脑机接口:人工智能减少了重新校准的需要

Emily Oby是匹兹堡大学生物工程博士后研究助理。她和皮特以及卡内基梅隆大学的同事们一直在研究大脑如何学习任务。

来源:Aimee Obidzinski/匹兹堡大学

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。”