英国科学家开发可穿戴脑扫描仪:头盔不到两斤,还能订制 | Nature

2018 年 3 月 23 日 生物探索 澎湃新闻/贺梨萍

在脑肿瘤、癫痫、精神分裂症等复杂的疾病中,医生通常需要借助观察患者脑部活动来诊断病情。近年来,脑磁图(MEG)已成为一种检测脑部活动的新型技术,能将神经网络绘制成图,并且对人体无创伤。



Brain Scanner. Credit: Wellcome/Nature


本文转载自“澎湃新闻”。


不过,来自英国诺丁汉大学彼得•曼斯菲尔德爵士成像中心的Matthew Brookes博士等人认为,MEG仍然存在这诸多不足,近年来一直致力于改进MEG系统。北京时间3月22日凌晨,顶尖学术期刊《自然》(Nature)在线发表了Brookes为通讯作者的最新成果:一个可穿戴脑扫描仪原型。


脑磁图,即通过测量头皮神经电流产生的磁场获得人类脑部电生理数据,同时可以直接成像。通过对磁场的数学分析形成的三维图像,可以实时反映脑部网络。


不过,用脑磁图测量脑部活动,目前主要是通过在脑部周围放置大量的超导传感器。这些低温冷却的传感器灵敏度为fT级别,从而可以检测到人类大脑产生的微弱磁场。


论文中提到,不幸的是,冷却这一要求意味着传感器必须封装在一个真空的液氮杜瓦瓶中,和头皮也是保持距离的。因此,MEG系统非常笨重,传感器的位置也是固定在一个不能移动的通用头盔中。一旦头部相对于传感器的位置稍有变动,得到的数据质量就会显著下降,即使5毫米也动不得。



传统脑磁图设备


传统的275通道脑磁图设备,大约有900斤重,设备是固定、笨重的,被测试者相对于固定好的传感器阵列必须保持静止。


另外,在现实情况中,并不是所有的测试者头部和传感器的距离都是固定的,这也给测量带来障碍。成人的这个距离一般是3厘米,但如果被测人员的头比较小,比如婴儿等群里,那这个距离就会增加,磁场就会相应减小,导致可获得的信号变少。


因此,Brookes等人认为,MEG系统的这些特征使得该技术在包括婴儿在内的很多群体中使用都受限,使用环境要求也是极高。


如何让所有群体都适用,并且不受场合限制,这成为Brookes及其同事开发新系统原型的核心方向。



3D打印头盔


最终,研究团队开发了一种被称为OPM-MEG系统的头盔。该头盔由3D打印而成,重量仅905克,不到2斤,并且能“私人订制”,以此保证传感器(在该原型设计中仅覆盖了右感觉皮层)和每个测试者的头皮表面直接接触。被测试者戴上该头盔后,依然可以自由地进行头部活动。


论文提到,OPM-MEG系统的核心是光泵磁力仪(OPMs),这是一个依赖于碱金属原子特性的磁场传感器,灵敏度极高,可达±0.01 nT。每个传感器有一个玻璃比色槽,里面含有87Rb(铷),加热至150℃的时候会产生87Rb蒸汽。


尽管内部温度会加热升高,但传感器仍旧可以安置在头皮表面,因为它们的外部表面温度接近体温。


在第一次演示中,研究团队对测试者右感觉皮层的电生理活动进行了测试。OPM-MEG实验组中,测试者要进行12次试验,6次尽量保持静止,其余6次做一些自然的头部运动,包括点头、摇头、伸头和喝水,一台相机会负责追踪头部运动。研究团队同时还用传统的MEG技术测试了一组静态的对照实验。


在OPM-MEG实验组中,保持尽量静止时的移动范围在±1厘米之间,而头部可以运动时,范围会扩大到±10厘米。实验最终显示,即使在头部大幅度运动的情况下,这套可穿戴系统依然可以收集到高保真数据。


研究人员认为,该新系统将首次使得婴儿、儿童和有运动障碍的人群都可以直接测试其脑部活动。并且,测试者未来还可以穿戴该头盔进行社交活动等,不会受到任何影响。

End

登录查看更多
0

相关内容

IEEE国际需求工程会议是研究人员、实践者、教育工作者和学生展示和讨论需求工程学科最新创新、经验和关注点的首要国际论坛。这次会议将为学术界、政府和工业界提供一个广泛的项目,其中包括几位杰出的主旨演讲人和三天的会议,会议内容包括论文、专题讨论、海报和演示。官网链接:https://re20.org/
打怪升级!2020机器学习工程师技术路线图
专知会员服务
98+阅读 · 2020年6月3日
【Nature论文】深度网络中的梯度下降复杂度控制
专知会员服务
38+阅读 · 2020年3月9日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
Nature 一周论文导读 | 2019 年 8 月 8 日
科研圈
6+阅读 · 2019年8月18日
Nature 一周论文导读 | 2019 年 8 月 1 日
科研圈
8+阅读 · 2019年8月11日
Nature 一周论文导读 | 2019 年 6 月 27 日
科研圈
8+阅读 · 2019年7月7日
Nature 一周论文导读 | 2019 年 6 月 6 日
科研圈
7+阅读 · 2019年6月16日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
Do RNN and LSTM have Long Memory?
Arxiv
19+阅读 · 2020年6月10日
Efficient and Effective $L_0$ Feature Selection
Arxiv
5+阅读 · 2018年8月7日
Arxiv
3+阅读 · 2018年3月29日
VIP会员
相关资讯
Nature 一周论文导读 | 2019 年 8 月 8 日
科研圈
6+阅读 · 2019年8月18日
Nature 一周论文导读 | 2019 年 8 月 1 日
科研圈
8+阅读 · 2019年8月11日
Nature 一周论文导读 | 2019 年 6 月 27 日
科研圈
8+阅读 · 2019年7月7日
Nature 一周论文导读 | 2019 年 6 月 6 日
科研圈
7+阅读 · 2019年6月16日
Nature 一周论文导读 | 2019 年 5 月 30 日
科研圈
15+阅读 · 2019年6月9日
Nature 一周论文导读 | 2019 年 4 月 4 日
科研圈
7+阅读 · 2019年4月14日
Nature 一周论文导读 | 2019 年 2 月 14 日
科研圈
7+阅读 · 2019年2月24日
Nature 一周论文导读 | 2018 年 3 月 29 日
科研圈
12+阅读 · 2018年4月7日
Top
微信扫码咨询专知VIP会员