脑-机接口(BCI)设备是否能使有运动障碍(如瘫痪)的人进行控制假肢,电脑游标和其他界面只用他们的大脑。在临床环境中使用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,脑机接口所接收到的信号会发生变化,这种变化的结果是,个体可能会失去控制其脑机接口的能力。
由于失去控制,研究人员要求用户进行一次“重新校准”,要求他们停止正在做的事情,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,需要另一名人工技术人员来让系统工作。
“想象一下,如果每次我们想要使用手机,为了让它正常工作,我们必须以某种方式校准屏幕,让它知道我们指向的是屏幕的哪一部分,”威廉·毕晓普说,他之前是卡耐基梅隆大学机器学习系的博士生和博士后,现在是加纳利亚农场研究校园的研究员。“目前BCI技术的技术水平有点类似于此。仅仅是为了让这些BCI设备工作,用户就必须进行这种频繁的重新校准。这对用户和维护设备的技术人员来说都非常不方便。”
这篇论文,“基于神经流形排列的稳定的脑-机接口,”提出了一个机器学习该算法解释了这些变化的信号,并允许个体在存在这些不稳定性的情况下继续控制BCI。通过利用神经群体活动存在于低维“神经流形”这一发现,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,可能是因为我们在不同的时间从不同的神经元记录下来,”艾伦·德根哈特解释说,他是CMU电子和计算机工程的博士后研究员。“我们已经找到了一种方法,通过不同的神经元种群,利用它们的信息,从本质上揭示大脑中正在进行的计算的共同图像,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;神经记录不稳定的问题已经存在很长一段时间了。一些研究提出了自我校正程序,但面临着处理不稳定性的问题。本文提出的方法能够从灾难性不稳定中恢复,因为它不依赖于主体在重新校准过程中表现良好。
“假设不稳定性如此之大,以至于受试者不再能够控制BCI,”拜伦·余(Byron Yu)解释道,他是CMU电子、计算机工程和生物医学工程的教授。“现有的自我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,它可以从这些灾难性的不稳定中恢复过来。”
“神经记录的不稳定性还没有被很好地描述出来,但这是一个非常大的问题,”皮特大学神经生物学博士后研究员艾米丽·奥比(Emily Oby)说。“我们可以指出的文献并不多,但有趣的是,很多做BCI临床研究的实验室必须非常频繁地处理这个问题。这项工作有可能大大提高BCIs的临床生存能力,并帮助稳定其他神经接口。”
来源:卡内基梅隆大学