简单的神经网络可以精确控制机器人假肢
人工神经网络是受自然人体神经电路给灵长类动物更快,更准确的控制人脑控制假肢手和手指,密歇根大学的研究人员。这一发现可能导致更自然的高级假肢的控制处理失去了肢体或瘫痪。
团队的工程师和医生发现一个前馈神经网络在控制机器人手指峰值速度提高了45%的手指相比传统算法不使用神经网络。这推翻了一个假设,更复杂的神经网络,像那些用于其他机器学习领域,需要达到这种级别的性能改进。
想要更多的最新消息?
订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。
免费订阅“这前馈网络代表一个年长的,简单的建筑信息只在一个方向移动,从输入到输出,”说辛迪Chestek博士。密歇根大学的副教授,生物医学工程,论文的通讯作者自然通讯。“所以,这是一个多么大的惊喜,我们看看它的表现更复杂的系统。我们认为前馈系统的简单性使得用户有更多的直接和直观的控制可能更接近人体如何运作自然。”
精细运动技能是非常重要的人类,这个函数的损失可能是毁灭性的瘫痪患者,第一作者说马修·Willsey医学博士博士。密歇根大学健康、功能神经外科研究员,密西根州医学。
“我们很想使用最新的技术在机器学习来解释大脑的神经活动的控制灵巧的手指运动,“Willsey说。“我们希望这一行的工作可以帮助精细运动功能恢复那些已经失去它。”
先进的假肢和脑机接口返回的精确控制,使人类的手那些可以从脊髓损伤引起的瘫痪,中风或其他伤害和疾病。但再现自然的人类和机器人之间的通信流prosthetic-with速度和precision-remains绊脚石。
“这兴奋的一部分工作是这些算法可以立即翻译到床边,造福人类研究的病人。”– Parag Patil, M.D., Ph.D.
在脊髓损伤,例如,人工神经网络可以重现切断连接大脑和脊髓之间通过使用电极从大脑捕捉冲动,解释用人工智能和使用这个来控制假肢手或鼓舞当地的肢体。
但在计算,前馈神经网络模型被认为是更强大的许多高级使用递归神经网络的应用程序。沿着单向队伍,而不是通过输入节点周期性网络有自己的动态能力创造自己的内部循环通过反馈,使他们能够记住和重演序列。这个工作非常好,当你从先前记录的神经预测运动数据,让一些专家认为这将小说实验期间保持不变。
Chestek说,在现实中,经常性的复杂性网络直接电动机控制似乎“战斗用户。”
“没有什么,但两个神经元之间的突触和几个人体运动皮层和手部运动,”她说。“没有必要大量的处理,和前馈神经网络可能更像是自然系统。”
团队希望他们的发现将有助于推动未来的研究可以提高速度和准确性,先进的假肢回应大脑的冲动。
“在开发这个算法时,我们试图适用爱因斯坦著名的设计原则,“一切应该尽可能的简单,但不简单,”“Willsey说。“我们的算法需要有足够的复杂性可能理解大脑的电信号之间的非线性关系和用户的手指动作。然而,该算法可能有一天会完全植入式脑机接口系统的一部分,恢复运动麻痹、压力和不必要的复杂性可能这些未来系统在不受欢迎的方面,如通过缩短电池寿命。”
“密歇根大学,我们很幸运,有一大群工程师,神经学家,和运动专家合作伙伴在文化推动恢复神经工程学领域的合作,”说Parag帕蒂尔。博士。这项研究的资深作者、密歇根大学医学院神经外科副教授。“这兴奋的一部分工作是这些算法可以立即翻译到床边,造福人类研究的病人。”
参考:Willsey女士、老Nason-Tomaszewski Ensel SR, et al。实时在非人灵长类动物的脑机接口实现高速假肢使用浅前馈神经网络解码器手指运动。Nat Commun。2022;13 (1):6899。doi:10.1038 / s41467 - 022 - 34452 - w
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。
