Стабилизация мозгово-компьютерных интерфейсов Новый алгоритм машинного обучения снижает потребность в

Новый алгоритм машинного обучения снижает потребность в интерфейсах мозг-компьютер для прохождения калибровки

Исследователи из Университета Карнеги-Меллона (CMU) и Университета Питтсбурга (Pitt) опубликовали исследование в Биомедицинская инженерия природы это значительно улучшит интерфейсы мозг-компьютер и их способность оставаться стабильными во время использования, значительно уменьшая или потенциально устраняя необходимость повторной калибровки этих устройств во время или между экспериментами.

Интерфейсы мозг-компьютер (BCI). это устройства, которые позволяют людям с двигательными нарушениями, такими как паралич, управлять протезами, компьютерными курсорами и другими интерфейсами, используя только свой разум. Одной из самых больших проблем, с которыми сталкиваются BCI, используемые в клинических условиях, является нестабильность самих нейронных записей. Со временем сигналы, воспринимаемые BCI, могут варьироваться, и в результате этого изменения человек может потерять способность контролировать свой BCI.

В результате этой потери контроля исследователи просят пользователя пройти сеанс перекалибровки, который требует от него прекратить то, что он делает, и сбросить связь между своими умственными командами и выполняемыми задачами. Как правило, другой человек-техник задействован только для того, чтобы заставить систему работать.

Стабилизация мозгово-компьютерных интерфейсов Новый алгоритм машинного обучения снижает потребность в

"Представьте, что если бы каждый раз, когда мы хотели использовать наш мобильный телефон, чтобы он работал правильно, нам приходилось каким-то образом калибровать экран, чтобы он знал, на какую часть экрана мы указываем," говорит Уильям Бишоп, который до этого был аспирантом и докторантом на факультете машинного обучения в КМУ, а теперь работает в исследовательском кампусе Janelia Farm. "Современное состояние технологии BCI примерно такое. Чтобы заставить эти устройства BCI работать, пользователи должны проводить частую повторную калибровку. Так что это крайне неудобно для пользователей, а также техников, обслуживающих устройства."

READ  Bioware выпускает новый тизер-трейлер Dragon Age 4; По-прежнему нет даты запуска

Бумага, "Стабилизированный интерфейс мозг-компьютер, основанный на выравнивании нейронного коллектора," представляет алгоритм машинного обучения, который учитывает эти изменяющиеся сигналы и позволяет индивидууму продолжать контролировать BCI при наличии этих нестабильностей. Используя выводы о том, что активность нейронной популяции находится в низкоразмерном "нейронный коллектор," исследователи могут стабилизировать нейронную активность, чтобы поддерживать хорошие показатели BCI при наличии нестабильности записи.

"Когда мы говорим «стабилизация», мы имеем в виду, что наши нейронные сигналы нестабильны, возможно, потому что мы записываем с разных нейронов во времени," объясняет Алан Дегенхарт, научный сотрудник по электротехнике и вычислительной технике в КМУ. "Мы нашли способ взять разные популяции нейронов во времени и использовать их информацию, чтобы по существу раскрыть общую картину вычислений, происходящих в мозге, тем самым сохраняя калибровку BCI, несмотря на нейронную нестабильность."

Исследователи не первые, кто предлагает метод самокалибровки; проблема нестабильных нейронных записей поднимается в воздух уже давно. Несколько исследований предложили процедуры самокалибровки, но столкнулись с проблемой борьбы с нестабильностью. Метод, представленный в этой статье, способен восстанавливаться после катастрофической нестабильности, потому что он не полагается на то, что субъект хорошо работает во время повторной калибровки.

READ  Ghost of Tsushima получает длинный новый трейлер

"Скажем, нестабильность была настолько велика, что субъект больше не мог контролировать BCI," объясняет Байрон Ю., профессор электротехники и вычислительной техники и биомедицинской инженерии в КМУ. "Существующие процедуры самокалибровки, вероятно, будут бороться в этом сценарии, тогда как в нашем методе мы продемонстрировали, что во многих случаях он может восстановиться после этих катастрофических нестабильностей."

"Нестабильность нейронной записи плохо охарактеризована, но это очень большая проблема," говорит Эмили Оби, постдокторский исследователь в нейробиологии в Питте. "Существует не так много литературы, на которую мы можем указать, но, к сожалению, многим лабораториям, которые проводят клинические исследования с BCI, приходится сталкиваться с этой проблемой довольно часто. Эта работа может значительно улучшить клиническую жизнеспособность ИМК и помочь стабилизировать другие нейронные интерфейсы."

Среди других авторов статьи. Стив Чейз, профессор биомедицинской инженерии и Института нейробиологии, и Питон Аарон Батиста, доцент биоинженерии, и Элизабет Тайлер-Кабара, доцент неврологической хирургии. Это исследование финансировалось Фондом Крейга Нейлсена, Национальными институтами здравоохранения, Благотворительным фондом DSF, Национальным научным фондом, Департаментом исследований в области здравоохранения и Фондом Саймонса.