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,报告了有三种可不还上能分析四肢瘫痪患者大脑活动的深度学习算法。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不还上能通过脑机接口加以改善。脑机接口可不还上能将控制运动的中枢神经系统回路和辅助设备(相似 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。觉得这个 土方法前景可观,或者要实际应用仍面临一定障碍,比如前要准确快速的响应,并能提供多种功能以及根据前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,分派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。大伙 向患者运动表层植入微电极阵列,长期分派患者大脑活动信息。那先 微电极以高光阴分辨率直接采样神经元活动。

根据这个 大型数据集,大伙 使用深度学习土方法开发了有三种脑机接口解码器,它可不还上能准确、快速而持久地运行,或者会学习新功能,基本不前要再训练。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,觉得示例患者可不还上能使用解码器来抓取和操纵物体,或者这个 土方法与非 适用于很多患者,与非 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与非 可不还上能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,来生成相似 功能的解码器。