猴塞雷

科学观察员
科学赐予人类相信真理的力量

新的机器学习算法减少了对脑-机接口进行重新校准的需要

新的机器学习算法减少了对脑-机接口进行重新校准的需要

来自卡耐基梅隆大学(CMU)和匹兹堡大学(Pitt)的研究人员在《自然生物医学工程》上发表了一项研究,该研究将极大地改善脑-机接口及其在使用过程中保持稳定的能力,极大地减少或可能消除在实验期间或实验之间重新校准这些设备的需要。

脑-机接口(BCI)是一种设备,它可以使瘫痪等运动障碍患者仅用他们的大脑来控制假肢、计算机光标和其他接口。临床环境中使用BCI面临的最大问题之一是神经记录本身的不稳定性。随着时间的推移,BCI接收到的信号可能会发生变化,这种变化的结果是个体可能会失去控制BCI的能力。

由于这种失去控制的结果,研究人员要求用户进行一个重新校准会话,要求他们停止正在做的事情,并重新设置他们的心理指令和正在执行的任务之间的联系。通常情况下,为了让系统正常工作,还需要另一名技术人员。

“想象一下,如果每次我们想使用我们的手机,让它正常工作,我们必须以某种方式校准屏幕就知道我们指着屏幕的一部分,”威廉·毕晓普说,以前的博士生和博士后的卡内基梅隆大学机器学习,现在其本人是该园研究员研究校园。“BCI技术的当前状态有点类似于此。为了让这些BCI设备工作,用户必须频繁地重新校准。所以这对用户和维护设备的技术人员来说都非常不方便。”

论文“基于神经流形对齐的稳定脑-机接口”提出了一种机器学习算法,该算法考虑了这些变化的信号,并允许个人在这些不稳定的情况下继续控制BCI。通过利用神经群体活动驻留在低维“神经流形”中的发现,研究人员可以稳定神经活动,在记录不稳定性的情况下保持良好的BCI性能。

“当我们说‘稳定’的时候,我们的意思是我们的神经信号是不稳定的,可能是因为我们记录的是不同神经元随时间的变化,”CMU电子与计算机工程博士后研究员艾伦·德根哈特(Alan Degenhart)解释说。“我们已经找到了一种方法,让不同神经元群随时间变化,利用它们的信息来揭示大脑中正在进行的计算的共同图景,从而在神经不稳定的情况下保持BCI校准。”

研究人员并不是第一个提出自我校准方法的人;不稳定的神经记录问题已经存在很长时间了。少数研究提出了自我校准程序,但面临着处理不稳定性的问题。本文提出的方法不依赖于对象在重新校准过程中的良好表现,因而能够从突变不稳定性中恢复。

CMU电子计算机工程和生物医学工程教授Byron Yu解释说:“假设不稳定性如此之大,以至于实验对象不再能够控制BCI。”“现有的自校准程序在这种情况下可能会遇到困难,而在我们的方法中,我们已经证明,在许多情况下,它可以从那些灾难性的不稳定性中恢复过来。”

“神经记录的不稳定性还没有得到很好的描述,但这是一个非常大的问题,”Emily Oby说,她是匹兹堡大学神经生物学的博士后研究员。“我们可以指出的文献并不多,但有趣的是,很多用BCI进行临床研究的实验室不得不频繁地处理这个问题。这项工作有可能极大地提高BCIs的临床生存能力,并有助于稳定其他神经界面。”

论文的其他作者包括哥伦比亚大学生物医学工程和神经科学研究所的史蒂夫·蔡斯教授,皮特大学的亚伦·巴蒂斯塔生物工程副教授,以及神经外科副教授伊丽莎白·泰勒-卡巴拉。本研究由Craig H Neilsen基金会、美国国立卫生研究院、DSF慈善基金会、美国国家科学基金会、PA卫生研究部门和西蒙斯基金会资助。

猴塞雷 版权所有,未经允许不得转载:猴塞雷 » 新的机器学习算法减少了对脑-机接口进行重新校准的需要
分享到: 更多 (0)

猜你也想读下面的文章: