Gehirn-Maschine-Schnittstellen bilden eine Brücke zwischen dem menschlichen Gehirn und externer Software oder Hardware. Solche Systeme erfassen die elektrischen Signale des Gehirns und übersetzen sie in Befehle für elektronische Systeme wie Computer oder Roboterarme. Neuronale Signale können nicht-invasiv mit Elektroenzephalographie (EEG)-Elektroden erfasst werden, die an der Kopfhaut angebracht werden.
Kürzlich haben Forscher EEG-Sensoren aus Graphen entwickelt, das eine hervorragende Leitfähigkeit und Biokompatibilität aufweist. Graphenbasierte Biosensoren haben jedoch oft eine geringe Haltbarkeit, korrodieren bei Kontakt mit Schweiß und haben eine hohe Impedanz bei Hautkontakt, was es schwierig macht, Signale vom Gehirn zu erkennen. Ein neuer graphenbasierter Biosensor, der an der University of Technology Sydney entwickelt wurde, zielt darauf ab, diese Einschränkungen zu überwinden, indem er EEG-Signale mit hoher Empfindlichkeit und Zuverlässigkeit erkennt – selbst in Umgebungen mit hohem Salzgehalt.
Der im Journal of Neural Engineering beschriebene Sensor besteht aus epitaxialem Graphen (EG), das auf einem Siliziumkarbid (SiC)-Substrat auf Silizium gewachsen ist. Diese Struktur kombiniert die günstigen Eigenschaften von Graphen mit der physikalischen Festigkeit und chemischen Trägheit von Siliziumkarbid.
„Wir konnten das Beste von Graphen, das sehr biokompatibel und sehr leitfähig ist, mit der besten Siliziumtechnologie kombinieren, was unseren Biosensor sehr robust und zuverlässig in der Anwendung macht“, sagt Seniorautorin Francesca Jacopi in einer Presseerklärung.
Leistungstest
Um einen neuen Biosensor zu entwickeln, verwendeten Jakopi und seine Kollegen hochdotierte Siliziumsubstrate, die mit einem etwa 500 nm dicken Film aus kubischem SiC beschichtet waren; dann lagerten sie EG-Schichten direkt auf der SiC-Oberfläche ab. Sie stellten fünf EG-basierte Sensoren her und testeten jeden mehr als zehnmal.
Die Forscher charakterisierten zunächst die SiC- und EG-auf-SiC-Filme in einer Drei-Elektroden-Zelle mit einer 0,1 M Salzlösung als Elektrolyt (um Schweiß nachzuahmen). Sie verwendeten die elektrochemische Impedanzspektroskopie (EIS), um die Transferimpedanz zwischen Elektroden und Elektrolyt zu quantifizieren. Die EIS-Kurven zeigten eine verbesserte EG-Übertragungsimpedanz nach 100 Zyklen im Vergleich sowohl zu dem anfänglichen EG-Zyklus als auch zu SiC-Referenzfilmen.
Um einen EG-Sensor für die Hautanwendung zu bewerten, maß das Team die Hautkontaktimpedanz, die einen entscheidenden Einfluss auf die Leistung von EEG-Sensoren hat. Der Sensor wurde an einem Stecker montiert und in einer Drei-Elektroden-Konfiguration am Unterarm eines Freiwilligen platziert. EIS-Messungen auf der Haut zeigten, dass der Kontaktwiderstand zwischen den Graphen-Sensoren und der Haut nach wiederholten Tests dramatisch abnahm.
Während die EG-Sensoren im ersten Test keine besonders niedrige Hautkontaktimpedanz zeigten, fiel sie beim dritten Test in Folge stark ab und stabilisierte sich bei 130 ± 10 kΩ bei 50 Hz. Die Forscher stellen fest, dass dieser Wert viel niedriger ist als bei zwei kommerziellen Trocken-EEG-Sensoren, die in derselben Konfiguration getestet wurden: ein federbelasteter Stiftsensor und ein leitfähiger Schaumsensor, die Hautkontaktimpedanzen von etwa 830 bzw. 665 kΩ aufwiesen.
„Bei unserem Sensor verbessert sich der Kontaktwiderstand, wenn der Sensor auf der Haut ist“, erklärt Jakopi. „Im Laufe der Zeit konnten wir eine Reduzierung des anfänglichen Kontaktwiderstands um mehr als 75 % erreichen. Dadurch können die vom Gehirn gesendeten elektrischen Signale zuverlässig erfasst und anschließend stark verstärkt werden, und die Sensoren können auch in rauen Umgebungen zuverlässig eingesetzt werden, was ihr Potenzial für den Einsatz in Gehirn-Maschine-Schnittstellen erhöht.“
Forscher führen diese Verbesserung nach längerem Hautkontakt auf die Bildung von funktionellen Sauerstoffgruppen an den Grenzen von Graphenkörnern zurück, was zur Bildung einer dünnen Schicht aus physiosorbiertem Wasser führt, die die Körner bedeckt. Sie nennen dieses neu beobachtete Phänomen „Oberflächenkonditionierung“ und stellen fest, dass der Effekt konsistent und wiederholbar ist und der natürlichen Hydrophobie von Graphen entgegenwirkt, um einen besseren Hautkontakt zu gewährleisten.
Tests von EG-Wandlern in Kontakt mit in Kochsalzlösung getränktem Gewebe zeigten das gleiche Verhalten wie in Kontakt mit Haut, stabilisierten sich jedoch bei viel niedrigeren Kontaktimpedanzwerten (6,5 ± 0,5 kΩ bei 50 Hz). Das Team schlägt vor, dass das Vorhandensein einer Salzlösung an der Grenzfläche zwischen den Graphenelektroden und ihren Kontakten (Haut oder Gewebe) vorteilhaft ist, um die Gesamtkontaktimpedanz zu reduzieren und den Oberflächenkonditionierungseffekt zu verstärken.
EEG-Sensoren erfassen normalerweise Signale aus dem Gehirn mithilfe von Elektroden, die über dem Kopf platziert werden. Um die Eignung der EG-Sensoren zum Sammeln von EEG-Signalen zu testen, platzierten die Forscher den EG-Sensor auf der Stirn eines Freiwilligen. Die Hautkontaktimpedanz an der Stirn war mit 90 ± 5 kΩ bei 50 Hz niedriger als am Unterarm.
Die Verwendung eines elastischen Kopfbandes, um die Wandler eng an der Stirn zu halten, reduzierte die Hautkontaktimpedanz weiter auf 44 ± 4 kΩ bei 50 Hz. Das Team führte dies auf einen engeren Sensor-Haut-Kontakt, eine festere Kontaktfläche auf der Stirn und Schweiß unter dem Stirnband zurück.
Schließlich installierten die Forscher EG-basierte EEG-Sensoren in einem Helmsystem mit Gehirnschnittstelle, das acht Kanäle enthielt, die mit Schaumstoffsensoren verbunden waren, und ersetzten zwei Kanäle auf der Stirn durch EG-Sensoren. Die EG-Sensoren zeigten ein Blinksignal ähnlich kommerziellen Schaumsensoren, was auf ihr Potenzial für zukünftige gehirngesteuerte Anwendungen hinweist.
Yakopi und Kollegen kamen zu dem Schluss, dass auf SiC-auf-Silizium-Substraten hergestellte EG starke und zuverlässige Elektroden mit niedriger Kontaktimpedanz für Gehirn-Maschine-Schnittstellen erzeugen können. Sie stellen fest, dass der Effekt der Oberflächenkonditionierung genutzt werden kann, um ein Vorkonditionierungsverfahren zu entwickeln, das die Sensorleistung weiter optimiert.
