Cialis 20 Mg Cialis Viagra Satış Cialis 5 mg Viagra sipariş elektronik sigara


Beyin Bilgisayar Arayüzleri




1978
yılında Craig Thomas’ın yazdığı “Firefox” romanı Ruslar tarafından
tasarlanmış ve silah sistemleri düşünce gücü ile kontrol edilebilen bir savaş
uçağını anlatmaktadır. Pilotun giydiği kaskın içinde elektrodlar vardır ve
pilotun beyin dalgaları yorumlanıp çeşitli silahları kontrol etmek için
kullanılmaktadır.




Soğuk
savaş günlerinden kalma bir fantazi olan böyle bir sistem ancak beyin
bilgisayar arayüzleri (brain-computer interface) ile gerçekleştirilebilir. Son
30 yıldır beyin bilgisayar arayüzleri konusunda yapılan çalışmalar ise ortalığı
füzeye, bombaya boğmaktan çok felçli hastaların etraflarındaki cihazları ve
bedenlerini kontrol edebilmeleri için geliştirilmektedir.




Özet




Bu
makalede Beyin Bilgisayar Arayüzü (BBA – Brain Computer Interface – BCI)
kavramı ele alınacak, tarihi gelişimi değerlendirilecek, bu teknolojinin
motivasyonları sıralanacak ve BBA araştırmasında kullanılan yöntemlerin
yanısıra bir BBA sisteminin temel bileşenleri ele alınacaktır.




Giriş: Neden BBA? 

Eğer
bir şey varsa belli bir miktarda vardır. Eğer belli bir miktarda varsa
ölçülmesi mümkündür. René Descartes, Felsefenin Prensipleri, 1644 İnsanlar
makinalarla iletişim kurmak için çeşitli araçlardan faydalanır: Klavyeler,
fareler, “joystick”ler, dokunmaya duyarlı yüzeyler, özel eldivenler,
mikrofonlar. vs. Tüm bu komut verme araçları kullanıcın vücudunun belli bir
kısmını (daha doğrusu kas sistemini) kontrol edebildiği varsayımına dayanır.
Ancak durum her zaman böyle değildir.




Söz
gelimi motor nöron hastalıklarından biri, amiyotrofik lateral sklerozis (ALS)
sadece ABD’de onbinlerce kişiyi etkileemkte ve insanların istemli hareketlerini
engellemektedir [1]. ALS, beyin ve omurilikteki motor nöronlara saldırmakta ve
kısa sürede hasta hiçbir kasını hareket ettiremez hale gelmektedir. Benzer
duruma yol açan motor nöron problemleri arasında beyin kökü travması, beyin ya
da omurilik yaralanması, serebral palsi, kas distrofileri ve çoklu skleroz yer
almakta, bunların 2.000.000’a yakın hastayı etkilediği bilinmektedir.




Ancak
önemli olan şey ALS hastalığının sadece ve sadece motor nöronları etkilediği,
yani hastanin bilişsel işlevlerine bir zarar vermediği gerçeğidir. Hafıza, zekâ
ve kişilik korunur. Hastalar görebilir, duyabilir, koklayabilir ve dokunsal
uyaranları yorumlayabilirler [1]. Bu da demektir ki, eğer hastanın beynindeki
sinirsel etkinliği doğrudan yorumlayabilecek bir teknoloji geliştirilebilirse
hastanın çevresindeki araçlarla ve insanlarla iletişim kurması mümkün olabilir.




Yukarıdaki
örnek senaryo BBA araştırmalarının ana motivasyon kaynaklarından biridir ancak
başka sebepler de mevcuttur. BBA araştırmacılarını yönlendiren düşüncelerden
biri de doğrudan düşünceleri kullanarak başka bir ara katmana (kas sistemi
gibi) gerek kalmaksızın bilgisayarları kontrol edebilmektir. Bu bakımdan, BBA
makina insan etkileşiminde güçlendirici bir teknoloji olarak düşünülebilir.
Yani popüler anlamı ile olmasa da bir tür “telepati” gerçekleştirmek
mümkün olabilir




Metnin
geriye kalanında “kullanıcı” ve “hasta” terimleri
birbirlerinin yerine geçebilecek şekilde kullanılacaktır ve her iki terimle de
kast edilen BBA sistemini kullanıp bir ya da daha çok cihazı kontrol etmeye
çalışan özne olacaktır.




BBA Nedir? Beyin bilgisayar arayüzü:





bir tür iletişim sistemidir. Bu iletişim sisteminde, bireyin dış dünyaya
gönderdiği iletiler ve komutlar beynin normal çıktı yolları olan çevre
sinirlerden ve kaslardan geçmez [2].




Yukarıdaki
tanımlamaya göre, beyin etkinliği algılandığı ve yorumlandığı sürece bu tür bir
sisteme BBA denebilir ve bunun için elektroensefalografi (EEG), fonksiyonel
manyetik rezonans görüntüleme (fMRI), pozitron emisyon tomografisi (PET), vb.
teknikler kullanılabilir ancak şimdiye dek BBA çalışmalarında yoğun olarak
kullanılmış olan teknik EEG’dir.




Tarihi
perspektiften bakılacak olursa, “beyin bilgisayar arayüzü” terimini
ilk kullanmış olanlardan biri Jacques J. Vidal’dir [3], [4]. Vidal, 1973
yılındaki çalışmasında EEG sinyallerini analiz algılayıp, çözümleyip belli
örüntüleri bulup bunları önceden tanımlanmış hareket komutları olarak
yorumlayan karmaşık bir bilgisayar sistemi geliştirmiştir. “Bağımlı
BBA” olarak tanımlanan bu sistem kullanıcının göz hareketlerini kontrol
etme kabiliyetine dayanıyordu (bağımlı BBA aşağıda açıklanacaktır).




BBA’yı
mümkün kılan nedir? Yukarıdaki örnekte ve tanımda da görülebileceği gibi,
BBA’yı mümkün kılan, beynin ürettiği sinyalleri kaydedip bunları örüntü
çözümleme ve sınıflandırmasına tabi tutabilme yeteneğimizdir. Beynin yaydığı
sinyaller ve bunların kaydedilmesi ne demektir? Kısa cevap: Beyinde iki tür
iletişim gerçekleşir, elektriksel ve kimyasal. Her iki tür iletişimin de
“görülebilir” etkileri vardır ve bunları bazı cihazlarla tespit etmek
mümkündür. BBA açısından önemli olan beyindeki elektriksel iletişimdir.
Beyindeki eylem potansiyellerinin tetiklenmesi ve bunların aksonlar boyunca
iletilmesi kafatası yüzeyinde tespit edilebilir fiziksel aktiviteye yol açar.




EEG BBA’yı Nasıl Mümkün Kılar?




BBA
alanında en çok kullanılan iletişim türü elektriksel iletişim olduğu için buna
biraz yer ayırmamızda fayda var. EEG olmadan pratik, çalışan bir BBA sistemi
kurmak zordur.




Elektroensefalografi
(EEG) terimi ilk kez Berger tarafından kullanılmıştır [5]. Berger, insan
kafatası yüzeyinden beyin dalgalarının tespit edilebileceğini ve
okunabileceğini göstermiştir.




Vidal’e
göre kafatası yüzeyi elektriksel potansiyellerinin ana kaynağı kafatasının
hemen altındaki beynin dış kabuğunu meydana getiren serebral korteksteki
elektriksel etkinliktir. Serebral korteks, sinir hücreleri (nöronlar) içeren
gri maddeden oluşan ince bir tabakadır. Bu hücrelerin bir kısmı (piramit
hücreleri) apik dendritlere sahiptir yani beyin yüzeyine doğru uzanır ve
yanlamasına genişlerler. Bunun sonucunda ince bir “beyaz madde”
yüzeyi oluşur ve burada da yoğun şekilde iç içe geçmiş ince dendrit uzantıları
diğer komşu dendritlerle bağlantı kurarlar. Dendritler elektrik alanı nöron
merkezine ileten elektrolitik bağlantı araçlarıdır. Hücre merkezine ulaşan elektrik
sinyali hücre zarını depolarize ederek hücre atımını tetikler ve böylece sinyal
yeniden diğer bir tür hücrelerarası bağlantı elemanı olan akson üzerinden
ilerler.




Gözlemlenen
yüzey potansiyelleri piramitsel hücrelerin tepedeki dendritlerinde ve hücre
merkezinde (bedeninde, somasında) üretilir.




Bu
potansiyeller hücre içindeki polarizasyon ve depolarizasyona karşılık gelir (bu
elektrik potansiyel değişimleri postsinaptik (sinaps sonrası) olarak
nitelendirilir çünkü nöronlararası sinaps etkileşiminde gerçekleşir).
Hücrelerarası alanda dikey olarak ilerleyen elektrik akımlarının aynı zamanda
dendritler ile derinlerdeki hücreler arasında bir tür geribesleme bağlantısı
sağladıkları da düşünülmektedir. Yüzeydeki pozitif olarak kaydedilen bir
değişim derin bölgelerdeki bir depolarizasyona (daha yüksek uyarılabilirlik)
karşılık gelir (ve tabii tersi de geçerlidir)

Şekil
1’de piramitsel hücrelerin beynin üst kısmında nasıl yerleştikleri ve EEG
sinyal algılaması ve kaydedilmesi için elektrotlara yakın bulundukları şematik
olarak gösterilmektedir.




BBA Türleri




İki
tür BBA vardır, bağımlı ve bağımsız [2]. Bu ayrım, beynin çıktı yollarına olan
bağımlılık ile ilgilidir. Aşağıda iki tür arasındaki farklar açıklanmıştır.
 

Bağımlı BBA




Bağımlı
bir BBA sistemi beynin normal çıktı kanallarını kullanır. Bu yüzden de bu tür
bir BBA öyle ya da böyle tam olarak işlevsel bir sinir sistemi gerektirir.
Popüler bir BBA örneği vermek gerekirse, bedeninin büyük kısmı felçli olan bir
hastaya ekranda tek tek harfler gösterilir. Hasta seçmek istediği harf ekranda
görününce konsantre olup o harfe bakar. Bu durum, görsel olarak tetiklenen bir
potansiyele yol açar (Görsel Tetiklenen Potansiyel – GTP) ve EEG cihazı ile
tespit edilebilir. Bunun mümkün olmasının sebebi hastanın konsantre olup belli
bir süre baktığı harfin diğer harflere bakma durumuna kıyasla daha yüksek bir
GTP oluşturmasıdır.




Her
ne kadar bu tür BBA sistemleri bazı durumlarda faydalı olsa da (örn. kullanım
kolaylığı ve düzgün öğrenme eğrisi), sistem çok hasar görmemiş bir sinir
sisteminin varlığına dayanır. EEG kullanılıyor olsa da sinyal üretilmesini
sağlayan şey göz kasları ve bunları kontrol eden kraniyal sinir hücreleridir.




Bağımsız BBA




Bağımsız
bir BBA sistemi sağlam bir çevresel sinir sistemi gerektirmez. Böyle bir BBA
sadece kullanıcının “eğilimleri”ne dayanır.




Yukarıdaki
harf seçme örneğine dönecek olursak, eğer bağımsız BBA kullanılırsa
kullanıcının tek yapması gereken istediği harfi düşünmektir. Bu mekanizmada
gözün hareketi ya da kontrolü ile ilgili hiçbir şey söz konusu değildir. Bu
durumda EEG tarafından tespit edilen P300 potansiyelidir (P300 potansiyeli
aşağıda açıklanacaktır).




BBA Sisteminin Temel Bileşenleri




Modern
bir BBA sistemi beş altsisteme bölünebilir:


·       
Sinyal toplama


·       
Sinyal işleme: özellik çıkarma


·       
Sinyal işleme: dönüştürme algoritması


·       
Çıktı cihazı


·       
İşletme protokolü


Şekil
2’de bir BBA sisteminin temel bileşenleri görünmektedir [2].




Sinyal toplama




Sinyal
toplama bir BBA sürecindeki ilk adımdır. Beyinde gelen sinyalleri tespit edip
kaydetmek için en yaygın kullanılan yöntem EEG’dir. EEG müdahaleci olmayan bir
yöntemdir ancak beyinde elektriksel iletişim haricinde de iletişim
gerçekleştiği için fonksiyonel manyetik rezonans görüntüleme (functional
magnetic resonance imaging – fMRI) gibi yöntemlere de başvurulduğu olur.




Weiskopf’un
2004’teki bir çalışmasında beyin sinyallerini algılamak için fMRI kullanımından
bahsedilir [6].




Beyin
sinyallerini kaydetmek için kullanılan bir başka yöntem de müdahaleci
tekniklerdir. Kennedy, 2004 yılındaki bir çalışmasında beyin yüzeyine
yerleştirilen bir sinirsel implant ile beyin yüzeyi sinyallerinin algılanıp
sonra da bir bilgisayar imlecini kontrol etmek için kullanılan BBA sistemini
tarif etmektedir [7].




Sinyal işleme: özellik çıkarma




Elektrik
sinyalleri EEG kullanılarak kaydedildikten sonra bunlardaki özelliklerin tespit
edilmesi, çıkarılması gerekir. Bu süreç, örüntü tanıma ve sınıflandırma
öncesindeki bir önişleme olarak düşünülebilir.




Bu
süreçte ham sayısal sinyal verisi alınır ve bazı bakımlardan özetlenir. Uzamsal
süzme, spektral çözümleme ve voltaj şiddeti ölçümleri özellik çıkarmada
kullanılan tekniklerden bazılarıdır.




Sinyal işleme: dönüştürme algoritması




Sayısal
beyin sinyal verisi özetlenip bazı özellikleri çıkarıldıktan sonra bu bilginin
içindeki örüntülerin taranması ve tanınması gerekmektedir. BBA sistemi ancak bu
şekilde hangi komutların gerçekleştirilmesi gerektiğini
“anlayabilir”.




Toplanan
verideki özellikleri çözümlemek için çeşitli algoritmalar kullanılır. İki geniş
kategori vardır: doğrusal denklem tabanlı istatistiksel çözümlemeler ve yapay
sinir ağları ve benzeri doğrusal olmayan örüntü sınıflayıcılar.




Bu
algoritmalar uyarlanabilir ve hatalara karşı dayanıklı olmalıdır çünkü BBA
kullanıcısı her seferinde “aynı şeyi” düşünüyor olsa da beyin
sinyallerinde çeşitli sapmalar, ufak tefek dalgalanmalar mutlaka olacaktır.
Algoritmanın uyarlanabilirliği ve esnekliği “öğrenme” açısından da
önemlidir. Bunu bir konuşma veya görüntü işleme uygulaması gibi de
düşünebiliriz. Bu uygulamalar işleyecekleri veri için eğitilirler ve genellikle
işleyecekleri verinin karakteristikleri de bazı bakımlardan o kullanıcıya özgü
olur. Bunların ötesinde algoritmanın esnekliğinin ve öğrenme yeteniğinin önem
arz ettiği bir başka durum da vardır: İnsan süreç içinde aynı kalmaz. Ufak
tefek metabolizma değişiklikleri, hastalıklar, mevsimsel değişimler ve hatta
günün hangi saatinde olduğu kişinin vücudunu ve dolayısı ile beyninin
işleyişini bazı bakımlardan değiştirir (bir memeli beyni gün içinde aynı
kalmaz; örn. sabah belli bir dozda belli bir kimyasal alıp uykuya dalan bir
sıçana aynı kimyasalı aynı dozda öğleden sonra verirseniz hiç uyumadığını görüp
şaşırabilirsiniz [8]. İşte örüntü sınıflandırma ve dönüştürme algoritmaları
aynı tema üzerine çeşitlemeler olarak görülebilecek bu değişiklerin üstesinden
gelebilmeli, bunlara karşı toleranslı olmalıdır.




Üçüncü
seviye uyarlanabilirlik ise bir hayli sofistike bilgi işleme algoritmalarını
gerektirmektedir. Bu aşamadaki uyarlama BBA sisteminin, beynin o sisteme uyum
sağladığını “fark etmesini” gerektirir. Bu ne anlama gelmektedir?
Kullanıcının beyni BBA sistemini nasıl kullanacağını öğrenirken değişmektedir
ve BBA kendisine adapte olmaya çalışan beyin ile uyum içinde çalışıp beyne
düzgün şekilde geribesleme verir, kullanıcıyı doğru bir zamanlama ile
ödüllendirirse, makina ile kullanıcı arasında güçlü bir bağlantı oluşur. Bu da
makinanın çok daha iyi bir başarım ile çalışması anlamına gelir.




Çıktı cihazı




Modern
bir BBA sisteminin çıktısı herhangi bir cihaz olabilir ama genellikle bu
cihazlar bilgisayarlar ya da bilgisayar kontrollü robotlardır. Araştırmalarda
ve deneylerde kullanıcıya geribesleme sağlamak için genellikle bir bilgisayar
monitörü ve bunun üzerindeki imleçler, ikonlar ve harf seçimleri kullanılır.




İşletim protokolü




İşletim
protokolü sistemin genel olarak davranışını ve kullanımını belirleyen kurallar
bütünüdür. Protokol sistemin ne tür bir iletişim kullanacağını, ne tür beyin
sinyallerinin analiz edileceğini ve sistem ile kullanıcı arasındaki etkileşim
şekillerini belirler.




Uzman
araştırmacıların ve BBA teknisyenlerinin hazır bulunup kullanıcıya ya da
hastaya yardımcı oldukları bir laboratuvar ortamında bu protokol çok detaylı ya
da önemli olmayabilir ama eğer BBA sistemi gerçek hayat ortamında bir hasta
tarafından tek başına kullanılacaksa ve hasta kendisi cihazı açıp kapatmak,
komut vermek zorunda ise protokol detayları had safhada önem arz eder.




Modern BBA Örnekleri




Pek
çok BBA sistemi kullandığı beyin sinyali türüne göre sınıflandırılabilir.




Bu
sınıflar şunlardır:


·       
Görsel olarak tetiklenen potansiyeller (GTP)


·       
Yavaş kortikal potansiyeller


·       
P300 tetiklenen potansiyeller


·       
Kortikal nöronlar


Görsel olarak tetiklenen potansiyeller




Görsel
olarak tetiklenen potansiyeller (GTP) hastanın oksipital korteksinin uyarılması
sonucunda oluşur. Yanıp sönen harfleri ya da benzeri görsel uyaranları gösteren
bir bilgisayar monitörü beyinde bu tür elektrik potansiyel farklılıklarına yol
açar.




Yukarıda
belirtildiği gibi 70’lerde Vidal tarafından BBA araştırmalarında kullanılan ilk
sinyal türü GTP idi. Ancak bu BBA sistemi bağımlı BBA olup hastanının az da
olsa gözünü bir yere odaklayabilmesini gerektiriyordu. Burada önemli olan nokta
dikkat seviyesi ve bakışın yöneldiği yer ile bilginin tamamen EEG ile
toplanıyor olmasıdır yani hiçbir şekilde gözün kendisi üzerinden bir ölçüm
yapılmamaktadır.




GTP
kullanan modern bir BBA sistemine örnek olarak Middendor gösterilebilir.
Kullanıcı ekrandaki düğmelerden birini bakışlarını oraya odaklayarak seçebilir
[9].




Yavaş kortikal potansiyeller




Tanıma
göre [10], yavaş kortikal potansiyel (YKP) biyoelektriksel beyin sinyalindeki
potansiyel kaymadır. Negatif YKPler genellikle kortikal etkinliğe yol açan
hareket ve benzeri işlevlerle bağlantılı iken pozitif YKPler de seviyesi düşen
kortikal etkinlikle ilgilidir. Negatif kaymalar genellikle beynin primer görsel
korteksinin görsel uyarana karşı verdiği elektriksel tepkidir.




Bu
tür sinyaller EEG verisindeki çok yavaş voltaj değişimleri olarak algılanır. Bu
değişiklikler 0.5 ile 10 saniye arasında gerçekleşir.




Yavaş
kortikal potansiyellerle ilgili en önemli nokta, insanların bunları kullanmak
üzere biyogeribesleme aracılığı ile eğitilebilmeleridir. Dolayısı ile YKPler
BBA operasyonunun temelini oluşturur. YKPleri kullanan en meşhur BBAlardan biri
“Düşünce Tercüme Cihazı”dır [11].




P300 tetiklenen potansiyeller




Tanıma
göre [12], P300 tetiklenen potansiyeli alakasız bir uyaran dizisi içine
gömülmüş dikkat çekici bir uyaran ile karşılaşan beynin yaklaşık 300 ms sonra
ürettiği pozitif potansiyeldir. Tipik bir P300 dalga formu Gauss dağılımını
andırır, yarı genişliği 150 ms olup şiddeti 100 mikrovolta kadar çıkar.




Genellikle
temiz bir P300 dalgası elde edebilmek için pek çok denemenin ortalamasını almak
gerekmektedir ve bunun sebebi de sinyalin, gürültü başına düşen sinyal oranının
düşük olmasıdır.




P300
potansiyellerini kullanan BBA sistemleri kısa süre önce ortaya çıkmıştır. Bu
sistemlerden bir tanesi Donchin’in 2000 tarihli makalesinde tarif edilmektedir
[13]. Sistemin kullanıcıları bilgisayar monitöründe yanıp sönen harflere
bakarak istedikleri harfi seçebilmektedir. Sistemin performansı dakikada
yaklaşık 1 kelime kadardır. P300 tabanlı BBA sistemlerinin avantajlarından biri
kullanıcının eğitilmesine pek gerek duyulmamasıdır yani sistem çok kısa sürede
kullanılır hale gelmektedir. Bu tür çalışmalar çok yeni olduğundan P300
BBAların kullanıcı beyninin sisteme alışmasından kötü etkilenip etkilenmeyeceği
henüz bilinmemektedir.




Normalde
insanlar uyanıkken ve belli bir şey yapmıyorken beyinleri BBA EEG sinyalleri
yayar. Bu dalgalar 8-12 Hz frekans aralığındadır. BBA ritmleri aynı aralıkta
olup BBA dalgalarındaki ufak tefek değişiklikler şeklinde kendilerini
gösterirler. Buradaki önemli nokta şudur: BBA ritmleri, kişi hafifçe
somatosensöryel veya motor korteksini hareketlendirecek şekilde bir şeye
konsantre olduğunda ortaya çıkan BBA dalgalarıdır”.
 

Ritmleri ise 18-25 Hz aralığındadır ve bunlar da istemli hareket ve etkin
odaklanma ile bağlantılıdır.




Yapılan
çalışmalarda insanların 8-12 Hz aralığındaki BBA ritmlerini ve 18-25 Hz
aralığındaki BBA ritmlerini kontrol edebildikleri ve böylece ekrandaki bir
imleci istedikleri gibi hareket ettirebildikleri görülmüştür [14].




Gerçek
ve hayal edilen hareketleri kıyaslayarak ve temel bileşen çözümlemesi (PCA -
Principle Component Analysis) kullanarak bu ritmler çözümlenmiş ve hem gerçek
hareketlerin hem de hayal edilen hareketlerin BBA ritm desenkronizasyonları ile
bağlantılı olduğu tespit edilmiştir [14].




BBA
ritmlerinden faydalanan önrk bir BBA Wolpaw’ın 2004 tarihli makalesinde detaylı
olarak tarif edilmiştir. Bu sistemde kullanıcı ekrandaki imleci iki boyutlu
olarak kontrol edip sadece “düşünerek” ve bedeninin başka hiçbir
yerindeki hareketlere dair bir şey gerçekleştirmeksizin bir bilgisayar oyununu
oynayabilmektedir [15].




Kortikal nöronlar




BBA
için daha ender kullanılan yöntemlerden biri ise müdahaleci bir yöntemdir ve bu
yöntemde beyin yüzeyine elektrodlar yerleştirilir.




Bu
şekilde tek tek nöronların eylem potansiyelleri ve ateşlenme oranları
kaydedilebilmektedir. Bu tekniği ilk kullananlardan biri 1989 tarihli çalışması
ile Kennedy olmuştur [16].




Kortikal
nöronlara müdahale ederek oluşturulan BBA sistemlerine dair diğer örnekler
Kennedy’nin 2004 tarihli çalışmasında mevcuttur [7].




Sonuç




1978
yılında Craig Thomas’ın yazdığı “Firefox” romanı Ruslar tarafından
tasarlanmış ve silah sistemleri düşünce gücü ile kontrol edilebilen bir savaş
uçağını anlatmaktadır. Pilotun giydiği kaskın içinde elektrodlar vardır ve
pilotun beyin dalgaları yorumlanıp çeşitli silahları kontrol etmek için
kullanılmaktadır [17].




Günümüzde
bu fantaziden hala epey uzağız. Mevcut BBA sistemleri en fazla 25 bit/dakika
performansındadır ve bu bile bir başarı olarak kabul edilmektedir. Hastalar bu
BBA sistemlerini kullanarak çok basit kelime işlem uygulamalarını
çalıştırabilmekte, etraflarındaki cihazları açıp kapatabilmekte, cihazları
belli bir ölçüye kadar ayarlayabilmektedirler.




BBA
sistemlerinin gelişimi uyarlanabilir dönüştürme algoritmalarının
geliştirilmesine ve beynin işleyişi hakkındaki bilgilerimizin artmasına
bağlıdır. Bilgi işleme güçleri artarken bir yandan da fiziksel boyutları düşen
bilgisayarlar BBA açısından önemli bir avantajdır çünkü bu sayede sistemleri
daha taşınabilir yapmak ve böylece BBA kullanan hastaların hareket
özgürlüklerini artırmak mümkün olmaktadır.




BBA
sistemleri daha taşınabilir hale gelip ucuzladıkça ALS gibi ağır hastalıklarla
mücadele eden hastalara yardım etmek kolaylaşacaktır.


BBA
araştırmalarının bir başka önemli noktası da kas uyarıcıları ve harekete
geçiricilerinin intrakortikal elektrodlara bağlama deneyleridir. Böylece
normalde kaslarına hükmedemeyen hasta bu yapay sistemler sayesinde de olsa bazı
kaslarını hareket ettirebilir hale gelecektir. Televizyonu açmak için
parmağınızla kumandaya basmak aynı iş için iyice konsantre olup bilgisayarınıza
emir vermeye çalışmaktan çok daha doğal bir hareket şeklidir.


Araştırmaların
fayda sağlayabileceği bir başka alan da güçlendirici teknolojilerdir. Eğer
normal bir insan sadece düşünerek bilgisayarın bazı işlemlerini kontrol
edebiliyorsa insan makina etkileşiminde yeni ve verimli ufuklar açılabilir
ancak tabii şu anda normal insan beyinlerinin günlük yaşam içinde karmaşık
cihazları kontrol etmeye nasıl uyum sağlayabileceklerine dair net bir bilgi
mevcut değil.




Yaklaşık
30 sene önce, 1977’de Vidal tarafından gerçekleştirilen BBA denemeleri ve
1978’deki Thomas’ın bilimkurgu romanı “Firefox”tan bugüne bilgisayar
ve beyin sinyalleri kaydetme ve görüntüleme teknolojileri bir hayli
gelişmiştir. Son 30 yıla bakıp gelecek 30 yıl için bir öngörüde bulunmak
gerekirse tam anlamı ile taşınabilir sistemlerin geliştirileceğini ve ağır felç
geçirmiş hastaların nerede ise hastalık öncesi kadar hareket edebilir hale
geleceklerini söyleyebiliriz. Bir yandan bunlar olurken diğer yandan
güçlendirici yan ürünler de Firefox romanında tarif edilen güce yakın ölçüde
insan bilgisayar etkileşimine yol açabilecektir.




Emre
Sevinç


Ocak
2006, İstanbul




Boğaziçi
Üniversitesi, Bilişsel Bilim Yüksek Lisans Programı, PSY




571
Psychobiology dersi için hazırlanan literatür taramasının kısaltılarak
çevrilmiş ve kısmen güncellenmiş hali.




Kaynakça




1-
Amyotrophic Lateral Sclerosis Fact Sheet, http://www.ninds.nih.gov/disorders/amyotrophiclateralsclerosis/detail


_amyotrophiclateralsclerosis.htm




2-
Wolpaw R. J., Birbaumer N., McFarland, D.J., Pfurtscheller, G., Vaughan, T.M.
(2002), “Brain-computer interfaces for communication and control”,
Clinical Neurophysiology, 113 (2002) sf. 767-791




3-
Vidal, J.J. (1973), “Toward Direct Brain-Computer Communication”,
Annual Review of Biophysics and Bioengineering, L.J. Mullins, Ed., Annual
Reviews, Inc., Palo Alto, Vol. 2, 1973, sf. 157-180.




4-
Vidal, J.J. (1977), “Real-time detection of brain events in EEG”,
IEEE Proc 1977; Vol 65-5, sf. 633-664 [Special issue on Biological Signal
Processing and Analysis].




5-
Berger H. (1929), “Uber das electrenkephalogramm des menchen”, Arch
Psychiatr Nervenkr 1929, Vol 87 sf. 527-570.




6-
Weiskopf, N., Mathiak, K., Bock S.W., Scharnowski F., Veit R., Grodd W., Goebel
R., Birbaumer N. (2004) “Principles of a brain- computer interface (BCI)
based on real-time functional magnetic resonance imaging (fMRI)”, IEEE
Trans Biomed Eng 51(6), sf. 966-970




7-
Kennedy, P.R., Kirby, M.T., Moore, M.M., King, B. and Mallory A.


(2004)
“Computer control using human intracortical local field potentials”,
IEEE Trans Neural Syst. Rehabil. Eng. 12(3), sf. 339-


344




8-
Prof. Dr. Reşit Canbeyli ile kişisel iletişim (2006).




9-
Middendorf, M., McMillan, G., Calhoun, G., Jones, K.S.


(2000),
“Brain computer interfaces based on steady-state visual evoked
response”, IEEE Trans. Rehabil. Eng. (2000); Vol 8, sf. 211-


213




10-
BCI-Info Portal for Brain-Computer Interfaces, http://www.bci-
info.tugraz.at/Members/graimann/definitions/scp




11-
Birbaumer, N., Kübler, A., Ghanayim N., Hinterberger, T., Perelmouter, J.,
Kaiser, J., Iversen, I., Kotchoubey, B., Neumann, N., Flor, H. (2000),
“The thought translation device (TTD) for completely paralyzed
patients”, IEEE Trans. Rehabil. Eng. (2000), Vol. 8, pp. 190-192




12-
BCI-Info Portal for Brain-Computer Interfaces, http://www.bci-
info.tugraz.at/Members/graimann/definitions/P300




13-
Donchin, E., Spencer, K.M., Wijesinghe, R. (2000), “The mental


prosthesis:
assessing the speed of a P300-based brain computer interface”, IEEE Trans.
Rehabil. Eng. vol. 8, pp. 174-179




14-
McFarland, D.J., Miner, L.A., Vaughan T.M., Wolpaw J.R.


(2000),
“Mu and beta rhythm topographies during motor imagery and actual
movement”, Brain Topogr. vol 12-3, sf. 177-186




15-
Wolpaw, J.R., and McFarland, D.J. (2004), “Control of a two- dimensional
movement signal by a noninvasive brain-computer interface in humans”,
Proceedings of National Academy of Sciences, Vol. 101, No. 51, sf. 17849-17854




16-
Kennedy, P.R. (1989), “The cone electrode: a long-term electrode that
records from neurites grown onto its recording surface”, J.


Neurosci.
Methods (1989), 29(3), sf. 181-193.




17-
Craig, T. (1978), “Firefox”, Harpercollins, Reissue edition (July 1,
1990)


Bir cevap yazın

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

deneme bonusu veren siteler | hd film izle | film izle | film izle | 4k film izle | bets10 giriş

cialis 5 mg viagra satın al Elektronik Sigara https://wwv.stag9000.shop http://umraniyetip.org/anadolu-yakasi/maltepe-escort/ perabet novagra satın al viagra satış