به گزارش ایسنا و به نقل از مدگجت، این کلاه که قابلیت تصویربرداری نوری غیر تهاجمی از مغز را دارد، کوچک است و نسبت به سایر سیستم‌های مبتنی بر طیف‌نگاری کارکردی فروسرخ نزدیک زمانی موجود، ارزانتر و کار با آن آسان‌تر است.

طیف‌سنجی/طیف نگاری عملکردی فروسرخ نزدیک یک تکنیک مانیتورینگ نوری مغز است که از طیف‌سنجی نزدیک فروسرخ به منظور تصویربرداری عصبی عملکردی استفاده می‌کند. با استفاده از طیف‌سنجی عملکردی فروسرخ نزدیک، فعالیت مغز به کمک نور فروسرخ نزدیک برای تخمین فعالیت همودینامیکی قشر مغز که در پاسخ به فعالیت عصبی رخ می‌دهد، اندازه‌گیری می‌شود.

روش تصویربرداری طیف‌نگاری کارکردی فروسرخ نزدیک زمانی، تغییرات رخ داده در سطح اکسیژن خون در مناطق خاصی از مغز را اندازه گیری می‌کند تا اطلاعاتی از فعالیت مغز به دست آورد. این فناوری پوشیدنی جدید می‌تواند این روش تصویربرداری را در دسترس‌تر و کاربر پسندتر کند.

طراحان این کلاه قصد توسعه سیستمی را داشتند که در عین کوچک بودن از فناوری پیشرفته‌ای برخوردار باشد. این دستگاه می‌تواند عمل تصویربرداری از مغز را با روش طیف‌نگاری کارکردی فروسرخ نزدیک زمانی، انجام دهد که این روش شامل استفاده از نور مادون قرمز نزدیک برای تعیین غلظت هموگلوبین در مناطق مختلف مغز برای ارزیابی فعالیت مغز است.

هموگلوبین پروتئینی شامل چهار زنجیره آمینواسیدی است که در گلبول‌های قرمز خون وجود دارد و نقش آن حمل و نقل است. هموگلوبین از مولکول‌هایی با واحدهای ساختاری متنوع است. هموگلوبین شامل منیزیم است. گلبول قرمز سرشار از هموگلوبین است.

تاکنون، سیستم‌های تصویربرداری از مغز مبتنی بر طیف‌نگاری کارکردی فروسرخ نزدیک زمانی گران، پیچیده و بزرگ بودند. اما با ورود "Kernel Flow" این روند کمی تغییر کرده است چرا که این کلاه چندان بزرگ نیست و تنها دو کیلوگرم (۴.۴ پوند) وزن دارد.

این کلاه شامل چهار صفحه است که به گونه‌ای طراحی شده‌اند که در اطراف سر قرار می‌گیرند. این صفحات شامل ۵۲ ماژول هستند که هر کدام نیز شامل دو منبع لیزر هستند. پالس‌های سریع لیزر از پوست سر و جمجمه عبور می‌کنند و یک مجموعه متشکل از شش آشکارساز، زمان رسیدن فوتون را ثبت می‌کنند.

تاکنون این شرکت دستگاه یاد شده را روی داوطلبانی که در حین استفاده از هدست، عملیات ضربه زدن با انگشت را انجام می‌دادند، آزمایش کرده است و شاهد نتایج امیدوارکننده‌ای از عملکرد آن نیز بوده است. با این حال، این فناوری هنوز به کمی اصلاح نیاز دارد تا بتواند انواع مو و انواع پوست را در نظر بگیرد.