深度学习算法“解密”脑活动 助脑机接口控制瘫痪肢体

  • 时间:
  • 浏览:0

英国《自然·医学》杂志近日在线发表的一项研究,报告了某种可以分析四肢瘫痪患者大脑活动的高度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激,从而恢复瘫痪肢体的功能性运动。

慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备(这类计算机光标或机器人设备)连接起来。近来,脑机接口已被用于绕过脊髓损伤,通过直接的肌肉刺激来恢复瘫痪肢体的功能。嘴笨 这个 依据 前景可观,否则要实际应用仍面临一定障碍,比如须要准确快速的响应,并能提供多种功能以及根据须要进行有效的日常重新校准。

美国巴特尔纪念研究所的科学家用两年时间,下发了四肢瘫痪患者执行“想象的”手臂和手部运动时的脑皮质活动记录。其他同学向患者运动表面植入微电极阵列,长期下发患者大脑活动信息。有有哪些微电极以高岁月分辨率直接采样神经元活动。

根据这个 大型数据集,其他同学使用高度学习依据 开发了某种脑机接口解码器,它可以准确、快速而持久地运行,否则会学习新功能,基本不须要再训练。实验显示,解码器可用于控制电刺激设备,实时恢复患者瘫痪的前臂活动。

团队指出,嘴笨 示例患者可以使用解码器来抓取和操纵物体,否则这个 依据 否有 适用于其他患者,否有 支持更长久的实际应用,还有待进一步验证。未来的研究应该调查否有 可以通过实际应用中产生的训练数据,而非在受控的实验室条件下获得的训练数据,来生成这类功能的解码器。