研究人员已经开发出读心术系统解码神经信号从大脑在手臂运动。《华尔街日报》中描述的方法,应用软计算,可以通过一个人来控制机械臂通过脑机接口(BMI)。
体重指数是一种设备,将神经信号转换为命令来控制一台机器,如电脑或机器人肢体。有两种主要的技术监测神经信号在bmi指数:脑电图(EEG)和electrocorticography (ECoG)。
EEG展品信号电极表面的头皮和广泛使用,因为它是侵入性、相对便宜、安全、易于使用。然而,EEG低空间分辨率和检测无关的神经信号,这使得它难以解释个人从脑电图的意图。
另一方面,ECoG是一种侵入性的方法,包括将电极直接在头皮下面的大脑皮层的表面。与EEG相比,ECoG可以监视神经信号与更高的空间分辨率和更少的背景噪音。然而,这种方法有几个缺点。
“ECoG主要用于发现癫痫发作的潜在来源,意义的电极放置在不同的位置不同的病人,可能不是最佳的大脑区域探测信号的感觉和运动,“Jaeseung Jeong教授解释说,大脑科学家韩科院。“这矛盾很难破译大脑信号预测运动。”
为了克服这些问题,宋教授的团队开发了一种新方法解码ECoG在手臂运动神经信号。系统是基于机器学习系统分析和预测神经信号被称为“echo-state网络”和数学概率模型称为高斯分布。
在这项研究中,研究人员记录ECoG信号从四个癫痫患者在他们执行reach-and-grasp任务。因为电极ECoG根据每个病人的癫痫发作的潜在来源,只有22%到44%的电极位于大脑中负责控制区域的运动。
运动任务期间,参与者被给定的视觉线索,通过放置在他们面前真正的网球,或通过一个虚拟现实耳机显示剪辑人类手臂向前到达的第一人称视角。他们被要求达到向前,抓住一个对象,然后返回他们的手和释放对象,而穿着运动传感器自己的手腕和手指。在第二个任务中,他们被要求想象达到不动他们的手臂。
研究人员监测的信号ECoG电极在现实和虚构的手臂动作,和测试新系统是否能预测这一运动的神经信号的方向。他们发现,小说成功译码器分类24的手臂运动方向在三维空间中,在现实和虚拟任务,准确的结果至少5倍的机会。他们还用计算机模拟表明,该小说ECoG译码器可以控制机械手臂的运动。
总的来说,结果表明,新机器上优于BCI系统成功地利用ECoG信号解释的方向运动。接下来的步骤将是提高译码器的精度和效率。在未来,它可用于实时BMI设备帮助人们与运动或感觉障碍。
参考:金HH,宋j . electrocorticographic解码器手臂运动的脑机接口使用回声状态网络和高斯读出。应用软计算。2022;117:108393。doi:10.1016 / j.asoc.2021.108393
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。
