算法|解码算法,需要学会识别大脑中产生的神经模式

算法|解码算法,需要学会识别大脑中产生的神经模式

文章图片

算法|解码算法,需要学会识别大脑中产生的神经模式

文章图片

算法|解码算法,需要学会识别大脑中产生的神经模式

文章图片


有些新工具可以识别与运动相关的神经活动 , 并将其与肌肉激活联系起来以恢复运动 。 这是通过结合脑机接口和功能性电刺激技术实现的 , 形成所谓的电子神经旁路 。 瘫痪的原因包括中风、脊髓损伤、多发性硬化症、创伤性脑损伤和上运动神经元疾病 。 在所有情况下 , 神经通路都被破坏 , 阻止了携带感觉和运动信息的信号进出大脑 。 先前的研究表明 , 与尝试运动相关的有用神经元活动在受伤或发病数年后仍然存在 。


【算法|解码算法,需要学会识别大脑中产生的神经模式】电子神经旁路的概念利用了这一点 , 通过感知、放大、解码和重新路由中断周围的这些可行信号 , 恢复先前失去运动的皮层控制 。 单向电子神经旁路的框图 , 该系统包括神经或大脑接口例如电极、放大器电路、模数转换器、特征提取和解码算法、刺激算法、电流控制电子设备和刺激电极 。 在将皮质脑机接口和功能性电刺激技术结合起来形成电子神经旁路之前 , 研究人员首先将脑源信号与非人类灵长类动物的机械臂联系起来 。


后来 , 非人类灵长类动物暂时瘫痪的手臂肌肉恢复了运动 。 这些初步研究结果为后续研究开发日益先进的脑机接口系统奠定了基础 , 用于语音恢复等应用 , 并允许瘫痪的研究参与者仅用他们自己的运动相关思想来控制计算机光标的运动 。 然而 , 在这些研究中 , 瘫痪的参与者并没有恢复运动 。 在婴儿期 , 脑机接口发展稳步推进 , 但仍然存在许多挑战 。


脑机接口是神经旁路系统的关键部分;它可以利用侵入性或非侵入性电极与大脑连接 , 每种电极都有其优点和缺点 。 所使用的电极类型会极大地影响系统执行所需功能的能力 , 并且许多电极并未被清除用于人类长期使用 。 一个例子是脑电图电极 , 它是非侵入性的 , 但在放置前通常需要清洁或打磨头皮 。 脑电图电极收集大脑中大量神经元产生的脑电波 , 因此产生低分辨率信号 。


脑电图不需要手术 , 但信号可能包含大的运动伪影 , 并且由于信号的粗糙度 , 当通过用户的思维模式控制超过一或两个自由度时 , 可能难以使用 。 尽管如此 , 已经使用脑电图信号为各种应用开发了各种系统和算法 , 包括上肢运动恢复 。 皮层电图电极是一种侵入性替代品 , 放置在骨骼下方并提供更高的空间分辨率 。 皮层电图电极阵列使用薄而灵活的基板制成 , 例如聚酰亚胺或硅胶 。


皮层电图电极阵列之前已用于一维光标控制应用程序 。 穿透电极已被证明可以为控制多自由度应用提供高分辨率信号 。 不同类型的植入式电极 , 如犹他阵列和密歇根式电极 , 已在世界各地的多个实验室中使用 。 Utah阵列的小腿在每个小腿的尖端都有记录点 。 在长期放置后 , 在这些阵列中观察到了一些故障模式 。 密歇根风格的电极是通过薄膜工艺制成的 , 并且在制造过程中使用了光刻技术 。


这些穿透电极可以在其柄部有多个记录点;然而 , 它们在长期植入过程中也经历了失败 。 在电子神经旁路系统的核心 , 有神经解码和编码算法来破译大脑中获得的信号并将其转化为目标肌肉功能性电刺激的时空模式 。 解码算法必须学会识别大脑中当用户考虑他们想要执行的动作时产生的神经模式 。 不同的方法 , 例如无监督或监督学习可用于训练解码算法 。 非线性核方法也可用于将特征映射到更高维度 , 以提高机器学习算法的准确性 。