คอนโทรลเลอร์ตรวจรับข้อมูล (DAQ) แบบ PCI คืออินเตอร์เฟซที่คอยสุ่มสัญญาณชีวภาพแบบสัญญานแอนะล็อก เช่น EEG ด้วยความเร็วสูง แล้วแปลงสัญญาณเหล่านั้นให้เป็นค่าดิจิทัล และในบางการออกแบบ จะทำหน้าที่ประมวลผลดิจิทัลในขั้นตอนแรกก่อนที่ข้อมูลจะส่งไปถึงซอฟต์แวร์วิเคราะห์ด้วยซ้ำ
บทความนี้จะเน้นที่เลเยอร์ฮาร์ดแวร์นั้น โดยจะครอบคลุมถึงอัตราการสุ่มตัวอย่าง (sampling rate) ความละเอียดของแอมพลิจูด (amplitude resolution) ความหน่วงในการสื่อสารของบัส (bus communication latency) และความสามารถในการประมวลผลล่วงหน้าบนบอร์ด (onboard preprocessing)
PCI Data Acquisition and Signal Processing Controller คืออะไร?
ส่วนประกอบฮาร์ดแวร์เฉพาะทางนี้ทำหน้าที่เป็นสะพานเชื่อมที่สำคัญระหว่างส่วนประกอบภายในคอมพิวเตอร์และแหล่งสัญญาณไฟฟ้าภายนอก โดยจะแปลงกระแสข้อมูลความเร็วสูงที่จำเป็นในการคำนวณยุคใหม่ให้อยู่ในรูปแบบที่หน่วยประมวลผลกลางเข้าใจและสามารถจัดการได้อย่างมีประสิทธิภาพ
ด้วยการจัดการการไหลเวียนของพัลส์ไฟฟ้า คอนโทรลเลอร์นี้จะช่วยให้มั่นใจได้ว่าข้อมูลนำเข้าดิบที่ยังไม่ผ่านการกรองจะไม่ล้นหน่วยความจำของระบบหรือส่งผลกระทบต่อความสมบูรณ์ของข้อมูล ทำให้สามารถควบคุมได้อย่างแม่นยำในสภาพแวดล้อมการวินิจฉัยเฉพาะทางหรือในอุตสาหกรรม
ทำความเข้าใจเกี่ยวกับการรับเก็บข้อมูล (DAQ)
การรับเก็บข้อมูลเกี่ยวข้องกับกระบวนการทางวิทยาศาสตร์ในการสุ่มตัวอย่างสัญญาณจากโลกแห่งความเป็นจริงและแปลงข้อมูลเหล่านั้นให้อยู่ในรูปแบบตัวเลขที่คอมพิวเตอร์สามารถจัดเก็บและวิเคราะห์ได้
ในขอบเขตของ ประสาทวิทยาศาสตร์ กระบวนการนี้ต้องการการเก็บข้อมูลที่มีความเที่ยงตรงสูงของการกวัดแกว่งของแรงดันไฟฟ้าที่ละเอียดอ่อนอย่างยิ่ง บอร์ดสั่งการเฉพาะหรือระบบย่อยที่รวมเข้าด้วยกันจะทำหน้าที่นี้โดยการสุ่มตัวอย่างข้อมูลนำเข้าตามช่วงความถี่สูงเฉพาะเจาะจง เพื่อให้มั่นใจได้ว่าข้อมูลที่เก็บได้นั้นสะท้อนถึงกิจกรรมทางไฟฟ้าดั้งเดิมอย่างถูกต้องโดยไม่ทำให้เกิดสัญญาณรบกวนหรือความผิดเพี้ยนที่สำคัญ
ทำความเข้าใจเกี่ยวกับการประมวลผลสัญญาณ
การประมวลผลสัญญาณ ครอบคลุมการดำเนินการทางคณิตศาสตร์และการคำนวณที่ใช้กับข้อมูลดิบที่ได้รับเพื่อดึงรูปแบบที่มีความหมายหรือลดสิ่งแปลกปลอมที่ไม่ต้องการ เมื่อสัญญาณถูกแปลงเป็นดิจิทัลแล้ว คอนโทรลเลอร์หรือซอฟต์แวร์ที่เกี่ยวข้องอาจใช้ตัวกรองเพื่อขจัดสัญญาณรบกวนทางไฟฟ้าออกไป
ขั้นตอนนี้มีความสำคัญอย่างยิ่งต่อความชัดเจนของ EEG เนื่องจากเป็นการแยกกิจกรรมของสมองที่แท้จริงออกจากสัญญาณรบกวนรอบข้างในสิ่งแวดล้อม ซึ่งจะช่วยเพิ่มความสามารถในการตีความผลลัพธ์สำหรับแพทย์และนักวิจัย
บทบาทของอินเทอร์เฟซ PCI
เทคโนโลยี Peripheral Component Interconnect (PCI) มอบเส้นทางการสื่อสารความเร็วสูงที่เป็นมาตรฐานระหว่างฮาร์ดแวร์ต่อพ่วงและเมนบอร์ดของคอมพิวเตอร์ สถาปัตยกรรมบัสนี้ช่วยให้มั่นใจเรื่องความหน่วงต่ำและแบนด์วิดท์สูง ซึ่งเป็นข้อกำหนดที่ไม่สามารถต่อรองได้สำหรับระบบที่ต้องจัดการกับข้อมูลไฟฟ้าที่เข้ามาในปริมาณมาก
ด้วยการเปิดให้เข้าถึงหน่วยความจำระบบและสถาปัตยกรรมการประมวลผลโดยตรง อินเทอร์เฟซ PCI จึงช่วยลดความล่าช้าที่อาจขัดขวางการวิเคราะห์อย่างรวดเร็วที่จำเป็นในแอปพลิเคชันการตรวจสอบแบบเรียลไทม์
วิธีการที่ PCI DAQ Controller แปลงสัญญาณสมองแบบอนาล็อกเป็นข้อมูลดิจิทัล
สัญญาณประสาทที่บันทึกได้ตรงบริเวณหนังศีรษะนั้นมีขนาดเล็กมาก การกวัดแกว่งของแรงดันไฟฟ้า EEG อยู่ในระดับไมโครโวลต์ ซึ่งเล็กกว่าแรงดันไฟฟ้าที่วิ่งผ่านแบตเตอรี่ในครัวเรือนหลายพันเท่า
ก่อนที่สัญญาณเหล่านั้นจะกลายเป็นข้อมูลที่ใช้งานได้ มันจะต้องได้รับการขยายสัญญาณ กรองเพื่อขจัดสัญญาณรบกวนที่เห็นได้ชัดเจน จากนั้นจึงแปลงเป็นดิจิทัล ซึ่งหมายความว่าเป็นการเปลี่ยนจากแรงดันไฟฟ้าที่แปรผันอย่างต่อเนื่องให้เป็นชุดของค่าตัวเลขที่ไม่ต่อเนื่องกันซึ่งคอมพิวเตอร์สามารถจัดเก็บและจัดการได้
สล็อต PCI ช่วยให้การ์ดรับเก็บข้อมูลมีเส้นทางเข้าสู่ระบบบัสภายในของคอมพิวเตอร์โดยตรงและมีความเร็วสูง ซึ่งเป็นชุดของเส้นทางไฟฟ้าที่ชิปเซ็ตใช้ในการย้ายข้อมูลระหว่างส่วนประกอบต่าง ๆ วิธีนี้แตกต่างจากการเสียบเครื่องบันทึกแบบภายนอกผ่านพอร์ต USB หรือแบบที่ใช้สาย LAN ซึ่งต้องจัดแพ็กเกจข้อมูลเป็นแบบแพ็กเก็ตซีเรียลและส่งผ่านเลเยอร์ซอฟต์แวร์เพิ่มเติมก่อนที่จะไปถึงหน่วยความจำ เส้นทาง PCI เป็นที่อ้างกันโดยทั่วไปว่าช่วยลดความไม่แน่นอนของเวลาล่าช้า (Timing Jitter) รวมถึงความล่าช้าเล็ก ๆ น้อย ๆ ที่คาดเดาไม่ได้เมื่อมีการประทับเวลาและจัดเก็บข้อมูลตัวอย่างแต่ละตัวจริง ๆ เนื่องจากข้อมูลเคลื่อนที่โดยมีการส่งผ่านซอฟต์แวร์ที่น้อยกว่า
ส่วนข้อได้เปรียบทางทฤษฎีนั้นจะแปลไปเป็นความแตกต่างที่วัดได้เสมอหรือไม่เป็นอีกคำถามหนึ่ง ตัวอย่างเช่น การศึกษาในปี 2020 อธิบายถึง OpBox ซึ่งเป็นระบบรับเก็บข้อมูลแบบโอเพ่นซอร์สที่ใช้ส่วนประกอบมาตรฐานทั่วไปและอินเทอร์เฟซที่ใช้ MATLAB เพื่อบันทึก EEG และ EMG พร้อมกันจากสัตว์ทดลองประเภทฟันแทะหลายตัว เมื่อเปรียบเทียบโดยตรงกับเครื่องขยายสัญญาณเชิงพาณิชย์สองเครื่อง OpBox ทำงานได้เทียบเคียงกันในเรื่องอัตราส่วนสัญญาณต่อสัญญาณรบกวน, ค่าสัญญาณรบกวนขั้นต่ำ (Noise Floor) และอัตราร่วมของการกำจัดสัญญาณรบกวน (มาตรวัดว่าระบบสามารถยกเลิกสัญญาณรบกวนทางไฟฟ้าที่ส่งผลต่อทุกช่องสัญญาณเท่า ๆ กันได้ดีเพียงใด)
นี่เป็นข้อมูลที่มีประโยชน์อย่างยิ่งเพราะแสดงให้เห็นว่าฮาร์ดแวร์สำหรับรับเก็บข้อมูลที่ได้รับการออกแบบอย่างประณีตสามารถเข้าถึงคุณภาพระดับห้องปฏิบัติการได้โดยไม่ต้องพึ่งพาการตรวจสอบความถูกต้องเฉพาะของ PCI ที่มีกรรมสิทธิ์ กล่าวอีกนัยหนึ่งคือ การแปลงจากอนาล็อกเป็นดิจิทัลสามารถดำเนินการได้เป็นอย่างดีผ่านเส้นทางสถาปัตยกรรมมากกว่าหนึ่งเส้นทาง
อัตราการสุ่มตัวอย่าง: การจับไดนามิกสมองที่รวดเร็ว
อัตราการสุ่มตัวอย่างอธิบายถึงจำนวนครั้งต่อวินาทีที่คอนโทรลเลอร์ DAQ ทำการวัดแรงดันไฟฟ้าที่เข้ามาและบันทึกไว้เป็นตัวเลข
เกณฑ์ Nyquist ซึ่งเป็นหลักการพื้นฐานในการประมวลผลสัญญาณ กำหนดไว้ว่าในการจับสัญญาณอย่างถูกต้องโดยไม่มีความผิดเพี้ยน อัตราการสุ่มตัวอย่างจะต้องมีความถี่อย่างน้อยสองเท่าของการแกว่งที่เร็วที่สุดของสัญญาณที่เราสนใจ หากสุ่มตัวอย่างสัญญาณต่ำเกินไป คุณก็จะเกิด Aliasing ซึ่งเป็นการกวัดแกว่งอย่างรวดเร็วที่แสดงภาพไม่ถูกต้องกลายเป็นรูปแบบเท็จที่ช้ากว่าในข้อมูลที่บันทึกไว้
กิจกรรม EEG ส่วนใหญ่ที่น่าสนใจสำหรับการวิจัยจะอยู่ต่ำกว่า 100 Hz แม้แต่งานเฉพาะทางบางอย่างจะมองหาการกวัดแกว่งที่มีความถี่สูงกว่า ในทางปฏิบัติ อัตราการสุ่มตัวอย่างระหว่าง 250 ถึง 1000 ตัวอย่างต่อวินาทีถือเป็นมาตรฐานใน ระบบ EEG ระดับการวิจัย อัตราการสุ่มตัวอย่างที่สูงขึ้นโดยทั่วไปจะอ้างว่ารักษาเหตุการณ์ชั่วคราวที่รวดเร็วและจังหวะที่มีความถี่สูงได้ดีกว่า เนื่องจากกระแสตัวอย่างที่หนาแน่นขึ้นช่วยลดโอกาสที่ข้อมูลจะตกหล่นระหว่างจุดวัด
ความละเอียดแอมพลิจูด: ความละเอียดในการวัดแรงดันไฟฟ้า
อัตราการสุ่มตัวอย่างเป็นตัวควบคุมเรื่องเวลา ส่วนความละเอียดจะเป็นตัวควบคุมระดับความละเอียดในการวัดค่าแรงดันไฟฟ้าของตัวอย่างแต่ละตัว
ตัวแปลงสัญญาณอนาล็อกเป็นดิจิทัลที่มีความลึกของบิต (Bit-depth) เท่ากับ N จะแบ่งช่วงแรงดันไฟฟ้าทั้งหมดที่สามารถวัดได้ออกเป็นขั้น ๆ ที่ไม่ต่อเนื่องกันจำนวน 2^N ขั้น เครื่องแปลงขนาด 16 บิตจะมีระดับที่เป็นไปได้ 65,536 ระดับ และเครื่องแปลงขนาด 24 บิต จะให้ระดับที่เป็นไปได้มากกว่า 16 ล้านระดับ การ์ดรับเก็บข้อมูล EEG ทั่วไปจะใช้หนึ่งในสองมาตรฐานนี้
นอกจากนี้ ความละเอียดที่สูงขึ้นยังช่วยลดสัญญาณรบกวนจากการควอนไทซ์ (Quantization Noise ซึ่งเป็นข้อผิดพลาดจากการปัดเศษเล็กน้อยที่เกิดขึ้นเมื่อใดก็ตามที่สัญญาณต่อเนื่องถูกบังคับให้อยู่ในขั้นตอนที่ไม่ต่อเนื่องกันในจำนวนที่กำหนด) สิ่งนี้มีความเกี่ยวข้องโดยเฉพาะอย่างยิ่งเมื่อการบันทึกประกอบด้วยทั้งการเปลี่ยนแปลงแรงดันไฟฟ้าพื้นฐานขนาดใหญ่และคุณลักษณะของสัญญาณขนาดเล็กที่มีความหมายอยู่ด้านบน เนื่องจากความละเอียดที่สูงขึ้นจะช่วยรักษาทัศนศาสตร์ของรายละเอียดเล็ก ๆ เหล่านั้นโดยไม่ถูกกลืนหายไปด้วยข้อผิดพลาดในการปัดเศษ
อย่างไรก็ดี ประโยชน์ในทางปฏิบัติของความละเอียดที่สูงขึ้นในงาน EEG ทั่วไปก็ยังคงเป็นที่ถกเถียงกัน เนื่องจากแหล่งที่มาหลักของสัญญาณรบกวนในการบันทึกจริงมักมาจากสรีรวิทยา (กิจกรรมของกล้ามเนื้อ, การเคลื่อนไหวของดวงตา) หรือจากสิ่งแวดล้อม (สัญญาณรบกวนทางไฟฟ้าจากอุปกรณ์ใกล้เคียง) มากกว่าที่จะเป็นข้อจำกัดของตัวแปลงสัญญาณเอง
การศึกษาโดย Juárez-Aguirre และคณะ ได้นำเสนอภาพตัวอย่างที่เกี่ยวข้องแม้ว่าจะเป็นทางอ้อมก็ตาม โดยอธิบายถึงการ์ด DAQ ที่จับคู่กับการกรองสัญญาณดิจิทัลเพื่อดึงข้อมูลแผนภาพแม่เหล็กจากการหายใจ (Respiratory Magnetograms) จากเซ็นเซอร์สนามแม่เหล็กที่ใช้เทคโนโลยี MEMS ซึ่งสร้างเส้นสัญญาณที่คล้ายกับการบันทึก EMG
สิ่งนี้แสดงให้เห็นว่าความละเอียดที่เพียงพอเมื่อรวมเข้ากับการกรองที่เหมาะสม จะสามารถดึงรายละเอียดทางสรีรวิทยาที่มีความหมายจากสัญญาณชีวภาพที่อ่อนแอได้สำเร็จ
การสื่อสารผ่านบัสและความหน่วง: เหตุใดอินเทอร์เฟซ PCI จึงมีความสำคัญ
บัส PCI ทำงานเป็นช่องทางการสื่อสารแบบขนานที่มีแบนด์วิดท์สูงและความหน่วงต่ำซึ่งอยู่ภายใต้การควบคุมโดยตรงของชิปเซ็ตของคอมพิวเตอร์ ตรงกันข้ามกับโปรโตคอลอนุกรมอย่าง USB หรือ Ethernet ซึ่งปกติจะเก็บข้อมูลไว้ชั่วคราว (บัฟเฟอร์ข้อมูล) ซึ่งหมายความว่าพาสัญญาณตัวอย่างกลุ่มย่อยไปไว้ชั่วขณะก่อนที่จะส่ง ส่งผลให้เกิดความล่าช้าที่อาจจะสั้นแต่ยากต่อการคาดเดา
ในการทดลองแบบวงรอบปิด (Closed-loop) ที่ต้องส่งสัญญาณกระตุ้นหรือสัญญาณแก้ไขภายในเวลาไม่กี่มิลลิวินาทีหลังจากตรวจพบเหตุการณ์เฉพาะในสมอง ความล่าช้าที่คาดเดาไม่ได้ชนิดนี้สามารถทำลายประสิทธิภาพการทำงานของโครงร่างการทดลองทั้งหมดได้
ความหน่วงที่ต่ำและสามารถกำหนดได้แน่นอน (ความล่าช้าที่ทั้งสั้นและสม่ำเสมอ แทนที่จะแปรปรวน) มักถูกอ้างถึงโดยผู้ผลิตฮาร์ดแวร์และนักวิจัยว่าเป็นโครงสร้างพื้นฐานที่จำเป็นสำหรับงานประเภทนี้ การศึกษาที่ทดสอบแพลตฟอร์ม RTXI ระบุว่าระบบถูกสร้างขึ้นมาอย่างชัดเจนเพื่อให้บรรลุการควบคุมแบบวงรอบปิดในระดับ “ฮาร์ดเรียลไทม์” ซึ่งเป็นประเภทการออกแบบระบบที่หากตอบสนองพลาดไปจากเวลาที่กำหนดจะถือว่าเป็นระดับล้มเหลวไม่ใช่ปัญหาเล็กน้อย สถาปัตยกรรมของมันอนุมานว่าฮาร์ดแวร์ DAQ ที่ป้อนข้อมูลสามารถส่งมอบตัวอย่างด้วยความล่าช้าที่น้อยที่สุดและสามารถคาดเดาได้
นอกจากนี้ งานวิจัยปี 2013 ได้ให้ตัวอย่างการทำงานของระบบวงรอบปิดที่นำไปใช้งานจริง: ส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์บนพื้นฐานของ SSVEP แบบมีตัวช่วย (Assisted SSVEP-based BCI) ที่ปรับเปลี่ยนความถี่การกะพริบของสิ่งเร้าแบบเรียลไทม์ตามการตอบสนองของสมองอย่างต่อเนื่องของผู้เข้ารับการทดลอง รูปแบบการทดลองนี้มีประสิทธิภาพเหนือกว่ากระบวนทัศน์การควบคุมแบบดั้งเดิมที่ไม่มีการปรับเปลี่ยนอย่างมีนัยสำคัญในการทดสอบกับกลุ่มตัวอย่าง 18 ราย
การประมวลผลล่วงหน้าแบบเรียลไทม์บนคอนโทรลเลอร์
บอร์ด PCI DAQ บางรุ่นประกอบด้วยตัวประมวลผลสัญญาณดิจิทัลออนบอร์ด (DSP) หรือ Field-Programmable Gate Arrays (FPGA) ซึ่งเป็นชิปเฉพาะทางที่สามารถทำการกรอง, การลดทอน (การลดอัตราการสุ่มตัวอย่างลงหลังจากจับข้อมูลความเร็วสูงเริ่มต้น), หรือการแยกคุณสมบัติพื้นฐานได้โดยตรงจากการ์ด ก่อนที่ข้อมูลจะไปถึงหน่วยประมวลผลหลักของคอมพิวเตอร์แม่ข่าย
ข้อได้เปรียบที่กล่าวอ้างมีสองประการคือ การลดภาระงานของ CPU โฮสต์ และการกระชับเวลาของระบบวงรอบปิดด้วยการจัดการการคำนวณง่าย ๆ ให้ใกล้เคียงกับจุดที่เก็บรวบรวมข้อมูล
งานศึกษาที่เผยแพร่ในวารสาร Computational and Mathematical Methods in Medicine เสนอการสาธิตอย่างเป็นรูปธรรมถึงความเป็นไปได้ของการประมวลผลดิจิทัลแบบเรียลไทม์ แม้ว่าจะอยู่ในระดับซอฟต์แวร์ของโฮสต์แทนที่จะอยู่บนชิปออนบอร์ดโดยเฉพาะก็ตาม
นักวิจัยได้สร้างระบบสเปกโทรสโกปีอินฟราเรดย่านใกล้ (fNIRS) ที่อิงตามอุปกรณ์ DAQ ซึ่งเป็นวิธีการสร้างภาพระบบประสาทที่ติดตามการเปลี่ยนแปลงออกซิเจนในเลือดที่เชื่อมโยงกับกิจกรรมของสมองโดยใช้แสงแทนที่จะเป็นสัญญาณไฟฟ้า ระบบใช้กระบวนการ Demodulation แบบดิจิทัลในระยะและรูปแบบ Quadrature ซึ่งเป็นเทคนิคการประมวลผลสัญญาณเพื่อแยกสัญญาณแหล่งแสงที่ซ้อนทับกัน โดยใช้งานผ่านซอฟต์แวร์ LabVIEW
เมื่อวัดเทียบกับเครื่อง fNIRS เชิงพาณิชย์ในระหว่างการทดสอบภาวะความเครียดทางสรีรวิทยา (การทดสอบด้วยวิธี Valsalva Maneuver) ผลลัพธ์ของระบบที่พัฒนาขึ้นใหม่นี้มีความสัมพันธ์อย่างมากกับอุปกรณ์เชิงพาณิชย์: r \= 0.92 สำหรับความยาวคลื่นที่ต่ำกว่า และ r \= 0.84 สำหรับความยาวคลื่นที่สูงกว่า ทั้งคู่มีนัยสำคัญทางสถิติ (P \< 0.01) ในการทดสอบคำนวณเลขในใจแยกต่างหาก ระบบตรวจพบการทำงานอย่างมีนัยสำคัญในบริเวณคอร์เท็กซ์กลีบหน้าผากส่วนหน้าในผู้เข้าร่วมการทดลองส่วนใหญ่จากทั้งหมดเก้าคน
นอกจากนี้ ระบบเซ็นเซอร์สนามแม่เหล็กของ Juárez-Aguirre ยังทำหน้าที่กรองสัญญาณตอบสนองอิมพัลส์แบบไม่จำกัดทางดิจิทัล (IIR) ในแบบเดียวกัน ซึ่งเป็นการออกแบบตัวกรองมาตรฐานที่ดำเนินการผ่าน "การจำลองระบบเครื่องมือวัดด้วยโปรแกรมซอฟต์แวร์" เพื่อยับยั้งสัญญาณรบกวนแม่เหล็กไฟฟ้าในแบบเรียลไทม์และสร้างเส้นสัญญาณทางสรีรวิทยาที่สะอาดหมดจด
การศึกษาทั้งสองยืนยันว่าการประมวลผลดิจิทัลแบบเรียลไทม์ที่ทำงานผ่านฮาร์ดแวร์ DAQ มาตรฐานและซอฟต์แวร์โฮสต์ สามารถเลียนแบบหรือเข้าใกล้ประสิทธิภาพในระดับเกรดเชิงพาณิชย์ได้
บทสรุป: ห่วงโซ่การรับสัญญาณ EEG ทั่วไป
เส้นทางสัญญาณแบบเต็มผ่านระบบนี้โดยปกติจะทำงานดังนี้:
อิเล็กโทรดทำหน้าที่เก็บสัญญาณในระดับไมโครโวลต์ เครื่องขยายสัญญาณจะเพิ่มระดับสัญญาณที่อ่อนแอให้มาอยู่ในจุดที่สามารถวัดได้
ตัวกรองต้านการเกิด Aliasing จะกำจัดความถี่ส่วนที่เกินขีดจำกัด Nyquist ออกไปเพื่อป้องกันไม่ให้เกิดความคลาดเคลื่อนในขั้นตอนแปลงเป็นดิจิทัล
PCI DAQ Controller จะแปลงสัญญาณอนาล็อกที่ต่อเนื่องกันให้เป็นค่าตัวเลขตามอัตราการสุ่มตัวอย่างที่กำหนดและช่วงระดับความลึกของบิต
ระบบ DSP หรือ FPGA ออนบอร์ดที่เป็นตัวเลือกเพิ่มสามารถประมวลผลก่อนแบบเรียลไทม์ได้ เช่น การกรองหรือการดึงคุณสมบัติเด่น ก่อนที่ข้อมูลจะไปถึงโฮสต์
ข้อมูลจะเคลื่อนที่ผ่านการเข้าถึงหน่วยความจำโดยตรงข้ามบัส PCI เข้าสู่หน่วยความจำของคอมพิวเตอร์โฮสต์ จากนั้นซอฟต์แวร์วิเคราะห์ต่อยอดจะทำหน้าที่ประมวลผลต่อ
เหตุใดฮาร์ดแวร์ PCI ถึงยังคงเป็นสมมติฐาน ไม่ใช่สิ่งรับประกัน
ตัวเก็บข้อมูล PCI และตัวควบคุมการประมวลผลสัญญาณทำหน้าที่เสมือนเครื่องยนต์ที่แปลงสัญญาณสมองแบบอนาล็อกที่เปราะบางให้เป็นกระแสข้อมูลดิจิทัลที่เสถียร ข้อกำหนดหลักอย่างอัตราการสุ่มตัวอย่าง, ความลึกของบิต, ความหน่วงของบัส และความสามารถในการประมวลผลออนบอร์ด ถือเป็นโครงสร้างทางกายภาพที่การวิเคราะห์ EEG ในทุกขั้นตอนถัดไปและเทคโนโลยีประสาทวงรอบปิดต้องนำไปพึ่งพา
การศึกษาที่ทบทวนในที่นี้ยืนยันว่าระบบที่ใช้เทคโนโลยี DAQ สามารถบันทึกข้อมูลคุณภาพสูงได้สำเร็จ ดังที่เห็นได้จากประสิทธิภาพการขยายสัญญาณของ OpBox และความสัมพันธ์อย่างแข็งแกร่งของระบบ fNIRS กับอุปกรณ์เชิงพาณิชย์ ตลอดจนสามารถสนับสนุนการทดลองแบบเรียลไทม์ที่ตอบสนองได้ว่องไว ดังที่เห็นได้จากสถาปัตยกรรมวงรอบปิดของ RTXI และประสิทธิภาพที่ดีขึ้นของระบบปรับแต่งกระตุ้น SSVEP-BCI เหนือกว่าแนวทางคลาสสิก อย่างไรก็ตาม ยังไม่มีงานวิจัยใดในกลุ่มนี้ที่ทดสอบโดยตรงถึงข้อได้เปรียบส่วนต่างที่เพิ่มขึ้นเฉพาะของสถาปัตยกรรมบัส PCI เมื่อเทียบกับอินเทอร์เฟซแบบอื่น ๆ เช่น ตัวเก็บข้อมูลที่ใช้สาย USB หรืออินเทอร์เน็ต
สำหรับผู้ที่เริ่มศึกษาหัวข้อนี้เป็นครั้งแรก บทเรียนเชิงปฏิบัติคือความเชื่อมั่นที่ผ่านการประเมินแล้ว คอนโทรลเลอร์ PCI เป็นเทคโนโลยีที่เปิดโอกาสให้เกิดการใช้งานได้จริงเบื้องหลังการวิจัยสรีรวิทยาไฟฟ้าสมัยใหม่และแอปพลิเคชันที่ใช้ EEG ถึงกระนั้น ข้อได้เปรียบเฉพาะตัวของมันควรได้รับการปฏิบัติเสมือนสมมติฐานทางวิศวกรรมที่ใช้เป็นแนวทางในทางเลือกการออกแบบที่เหมาะสม ไม่ใช่ถือข้อเท็จจริงที่ยุติแล้วเสร็จสิ้น
การเติมเต็มช่องว่างนั้นจำเป็นต้องมีการศึกษาที่แยกตัวแปรฮาร์ดแวร์แต่ละรายการออกมาทดสอบโดยตรง มากกว่าการประเมินภาพรวมของทั้งระบบพร้อม ๆ กัน
ความเที่ยงตรงของฮาร์ดแวร์ช่วยสนับสนุนการทำความเข้าใจที่สมบูรณ์เกี่ยวกับสมองได้อย่างไร
การทำงานอย่างเงียบเชียบของคอนโทรลเลอร์ PCI เผยให้เห็นความจริงที่สำคัญในการวัดคลื่นสมอง: ความละเอียดสมบูรณ์ของภาพสุดท้ายขึ้นอยู่กับความซื่อตรงของการแปลข้อมูลตั้งแต่แรกเริ่มจากชีววิทยาสู่อุปกรณ์ดิจิทัลโดยตรง
อัตราการสุ่มตัวอย่างที่สูงและความละเอียดของแรงดันไฟฟ้าที่ประณีตทำหน้าที่เสมือนโครงสร้างที่ยอมให้จังหวะความถี่ที่รวดเร็วและสัญญาณขนาดจิ๋วคงภาพข้ามผ่านขั้นตอนการแปลงจากหนังศีรษะสู่หน้าจอ ซึ่งหมายความว่านักวิจัยสามารถไว้วางใจได้ว่าข้อมูลที่นำมาวิเคราะห์ยังคงสะท้อนถึงเนื้อแท้ของการทำงานของประสาทที่แท้จริง ยิ่งไปกว่านั้น การเชื่อมต่อกับบัสโดยตรงยังมีส่วนช่วยลดความล่าช้าที่คาดเดาไม่ได้ซึ่งอาจส่งผลให้เส้นแบ่งเวลาของความคิดเลือนราง ตัวเลือกฮาร์ดแวร์เหล่านี้ถือเป็นระบบสนับสนุนรากฐานที่สำคัญ ช่วยยกระดับสัญญาณดิบที่เปราะบางให้กลายเป็นฐานกระแสข้อมูลที่เสถียรสำหรับเป็นฐานให้การศึกษางานที่ซับซ้อนดำเนินต่อไปได้อย่างปลอดภัย
สิ่งที่มอบ Insight สำคัญยิ่งกว่าคือความจริงที่ว่า ข้อมูลสมองชั้นยอดสามารถเกิดขึ้นได้ผ่านปรัชญาการออกแบบที่มากกว่าหนึ่งวิธี ดังจะเห็นได้จากระบบโอเพ่นซอร์สที่สามารถบรรลุมาตรฐานเปรียบเทียบระดับเดียวกับชุดอุปกรณ์เชิงพาณิชย์ได้โดยไม่ต้องพึ่งพาฮาร์ดแวร์ลิขสิทธิ์ของบริษัทใดบริษัทหนึ่ง สิ่งนี้เปลี่ยนบทสนทนาจากการมุ่งเน้นไปที่ส่วนประกอบใดส่วนประกอบหนึ่งที่เหนือกว่าไปสู่ความซาบซึ้งใจในภาพกว้างเกี่ยวกับจริยธรรมการออกแบบเชิงวิศวกรรมที่ทุกส่วนในห่วงโซ่สอดประสานกันเพื่อรักษาความน่าเชื่อถือในโครงสร้างเดิมของสัญญาณ
สำหรับโลกกว้างด้านสุขภาพและศักยภาพของมนุษย์ สิ่งนี้บ่งชี้ว่าการขยายโอกาสการเข้าถึงเทคโนโลยีระบบประสาทที่เชื่อถือได้เป็นเรื่องของการปรับใช้กลยุทธ์การออปติไมซ์เชิงปฏิบัติ ไม่ใช่เรื่องของการยึดติดใช้วิธีและเส้นทางจากฮาร์ดแวร์แบบใดแบบหนึ่งแต่เพียงผู้เดียว ดังนั้น ประสิทธิภาพของคอนโทรลเลอร์จึงไม่ใช่คำตอบสุดท้ายเสียทีเดียว แต่เป็นเส้นทางเชื่อมที่สำคัญซึ่งช่วยสนับสนุนให้เราได้ทำความเข้าใจระบบสื่อสารที่ซับซ้อนที่สุดในร่างกายมนุษย์
เอกสารอ้างอิง
Kimchi, E. Y., Coughlin, B. F., Shanahan, B. E., Piantoni, G., Pezaris, J., & Cash, S. S. (2020). OpBox: Open source tools for simultaneous EEG and EMG acquisition from multiple subjects. Eneuro, 7(5). https://doi.org/10.1523/ENEURO.0212-20.2020
Juárez-Aguirre, R., Domínguez-Nicolás, S. M., Manjarrez, E., Tapia, J. A., Figueras, E., Vázquez-Leal, H., ... & Herrera-May, A. L. (2013). Digital signal processing by virtual instrumentation of a MEMS magnetic field sensor for biomedical applications. Sensors, 13(11), 15068-15084. https://doi.org/10.3390/s131115068
Patel, Y. A., George, A., Dorval, A. D., White, J. A., Christini, D. J., & Butera, R. J. (2017). Hard real-time closed-loop electrophysiology with the Real-Time eXperiment Interface (RTXI). PLoS computational biology, 13(5), e1005430. https://doi.org/10.1371/journal.pcbi.1005430
Fernandez-Vargas, J., Pfaff, H. U., Rodríguez, F. B., & Varona, P. (2013). Assisted closed-loop optimization of SSVEP-BCI efficiency. Frontiers in neural circuits, 7, 27. https://doi.org/10.3389/fncir.2013.00027
Xu, G., Li, X., Li, D., & Liu, X. (2014). A DAQ-device-based continuous wave near-infrared spectroscopy system for measuring human functional brain activity. Computational and mathematical methods in medicine, 2014, 107320. https://doi.org/10.1155/2014/107320
คำถามที่พบบ่อย
ตัวควบคุมการรับข้อมูล PCI ทำหน้าที่อะไร?
ทำหน้าที่สุ่มสัญญาณคลื่นสมองในแบบอนาล็อก เช่น EEG ด้วยความเร็วสูงแล้วแปลงเป็นข้อมูลในรูปตัวเลขดิจิทัล และยังสามารถทำขั้นตอนการประมวลผลแบบดิจิทัลเบื้องต้นได้ก่อนที่ข้อมูลจะถูกส่งต่อไปยังซอฟต์แวร์วิเคราะห์หลัก
ทำไมควรเลือกช่องทางส่งต่อสัญญาณแบบ PCI แทนที่จะส่งต่อทาง USB หรือสาย LAN ทั่วไปในการบันทึกข้อมูลสมอง?
สล็อต PCI มอบเส้นทางเชื่อมต่อความเร็วสูงโดยตรงภายในตัวบัสของเครื่องคอมพิวเตอร์ ซึ่งสามารถช่วยลดความล่าช้าในเชิงเวลาและความเสี่ยงการหน่วงแบบที่คาดการณ์ไม่ได้ลงไปได้ ซึ่งเรื่องนี้จะกลายเป็นสิ่งสำคัญเป็นพิเศษกับชุดทดลองที่ต้องการปฏิกิริยาการทำงานที่เรียลไทม์และแม่นยำสูง
อัตราสุ่มตัวอย่าง (Sampling rate) ส่งผลอย่างไรเกี่ยวกับคุณภาพข้อมูลคลื่นสมอง EEG?
อัตราสุ่มตัวอย่างเป็นเกณฑ์กำหนดว่าข้อมูลแรงดันไฟฟ้าจะถูกวัดบ่อยแค่ไหน ค่าอัตราการสุ่มตัวอย่างที่ไม่เพียงพอสามารถทำให้ข้อมูลความถี่สูงที่มีระลอกเร็วถูกแปรสภาพรูปจนผิดส่วนกลายเป็นภาพเสมือนของรูปแบบที่ช้ากว่าไปได้ ในงานวิจัย EEG ทั่วไปมักเลือกใช้อัตราสุ่มตัวอย่างตั้งแต่ 250 ไปจนถึง 1000 หน่วยตัวอย่างต่อวินาทีขึ้นไป เพื่อให้ครอบคลุมการจับข้อมูลจังหวะคลื่นสมองที่เกี่ยวโยงทั้งหมด
ความละเอียดแอมพลิจูด (Amplitude resolution) คืออะไร และทำไมระดับความลึกของบิต (Bit-depth) ถึงมีความสำคัญ?
ความละเอียดแอมพลิจูดบ่งชี้ถึงความละเอียดที่ระดับแรงดันไฟของตัวอย่างในแต่ละช่วงถูกกำหนดให้อยู่ในขั้นตอนที่ไม่ต่อเนื่องกัน ซึ่งจะขึ้นอยู่กับขอบเขตจำกัดความลึกของบิต ระดับค่าความลึกของบิตที่สูงจะช่วยจำกัดสัญญาณรบกวนในกลุ่ม Quantization Noise ลงไป แต่อย่างไรก็ตาม ผลการบันทึกในหน้างานจริงก็มักจะได้ข้อจำกัดเชิงสิ่งแวดล้อมและรบกวนด้านสรีระร่วมส่วนใหญ่ในปริมาณที่มากกว่า
ความหน่วงของบัสส่งผลอย่างไรบ้างเกี่ยวกับประสิทธิภาพของ BCI (ส่วนต่อประสานระหว่างสมองกับคอมพิวเตอร์) ในระบบวงรอบปิด?
ความเหนี่ยวนำความหน่วงที่ต่ำและเป็นระบบที่คาดหมายระยะได้นั้นช่วยรับประกันให้ระบบรอบข้างต่าง ๆ สามารถมีปฏิกิริยากระตุ้นกลับได้ภายในระยะหน่วยมิลลิวินาทีหลังเกิดปรากฏการณ์ความเคลื่อนไหวทางประสาท ซึ่งถือว่าจำเป็นมากกับระบบเรียลไทม์เพื่อสะท้อนผลย้อนกลับ โครงสร้างช่องทางโดยตรงของระบบ PCI จึงช่วยเลี่ยงความเสี่ยงจากความแปรผัันของการดีเลย์ได้ดีกว่ากรณีของการเชื่อมต่อผ่านช่องทางพอร์ตอนุกรมแบบที่มีตัวบัฟเฟอร์สัญญาณคั่นกลาง
ระบบคอนโทรลเลอร์ PCI สามารถดำเนินการแปลงสัญญาณต่าง ๆ ในแบบเรียลไทม์ได้ดี ณ ตัวบอร์ดการ์ดโดยตรงเลยหรือไม่?
การ์ดตัวแปลงสารสนเทศบางชุดมาพร้อมกลุ่มชิปหน่วยประมวลผลออนบอร์ดหรือ FPGA ในตัวซึ่งยอมให้ทำหน้าที่กรองคัดแยกหรือประมวลหารูปลักษณ์ข้อมูลได้โดยตรงทันที ทำให้ชูกำลังทดลดภาระที่อาจไปโหลดกับหน่วยประมวลผลแกนในของคอมพิวเตอร์หลักไปได้พอสมควร แต่อย่างไรตามระบบการประมวลเรียลไทม์ผ่านคอมพิวเตอร์หลักที่ทำหน้าที่เป็นโฮสต์เองก็สามารถให้ผลประสิทธิภาพในระดับเทียบเคียงเคียงได้มากพอกันเช่นกัน
Emotiv เป็นผู้นำด้านนิวโรเทคโนโลยีที่ช่วยขับเคลื่อนการวิจัยประสาทวิทยาศาสตร์ผ่านเครื่องมือ EEG และข้อมูลสมองที่เข้าถึงได้
คริสเตียน บูร์โกส
