^ Nicolas-Alonso LF, Gomez-Gil J (2012年1月31日). 「脳コンピュータインターフェースのレビュー」. Sensors . 12 (2): 1211–1279 . Bibcode :2012Senso..12.1211N. doi : 10.3390/s120201211 . PMC 3304110. PMID  22438708 . 
  102. ^ 柳沢 徹 (2011). 「麻痺患者における義手の皮質電気信号制御」アメリカ神経学会誌. 第71巻第3号. pp.  353– 361. doi :10.1002/ana.22613. ECoGベースBCIは、臨床応用に不可欠な信号と耐久性において優位性がある。
  103. ^ ab Pei X (2011). 「ヒトにおける脳波信号を用いた話し言葉と想像上の言葉における母音と子音の解読」J Neural Eng 046028th ser. 8.4 . PMID  21750369.同大学の生物医学エンジニアであるジャスティン・ウィリアムズ氏は、既にECoGインプラントを、最小限の手間で装着できるマイクロデバイスへと改良しました。このデバイスは長期間にわたり動物実験が行われており、マイクロECoGは体内に留まり、免疫系に悪影響を与えないようです。
  104. ^ Makin JG、Moses DA、Chang EF (2021). 「音声デコーディングと機械翻訳」Guger C、Allison BZ、Gunduz A (編) 著『脳とコンピュータのインターフェース研究』SpringerBriefs in Electrical and Computer Engineering. シュプリンガー・インターナショナル・パブリッシング. pp.  23– 33. doi :10.1007/978-3-030-79287-9_3. ISBN 978-3-030-79287-9. S2CID  239756345。
  105. ^ Makin JG, Moses DA, Chang EF (2020年4月). 「エンコーダー・デコーダーフレームワークを用いた皮質活動のテキストへの機械翻訳」. Nature Neuroscience . 23 (4): 575– 582. doi :10.1038/s41593-020-0608-8. PMC 10560395. PMID 32231340.  S2CID 214704481  . 
  106. ^ Gallegos-Ayala G, Furdea A, Takano K, Ruf CA, Flor H, Birbaumer N (2014年5月). 「ベッドサイド近赤外分光法を用いた完全閉じ込め患者の脳内コミュニケーション」. Neurology . 82 (21): 1930– 1932. doi :10.1212/WNL.0000000000000449. PMC 4049706. PMID  24789862 . 
  107. ^ ヴィダル 1977
  108. ^ ボジノフスカら。 1988年、1990年
  109. ^ ボジノフスキー他 1988
  110. ^ ファーウェルとドンチン、1988年
  111. ^ ウィンターズ、ジェフリー（2003年5月）「脳波によるコミュニケーション」Psychology Today。
  112. ^ Adrijan Bozinovski「脳コンピュータインターフェースパラダイムとしてのCNVフリップフロップ」J. Kern、S. Tonkovic他編、クロアチア医療情報学会第7回会議論文集、pp. 149-154、リエカ、2005年
  113. ^ Bozinovski, Adrijan; Bozinovska, Liljana (2009).脳ロボットインターフェースパラダイムにおける予測的脳電位. 2009 第4回国際IEEE/EMBS神経工学会議. IEEE. pp.  451– 454. doi :10.1109/ner.2009.5109330.
  114. ^ ボジノフスキー、アドリアン;トンコビッチ、スタンコ。イスグム、ヴェリミール。ボジノフスカ、リリヤナ (2011)。 「予期脳電位を利用したロボット制御」。オートマティカ。52 (1): 20–30 .土井: 10.1080/00051144.2011.11828400。S2CID  33223634。
  115. ^ Bozinovski, Stevo; Bozinovski, Adrijan (2015). 「精神状態、脳波の発現、そして脳とロボットの相互作用のための精神的にエミュレートされたデジタル回路」. IEEE Transactions on Autonomous Mental Development . 7 (1). 米国電気電子学会 (IEEE): 39– 51. Bibcode :2015ITAMD...7...39B. doi : 10.1109/tamd.2014.2387271 . ISSN  1943-0604. S2CID  21464338.
  116. ^ Yuan H, Liu T, Szarkowski R, Rios C, Ashe J, He B (2010年2月). 「ヒト感覚運動皮質におけるα/β帯域活動とBOLDにおける課題関連反応の負の共変動：運動イメージと運動に関するEEGおよびfMRI研究」NeuroImage . 49 (3): 2596– 2606. doi :10.1016/j.neuroimage.2009.10.028. PMC 2818527. PMID 19850134  . 
  117. ^ Doud AJ, Lucas JP, Pisansky MT, He B (2011). Gribble PL (編). 「運動イメージに基づく脳コンピュータインターフェースを用いた仮想ヘリコプターの連続3次元制御」. PLOS ONE . 6 (10) e26322. Bibcode :2011PLoSO...626322D. doi : 10.1371/journal.pone.0026322 . PMC 3202533 . PMID  22046274. 
  118. ^ 「思考誘導ヘリコプターが離陸」BBCニュース、2013年6月5日。 2013年6月5日閲覧。
  119. ^ Qin L, Ding L, He B (2004年9月). 「脳コンピュータインターフェースアプリケーションのためのソース分析による運動イメージ分類」. Journal of Neural Engineering . 1 (3): 135– 141. Bibcode :2004JNEng...1..135Q. doi :10.1088/1741-2560/1/3/002. PMC 1945182. PMID 15876632  . 
  120. ^ ヘーネ J、ホルツ E、シュタイガー・ゼルツァー P、ミュラー KR、キューブラー A、タンガーマン M (2014)。 「重度運動障害患者の運動画像: 優れた制御ソリューションとしての脳とコンピューターのインターフェースの証拠」。プロスワン。9 (8) e104854。ビブコード:2014PLoSO...9j4854H。土井：10.1371/journal.pone.0104854。PMC 4146550。PMID  25162231。 
  121. ^ Bird JJ, Faria DR, Manso LJ, Ekárt A, Buckingham CD (2019年3月13日). 「脳と機械の相互作用のためのバイオインスパイアード分類器最適化へのディープエボリューションアプローチ」. Complexity . 2019 4316548. Hindawi Limited: 1– 14. arXiv : 1908.04784 . doi : 10.1155/2019/4316548 . ISSN  1076-2787.
  122. ^ Mansour S, Ang KK, Nair KP, Phua KS, Arvaneh M (2022年1月). 「脳コンピュータインターフェースの有効性と設計特性が脳卒中後上肢リハビリテーションに及ぼす影響：ランダム化比較試験の系統的レビューとメタアナリシス」. Clinical EEG and Neuroscience . 53 (1): 79– 90. doi :10.1177/15500594211009065. PMC 8619716. PMID 33913351.  S2CID 233446181  . 
  123. ^ Baniqued PD, Stanyer EC, Awais M, Alazmani A, Jackson AE, Mon-Williams MA, et al. (2021年1月). 「脳卒中後の手のリハビリテーションのための脳コンピュータインターフェースロボティクス：系統的レビュー」. Journal of Neuroengineering and Rehabilitation . 18 (1) 15. doi : 10.1186/s12984-021-00820-8 . PMC 7825186. PMID  33485365 . 
  124. ^ Taheri BA, Knight RT, Smith RL (1994年5月). 「脳波記録のためのドライ電極」. Electroencephalography and Clinical Neurophysiology . 90 (5): 376– 383. doi :10.1016/0013-4694(94)90053-1. PMID  7514984.
  125. ^ Alizadeh-Taheri B (1994).脳波信号記録のためのアクティブマイクロマシン頭皮電極アレイ（博士論文）p. 82.書誌コード:1994PhDT......82A.
  126. ^ ホッケンベリー、ジョン（2001年8月）「次世代の天才たち」Wired誌第9巻第8号。
  127. ^ Lin CT, Ko LW, Chang CJ, Wang YT, Chung CH, Yang FS, et al. (2009), 「ウェアラブルおよびワイヤレスのブレイン・コンピュータ・インターフェースとその応用」, Foundations of Augmented Cognition. Neuroergonomics and Operational Neuroscience , Lecture Notes in Computer Science, vol. 5638, Springer Berlin Heidelberg, pp.  741– 748, doi :10.1007/978-3-642-02812-0_84, ISBN 978-3-642-02811-3、S2CID  14515754
  128. ^ abcd Wang YT, Wang Y, Jung TP (2011年4月). 「日常生活におけるコミュニケーションのための携帯電話ベースの脳・コンピュータインターフェース」. Journal of Neural Engineering . 8 (2) 025018. Bibcode :2011JNEng...8b5018W. doi :10.1088/1741-2560/8/2/025018. PMID  21436517. S2CID  10943518.
  129. ^ Guger C, Allison BZ, Großwindhager B, Prückl R, Hintermüller C, Kapeller C, et al. (2012). 「SSVEP BCIは何人まで使えるのか？」. Frontiers in Neuroscience . 6 : 169. doi : 10.3389/fnins.2012.00169 . PMC 3500831. PMID  23181009 . 
  130. ^ ab Lin YP, Wang Y, Jung TP (2013). 「自由に移動する人間のためのモバイルSSVEPベースの脳コンピュータインターフェース：モーションアーティファクトに対する正準相関分析の堅牢性」. 2013年第35回IEEE医学生物学工学会（EMBC）年次国際会議. 第2013巻. pp.  1350– 1353. doi :10.1109/EMBC.2013.6609759. ISBN 978-1-4577-0216-7. PMID  24109946. S2CID  23136360.
  131. ^ Rashid M, Sulaiman N, Abdul Majeed AP, Musa RM, Ab Nasir AF, Bari BS, Khatun S (2020). 「EEGベースの脳コンピュータインターフェースの現状、課題、そして可能な解決策：包括的レビュー」. Frontiers in Neurorobotics . 14 25. doi : 10.3389/fnbot.2020.00025 . PMC 7283463. PMID 32581758  . 
  132. ^ US 20130127708、2013年5月23日発行 
  133. ^ abc Wang YT, Wang Y, Cheng CK, Jung TP (2013). 「真にポータブルなSSVEPベースBCIのためのモバイルデバイスでの刺激提示の開発」2013年第35回IEEE医学生物学工学会年次国際会議 (EMBC) . Vol. 2013. pp.  5271– 5274. doi :10.1109/EMBC.2013.6610738. ISBN 978-1-4577-0216-7. PMID  24110925. S2CID  14324159.
  134. ^ Bin G, Gao X, Yan Z, Hong B, Gao S (2009年8月). 「正準相関分析法を用いたオンラインマルチチャネルSSVEPベースの脳コンピュータインターフェース」. Journal of Neural Engineering . 6 (4) 046002. Bibcode :2009JNEng...6d6002B. doi :10.1088/1741-2560/6/4/046002. PMID:  19494422. S2CID  : 32640699.
  135. ^ Symeonidou ER, Nordin AD, Hairston WD, Ferris DP (2018年4月). 「ケーブルの揺れ、電極表面積、および電極質量が運動中の脳波信号品質に及ぼす影響」. Sensors . 18 (4): 1073. Bibcode :2018Senso..18.1073S. doi : 10.3390/s18041073 . PMC 5948545. PMID  29614020 . 
  136. ^ Wang Y, Wang R, Gao X, Hong B, Gao S (2006年6月). 「実用的なVEPベースの脳コンピュータインターフェース」. IEEE Transactions on Neural Systems and Rehabilitation Engineering . 14 (2): 234– 239. Bibcode :2006ITNSR..14..234W. doi :10.1109/TNSRE.2006.875576​​. PMID  16792302.
  137. ^ プフルトシェラー G、ミュラー GR、プフルトシェラー J、ゲルナー HJ、ラップ R (2003 年 11 月)。 」「『思考』：機能的電気刺激の制御による四肢麻痺患者の手の把握力回復」。Neuroscience Letters . 351 (1): 33– 36. doi :10.1016/S0304-3940(03)00947-9. PMID  14550907. S2CID  38568963.
  138. ^ Do AH, Wang PT, King CE, Chun SN, Nenadic Z (2013年12月). 「脳コンピュータインターフェース制御型ロボット歩行矯正装置」. Journal of Neuroengineering and Rehabilitation . 10 (1): 111. doi : 10.1186/1743-0003-10-111 . PMC 3907014. PMID  24321081 . 
  139. ^ 下半身麻痺の被験者がBCI制御のRoGO（4回）をYouTube.comで操作
  140. ^ Alex Blainey は YouTube.com で、シリアル リレー ポート経由で EPOC ヘッドセットを使用して安価な民生用ロボット アームを制御しています。
  141. ^ Ranganatha Sitaram、Andrea Caria、Ralf Veit、Tilman Gaber、Giuseppina Rota、Andrea Kuebler、Niels Birbaumer（2007）「FMRI 脳コンピュータインターフェース：神経科学研究と治療のためのツール」
  142. ^ マーク・ペプロウ（2004年8月27日）「メンタル・ピンポンが下半身麻痺患者を助ける可能性」News@nature.doi : 10.1038 /news040823-18.
  143. ^ 「脳だけでロボットを操作、ATRとHondaがBMI基盤技術を開発」Tech-on 2006年5月26日. 2017年6月23日時点のオリジナルよりアーカイブ。 2006年9月22日閲覧。
  144. ^ 宮脇毅、内田弘、山下央、佐藤MA、森戸勇、田辺HC、他（2008年12月）。 「マルチスケールのローカル画像デコーダの組み合わせを使用した、人間の脳活動からの視覚画像再構成」。ニューロン。60 (5): 915–929。土井: 10.1016/j.neuron.2008.11.004。PMID  19081384。S2CID 17327816  。
  145. ^ Nishimoto S, Vu AT, Naselaris T, Benjamini Y, Yu B, Gallant JL (2011年10月). 「自然動画によって誘発される脳活動からの視覚体験の再構築」Current Biology . 21 (19): 1641– 1646. Bibcode :2011CBio...21.1641N. doi :10.1016/j.cub.2011.08.031. PMC 3326357. PMID  21945275 . 
  146. ^ ヤム、フィリップ（2011年9月22日）「画期的な技術により、他人があなたの夢や記憶を見ることが可能になるかもしれない」サイエンティフィック・アメリカン誌。 2011年9月25日閲覧。
  147. ^ 「自然映画によって誘発される脳活動から視覚体験を再構築する（プロジェクトページ）」 カリフォルニア大学バークレー校ギャラント研究室。2011年9月25日時点のオリジナルよりアーカイブ。 2011年9月25日閲覧。
  148. ^ アンワル、ヤスミン（2011年9月22日）「科学者が脳画像で心の中の映画を解明」カリフォルニア大学バークレー校ニュースセンター。 2011年9月25日閲覧。
  149. ^ abc Marshall D, Coyle D, Wilson S, Callaghan M (2013). 「ゲーム、ゲームプレイ、そしてBCI：最新技術」. IEEE Transactions on Computational Intelligence and AI in Games . 5 (2): 83. doi :10.1109/TCIAIG.2013.2263555. S2CID  206636315.
  150. ^ 「主催者の目標」BBC . 2022年12月19日閲覧。
  151. ^ Ang KK, Chin ZY, Wang C, Guan C, Zhang H (2012年1月1日). 「BCI Competition IV Datasets 2a and 2bにおけるフィルタバンク共通空間パターンアルゴリズム」. Frontiers in Neuroscience . 6 : 39. doi : 10.3389/fnins.2012.00039 . PMC 3314883. PMID  22479236 . 
  152. ^ フェアクロウ、スティーブン・H. (2009年1月). 「生理学的コンピューティングの基礎」 . 『コンピュータとの対話』. 21 ( 1–2 ): 133– 145. doi :10.1016/j.intcom.2008.10.011. S2CID  16314534.
  153. ^ Bozinovski S (2017). 「人間の頭部から生成される信号を用いた信号処理ロボティクス：先駆的な研究からEEGベースのデジタル回路エミュレーションまで」.ロボット設計とインテリジェント制御の進歩. インテリジェントシステムとコンピューティングの進歩. 第540巻. pp.  449– 462. doi :10.1007/978-3-319-49058-8_49. ISBN 978-3-319-49057-1。
  154. ^ Mathôt S, Melmi JB, van der Linden L, Van der Stigchel S (2016). 「マインドライティング瞳孔：瞳孔測定による隠れた注意のデコードに基づくヒューマンコンピュータインターフェース」. PLOS ONE . 11 (2) e0148805. Bibcode :2016PLoSO..1148805M. doi : 10.1371/journal.pone.0148805 . PMC 4743834. PMID  26848745 . 
  155. ^ ブランド、エリック（2008年10月13日）「陸軍が『合成テレパシー』を開発」ディスカバリー・ニュース。2008年10月13日閲覧。
  156. ^ Pais-Vieira M, Lebedev M, Kunicki C, Wang J, Nicolelis MA (2013年2月28日). 「感覚運動情報のリアルタイム共有のための脳間インターフェース」. Scientific Reports . 3 1319. Bibcode :2013NatSR...3.1319P. doi :10.1038/srep01319. PMC 3584574. PMID 23448946  . 
  157. ^ ゴーマン、ジェームズ（2013年2月28日）「一匹のネズミが考え、もう一匹が反応する」ニューヨーク・タイムズ。 2013年2月28日閲覧。
  158. ^ イアン・サンプル（2013年3月1日）「脳と脳のインターフェースでラットがインターネット経由で情報を共有」ガーディアン紙。 2013年3月2日閲覧。
  159. ^ ケネディ・ペイガン（2011年9月18日）「私たち全員の中にいるサイボーグ」ニューヨーク・タイムズ。 2012年1月28日閲覧。
  160. ^ Selim, Jocelyn; Drinkell, Pete (2002年11月1日). 「The Bionic Connection」. Discover . 2008年1月6日時点のオリジナルよりアーカイブ。
  161. ^ Giaimo, Cara (2015年6月10日). 「神経系のつながりがテレパシー的な手を繋ぐことにつながる」.アトラス・オブスキュラ.
  162. ^ Warwick, K, Gasson, M, Hutt, B, Goodhew, I, Kyberd, P, Schulzrinne, H, Wu, X：「思考の伝達と制御：無線電信を用いた第一歩」、 IEE Proceedings on Communications、151(3)、pp.185–189、2004年
  163. ^ Warwick K, Gasson M, Hutt B, Goodhew I, Kyberd P, Andrews B, 他 (2003年10月). 「サイバネティックシステムへのインプラント技術の応用」Archives of Neurology . 60 (10): 1369– 1373. doi : 10.1001/archneur.60.10.1369 . PMID  14568806.
  164. ^ Grau C, Ginhoux R, Riera A, Nguyen TL, Chauvat H, Berg M, et al. (2014). 「非侵襲的技術を用いたヒトにおける意識的な脳間コミュニケーション」. PLOS ONE . 9 (8) e105225. Bibcode :2014PLoSO...9j5225G. doi : 10.1371/journal.pone.0105225 . PMC 4138179. PMID  25137064 . 
  165. ^ Mazzatenta A, Giugliano M, Campidelli S, Gambazzi L, Businaro L, Markram H, 他 (2007年6月). 「カーボンナノチューブを用いたニューロンのインターフェース：培養脳回路における電気信号伝達とシナプス刺激」. The Journal of Neuroscience . 27 (26): 6931– 6936. doi :10.1523/JNEUROSCI.1051-07.2007. PMC 6672220. PMID 17596441  . 
  166. ^ カリフォルニア工科大学の科学者が初のニューロチップを開発、カリフォルニア工科大学、1997年10月26日
  167. ^ Sandhana, Lakshmi (2004年10月22日). 「Coming to a brain near you」. Wired News . 2006年9月10日時点のオリジナルよりアーカイブ。
  168. ^ 「皿の中の『脳』がフライトシミュレーターを飛ばす」CNN 2004年11月4日。
  169. ^ 「再び麻痺」MITテクノロジーレビュー。 2023年12月8日閲覧。
  170. ^ 「Gale - 製品ログイン」. galeapps.gale.com . 2023年12月8日閲覧。
  171. ^ イエンカ、マルチェロ；ハセラガー、ピム（2016年6月）「脳のハッキング：脳・コンピューターインターフェース技術とニューロセキュリティの倫理」倫理と情報技術18 ( 2): 117– 129. doi :10.1007/s10676-016-9398-9. hdl : 2066/157644 . S2CID  5132634.
  172. ^ Steinert, Steffen; Friedrich, Orsolya (2020年2月1日). 「Wired Emotions: Ethical Issues of Affective Brain-Computer Interfaces. Science and Engineering Ethics . 26 (1): 351– 367. doi :10.1007/s11948-019-00087-2. ISSN  1471-5546. PMC 6978299. PMID  30868377 . 
  173. ^ Clausen, Jens (2009年2月1日). 「人間、機械、そしてその間」. Nature . 457 (7233): 1080–1081 . Bibcode :2009Natur.457.1080C. doi :10.1038/4571080a. ISSN  0028-0836. PMID  19242454. S2CID  205043226.
  174. ^ Haselager, Pim; Vlek, Rutger; Hill, Jeremy; Nijboer, Femke (2009年11月1日). 「BCIの倫理的側面に関する注記」.ニューラルネットワーク. ブレイン・マシン・インターフェース. 22 (9): 1352– 1357. doi :10.1016/j.neunet.2009.06.046. hdl : 2066/77533 . ISSN  0893-6080. PMID  19616405.
  175. ^ Attiah, Mark A.; Farah, Martha J. (2014年5月15日). 「心、マザーボード、そしてお金：BCI技術の神経倫理における未来主義と現実主義」. Frontiers in Systems Neuroscience . 8 : 86. doi : 10.3389/fnsys.2014.00086 . ISSN  1662-5137. PMC 4030132. PMID 24860445  . 
  176. ^ Nijboer, Femke; Clausen, Jens; Allison, Brendan Z.; Haselager, Pim (2013). 「アシロマ調査：脳コンピュータインターフェースに関する倫理的問題に関する利害関係者の意見」Neuroethics . 6 (3): 541– 578. doi :10.1007/s12152-011-9132-6. ISSN  1874-5490. PMC 3825606. PMID 24273623  . 
  177. ^ “ソニーの特許ニューラルインターフェース”. 2012年4月7日時点のオリジナルよりアーカイブ。
  178. ^ 「マインドゲーム」『エコノミスト』2007年3月23日。
  179. ^ 「niaゲームコントローラー製品ページ」OCZテクノロジーグループ. 2013年1月30日閲覧。
  180. ^ abc Li S (2010年8月8日). 「Mind reading is on the market」. Los Angeles Times . 2013年1月4日時点のオリジナルよりアーカイブ。
  181. ^ Fruhlinger, Joshua (2008年10月9日). 「NeuroSkyとSquare EnixのJudeccaマインドコントロールゲームで連携」Engadget . 2012年5月29日閲覧。
  182. ^ 脳波を利用した新しいゲーム. Physorg.com (2009年1月10日). 2010年9月12日閲覧。
  183. ^ スナイダー、マイク（2009年1月7日）「おもちゃが『スター・ウォーズ』ファンにフォースの使い方を教えます」USAトゥデイ。 2010年5月1日閲覧。
  184. ^ 「Emotivホームページ」Emotiv.com . 2009年12月29日閲覧。
  185. ^ 「『necomimi』が『タイム誌/今年のベスト50発明』に選出」Neurowear、2011年11月22日。2012年1月25日時点のオリジナルよりアーカイブ。
  186. ^ 「LIFESUIT Updates & News – They Shall Walk」Theyshallwalk.org . 2016年12月19日閲覧。
  187. ^ “SmartphoneBCI”. GitHub . 2018年6月5日閲覧。
  188. ^ "SSVEP_keyboard". GitHub . 2017年4月5日閲覧。
  189. ^ Protalinski, Emil (2020年12月8日). 「NextMind、リアルタイム脳コンピューターインターフェース開発キットを399ドルで出荷」VentureBeat . 2021年9月8日閲覧。
  190. ^ Etherington, Darrell (2020年12月21日). 「NextMindのマインドコントロールコンピューティング開発キットは、テクノロジー界に稀有な『驚き』をもたらす」. TechCrunch . 2024年4月1日閲覧。
  191. ^ 「Welcome Nextmind!」ar.snap.com . 2024年5月31日閲覧。
  192. ^ “Brain-computer Interface (BCI)、神経科学を探る - PiEEG”. PiEEG . 2024年8月15日時点のオリジナルよりアーカイブ。 2024年8月15日閲覧。
  193. ^ ab Das, Debashis (2025年12月26日). 「Cerelog ESP-EEG – 脳コンピュータインターフェース（BCI）実験向けの低コストESP32ベースEEG取得ボード - CNX Software」. CNX Software - 組み込みシステムニュース. 2025年12月29日閲覧。
  194. ^ 「Cytonバイオセンシングボード（8チャンネル）」OpenBCIショップ. 2025年12月29日閲覧。
  195. ^ 「Cerelog ESP-EEG: 8チャンネル ブレインコンピュータインターフェース回路基板（BrainFlow対応）」www.cerelog.com . 2025年12月29日閲覧。
  196. ^ 「このオープンソースのEEGボードは本物の脳コンピューターインターフェースを家庭にもたらす - Hackster.io」www.hackster.io . 2025年12月29日閲覧。
  197. ^ 「ロードマップ - BNCIホライズン2020」bnci-horizo​​n-2020.eu . 2019年5月5日閲覧。
  198. ^ Brunner C, Birbaumer N, Blankertz B, Guger C, Kübler A, Mattia D, et al. (2015). 「BNCI Horizo​​n 2020：BCIコミュニティのためのロードマップに向けて」Brain-Computer Interfaces . 2 : 1– 10. doi :10.1080/2326263X.2015.1008956. hdl : 1874/350349 . S2CID  15822773.
  199. ^ Allison BZ, Dunne S, Leeb R, Millan J, Nijholt A (2013).実用的なブレイン・コンピュータ・インターフェースに向けて：研究から実世界への応用への橋渡し. ベルリン・ハイデルベルク: Springer Verlag. ISBN 978-3-642-29746-5。
  200. ^ Edlinger G, Allison BZ, Guger C (2015). 「BCIシステムを利用できる人数は？」. Kansaku K, Cohen L, Birbaumer N (編). Clinical Systems Neuroscience . 東京: pringer Verlag Japan. pp.  33– 66. ISBN 978-4-431-55037-2。
  201. ^ Chatelle C, Chennu S, Noirhomme Q, Cruse D, Owen AM, Laureys S (2012). 「意識障害における脳コンピュータインターフェース」. Brain Injury . 26 (12): 1510– 1522. doi :10.3109/02699052.2012.698362. hdl : 2268/162403 . PMID  22759199. S2CID  6498232.
  202. ^ Boly M, Massimini M, Garrido MI, Gosseries O, Noirhomme Q, Laureys S, Soddu A (2012). 「意識障害における脳のつながり」. Brain Connectivity . 2 (1): 1– 10. doi :10.1089/brain.2011.0049. hdl : 2268/131984 . PMID  22512333. S2CID  6447538.
  203. ^ Gibson RM, Fernández-Espejo D, Gonzalez-Lara LE, Kwan BY, Lee DH, Owen AM, Cruse D (2014). 「多重課題と神経画像診断法は、意識障害患者における潜在意識の検出可能性を高める」. Frontiers in Human Neuroscience . 8 : 950. doi : 10.3389/fnhum.2014.00950 . PMC 4244609. PMID  25505400 . 
  204. ^ Risetti M, Formisano R, Toppi J, Quitadamo LR, Bianchi L, Astolfi L, et al. (2013). 「意識障害のリハビリテーションにおけるERP検出について」. Frontiers in Human Neuroscience . 7 : 775. doi : 10.3389/fnhum.2013.00775 . PMC 3834290. PMID  24312041 . 
  205. ^ Silvoni S, Ramos-Murguialday A, Cavinato M, Volpato C, Cisotto G, Turolla A, et al. (2011年10月). 「脳卒中における脳コンピューターインターフェース：進歩のレビュー」. Clinical EEG and Neuroscience . 42 (4): 245– 252. doi :10.1177/155005941104200410. PMID  22208122. S2CID  37902399.
  206. ^ Leamy DJ、Kocijan J、Domijan K、Duffin J、Roche RA、Commins S、他。 （2014年1月）。 「脳卒中後の回復中のEEG特徴の探求 - BCI媒介神経リハビリテーション療法への影響」。神経工学とリハビリテーションのジャーナル。11 :9.土井: 10.1186/1743-0003-11-9 . PMC 3996183。PMID  24468185。 
  207. ^ Tung SW, Guan C, Ang KK, Phua KS, Wang C, Zhao L, 他 (2013年7月). 「上肢脳卒中リハビリテーションのための運動イメージBCI：コヒーレンス解析を用いた脳波記録の評価」. 2013年第35回IEEE医学生物学工学会議 (EMBC) 年次国際会議. 第2013巻. pp.  261– 264. doi :10.1109/EMBC.2013.6609487. ISBN 978-1-4577-0216-7. PMID  24109674. S2CID  5071115.
  208. ^ Bai Z, Fong KN, Zhang JJ, Chan J, Ting KH (2020年4月). 「脳卒中後の上肢に対するBCIベースのリハビリテーションの即時および長期的効果：系統的レビューとメタアナリシス」. Journal of Neuroengineering and Rehabilitation . 17 (1) 57. doi : 10.1186/s12984-020-00686-2 . PMC 7183617. PMID  32334608 . 
  209. ^ Remsik A, Young B, Vermilyea R, Kiekhoefer L, Abrams J, Evander Elmore S, 他 (2016年5月). 「脳卒中後の上肢遠位部運動機能回復における脳コンピュータインターフェース療法の進歩と将来的な影響に関するレビュー」Expert Review of Medical Devices . 13 (5): 445– 454. doi :10.1080/17434440.2016.1174572. PMC 5131699. PMID  27112213 . 
  210. ^ Monge-Pereira E, Ibañez-Pereda J, Alguacil-Diego IM, Serrano JI, Spottorno-Rubio MP, Molina-Rueda F (2017年9月). 「脳卒中後の上肢機能リハビリテーションにおける脳波計測を用いたBCIシステムの活用：系統的レビュー」 . PM&R . 9 (9): 918– 932. doi :10.1016/j.pmrj.2017.04.016. PMID  28512066. S2CID  20808455.
  211. ^ Sabathiel N, Irimia DC, Allison BZ, Guger C, Edlinger G (2016年7月17日). 「脳コンピュータインターフェースを用いたペア連想刺激：脳卒中リハビリテーションの新たなパラダイム」. 『拡張認知の基礎：神経人間工学と操作的神経科学』. 『コンピュータサイエンス講義ノート』. 第9743巻. pp.  261– 272. doi :10.1007/978-3-319-39955-3_25. ISBN 978-3-319-39954-6。
  212. ^ Riccio A, Pichiorri F, Schettini F, Toppi J, Risetti M, Formisano R, 他 (2016). 「脳とコンピュータのインターフェースによる脳損傷後のコミュニケーションとリハビリテーションの改善」.脳コンピュータインターフェース：実験室実験から実世界への応用. 『Progress in Brain Research』第228巻. pp.  357– 387. doi :10.1016/bs.pbr.2016.04.018. ISBN 978-0-12-804216-8. PMID  27590975。
  213. ^ Várkuti B, Guan C, Pan Y, Phua KS, Ang KK, Kuah CW, et al. (2013年1月). 「安静時における機能的連結性の変化は、脳卒中後のBCIおよびロボット支援上肢トレーニングにおける動作回復と相関する」. Neurorehabilitation and Neural Repair . 27 (1): 53– 62. doi :10.1177/1545968312445910. PMID  22645108. S2CID  7120989.
  214. ^ Young BM, Nigogosyan Z, Remsik A, Walton LM, Song J, Nair VA, et al. (2014). 「脳コンピューターインターフェースデバイスを用いた治療後の脳卒中患者における機能的連結性の変化は行動改善と相関する」. Frontiers in Neuroengineering . 7 : 25. doi : 10.3389/fneng.2014.00025 . PMC 4086321. PMID  25071547 . 
  215. ^ Yuan K, Chen C, Wang X, Chu WC, Tong RK (2021年1月). 「慢性脳卒中に対するBCIトレーニング効果は運動関連領域の機能的再編成と相関する：EEGとfMRIの同時研究」. Brain Sciences . 11 (1): 56. doi : 10.3390/brainsci11010056 . PMC 7824842. PMID  33418846 . 
  216. ^ Mrachacz-Kersting N, Voigt M, Stevenson AJ, Aliakbaryhosseinabadi S, Jiang N, Dremstrup K, Farina D (2017年11月). 「運動イメージと同期した求心性フィードバックの種類が皮質可塑性の誘導に及ぼす影響」. Brain Research . 1674 : 91–100 . doi :10.1016/j.brainres.2017.08.025. hdl : 10012/12325 . PMID  28859916. S2CID  5866337.
  217. ^ Opie N (2019年4月2日). 「研究概要」.メルボルン大学医学部. メルボルン大学. 2019年12月5日閲覧。
  218. ^ Oxley TJ, Opie NL, John SE, Rind GS, Ronayne SM, Wheeler TL, et al. (2016年3月). 「皮質神経活動の高忠実度・慢性記録のための低侵襲血管内ステント電極アレイ」Nature Biotechnology . 34 (3): 320– 327. doi :10.1038/nbt.3428. PMID  26854476. S2CID  205282364.
  219. ^ 「Synchron、Stentrode神経インターフェース技術の試験を開始」Verdict Medical Devices、2019年9月22日。 2019年12月5日閲覧。
  220. ^ Radzik I、Miziak B、Dudka J、Chrościńska-Krawczyk M、Czuczwar SJ (2015 年 6 月)。 「てんかん予防の展望」。薬理学的レポート。67 (3): 663–668。土井:10.1016/j.pharep.2015.01.016。PMID  25933984。S2CID 31284248  。
  221. ^ Ritaccio A, Brunner P, Gunduz A, Hermes D, Hirsch LJ, Jacobs J, 他 (2014年12月). 「第5回国際脳波記録の進歩に関するワークショップ議事録」. Epilepsy & Behavior . 41 : 183–192 . doi :10.1016/j.yebeh.2014.09.015. PMC 4268064. PMID 25461213  . 
  222. ^ Kim DH, Viventi J, Amsden JJ, Xiao J, Vigeland L, Kim YS, 他 (2010年6月). 「超薄型コンフォーマル生体統合エレクトロニクスのためのシルクフィブロイン溶解性フィルム」. Nature Materials . 9 (6): 511– 517. Bibcode :2010NatMa...9..511K. doi :10.1038/nmat2745. PMC 3034223. PMID 20400953  . 
  223. ^ Boppart SA, Wheeler BC, Wallace CS (1992年1月). 「拡張神経記録のためのフレキシブル穿孔型微小電極アレイ」. IEEE Transactions on Bio-Medical Engineering . 39 (1): 37– 42. Bibcode :1992ITBE...39...37B. doi :10.1109/10.108125. PMID:  1572679. S2CID  : 36593459.
  224. ^ Boufidis, Dimitris; Garg, Raghav; Angelopoulos, Eugenia; Cullen, D. Kacy; Vitale, Flavia (2025年2月21日). 「バイオインスパイアード・エレクトロニクス：ソフト、バイオハイブリッド、そして「生きた」神経インターフェース」. Nature Communications . 16 (1): 1861. Bibcode :2025NatCo..16.1861B. doi :10.1038/s41467-025-57016-0. ISSN  2041-1723. PMC 11845577. PMID 39984447  . 
  225. ^ ab Rabaey JM (2011年9月). 「ブレイン・マシン・インターフェース：極小化における新たなフロンティア」. 2011年欧州固体デバイス研究会議 (ESSDERC) 議事録. pp.  19– 24. doi :10.1109/essderc.2011.6044240. ISBN 978-1-4577-0707-0. S2CID  47542923。
  226. ^ Warneke B, Last M, Liebowitz B, Pister KS (2001年1月). 「スマートダスト：立方ミリメートルコンピュータとの通信」. Computer . 34 (1): 44– 51. Bibcode :2001Compr..34a..44W. doi :10.1109/2.895117. ISSN  0018-9162. S2CID  21557.

さらに読む

  • アンドリュー・ブラウス. 「若者のための脳波音楽ガイド：人間の脳波から得た40年間の音声」. eContact! 14.2 – バイオテクノロジー演奏実践 / Pratiques de performance biotechnologique (2012年7月). モントリオール: CEC .
  • Gupta、Cota Navin、Ramaswamy Palanappian. 「視覚・聴覚ベースの脳波設計における高周波脳波の利用」. eContact! 14.2 – バイオテクノロジーパフォーマンス実践 / Pratiques de performance biotechnologique (2012年7月). モントリオール: CEC .
  • ウゾニアン、ガシア。 「バイオミューズ・トリオの対話: R. ベンジャミン・ナップとエリック・ライアンへのインタビュー」。eコンタクト！ 14.2 – バイオテクノロジーのパフォーマンス実践 / Pratiques de Performance biotechnologique (2012 年 7 月)。モントリオール: CEC。
  • ブレイン・マシン・インターフェース研究20年。ニコレリス研究室シリーズ。第1巻。2019年。452ページ。
  • ブレイン・マシン・インターフェース研究20年。ニコレリス研究室シリーズ。第2巻。2019年。436ページ。
ウィキメディア コモンズには、脳コンピューター インターフェースに関連するメディアがあります。
ロゴ
Scholia には、脳とコンピューターのインターフェースに関するトピックプロファイルがあります。
  • Wandelt, Sarah K.; Bjånes, David A.; Pejsa, Kelsie; Lee, Brian; Liu, Charles; Andersen, Richard A. (2024年5月13日). 「ヒト上縁回における単一ニューロンによる内言語表現」. Nature Human Behaviour . 8 (6): 1136– 1149. doi : 10.1038/s41562-024-01867-y . ISSN  2397-3374. PMC 11199147.  PMID 38740984  .
  • アンロックプロジェクト
「https://en.wikipedia.org/w/index.php?title=Brain–computer_interface&oldid=1330384656」より取得
Original text
Rate this translation
Your feedback will be used to help improve Google Translate