新發表的研究成果將大幅穩定腦機接口

卡內基梅隆大學（CMU）和匹茲堡大學（Pitt）的新研究成果將大幅改善和穩定腦機接口。

這項研究發表在自然生物醫學工程，論文題目為“基於神經流形對齊的穩定腦機接口”。

腦機接口（BCI）

腦機接口（BCI）是一種可以讓殘疾人士使用腦部控制假肢、電腦或其他接口的設備。

使用腦機接口在臨床環境中的一個最大挑戰是神經錄製可能不穩定。控制腦機接口的個體可能會因為腦機接口信號的變化而失去控制。

當控制失去時，個體必須進行重新校準。個體必須重新設定腦部命令和任務之間的連接，通常需要另一位技術人員在場。

威廉·畢曉普是Janelia Farm Research Campus的研究員。他之前是CMU機器學習系的博士生和博士後研究員。

“想象一下，如果每次我們想要使用手機，就必須校準屏幕以便它知道我們指向哪個部分，”畢曉普說。“腦機接口技術的現狀就像這樣。只為了讓這些腦機接口設備工作，使用者就必須進行頻繁的重新校準。這對於使用者和維護設備的技術人員來說都是非常不方便的。”

新機器學習算法

研究人員提出了一種新的機器學習算法，可以解釋信號的變化。個體即使在不穩定性存在的情況下也能保持對腦機接口的控制。研究人員在發現神經群體活動發生在低維度的“神經流形”之後開發了這種算法。

艾倫·德根哈特是CMU電氣和計算機工程系的博士後研究員。

“當我們說‘穩定’的時候，我們的意思是我们的神經信號是不穩定的，可能是因為我們在不同時間錄製不同的神經元，”德根哈特說。“我們已經找到了一種方法，可以利用不同時間的神經元群體的信息，從而揭示大腦中計算的共同圖景，保持腦機接口的校準，儘管神經信號不穩定。”

之前的方法

之前的自我重新校準方法也面臨著不穩定性的挑戰。與其他方法不同，這種方法不依賴於主體在重新校準過程中表現良好。

Byron Yu是CMU電氣和計算機工程系以及生物醫學工程系的教授。

“假設不穩定性太大，以至於主體不再能夠控制腦機接口，”余說。“現有的自我重新校準程序可能會在這種情況下遇到困難，而我們的方法已經證明它可以在許多情況下從這種災難性的不穩定性中恢復。”

匹茲堡大學神經生物學博士後研究員艾米莉·奧比也談到了不穩定性的問題。

“神經錄製不穩定性沒有很好的特徵，但這是一個非常大的問題，”奧比說。“沒有很多文獻可以指出，但在進行臨床研究的實驗室中，很多都必須面對這個問題。這項工作有可能大大提高腦機接口的臨床可行性，並幫助穩定其他神經接口。”

論文的其他作者包括CMU生物醫學工程系和神經科學研究所的教授史蒂夫·蔡斯，以及匹茲堡大學生物工程系的副教授亞倫·巴蒂斯和匹茲堡大學神經外科系的副教授伊麗莎白·泰勒-卡巴拉。

這項研究得到了克雷格·尼爾森基金會、國家衛生研究院、DSF慈善基金會、國家科學基金會、賓夕法尼亞州衛生部研究以及西蒙斯基金會的資助。