新發表的研究將大幅穩定腦機接口

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

該研究發表在自然生物醫學工程，論文題目為“基於神經多樣性對齊的穩定腦機接口”。

腦機接口（BCI）

腦機接口（BCI）是能夠讓殘疾人士通過思維控制假肢、電腦或其他接口的設備。

使用BCI在臨床環境中面臨的一個重大挑戰是，神經錄製可能是不穩定的。控制BCI的個體最終可能會因為BCI接收到的信號變化而失去控制。

當控制失去時，個體必須經歷重新校準的過程。個體必須重新設定其思維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研究院的研究員。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，我們都必須校準屏幕以使其知道我們指向哪個部分，”畢曉普說。“BCI技術的現狀有些像這樣。只是為了讓這些BCI設備正常工作，使用者就必須經常重新校準。這對使用者和維護設備的技術人員來說都非常不方便。”

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夠保持對BCI的控制。研究人員在發現神經群體活動發生在低維度的“神經多樣性”空間後開發了這種算法。

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，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，同時保持BCI的校準，儘管神經信號是不穩定的。”

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。

拜倫·于是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BCI，”于解釋說。“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。

“神經錄製的不穩定性並沒有被很好地描述，但這是一個非常大的問題，”奧比說。“沒有太多的文獻可以參考，但很多從事臨床研究的實驗室都必須經常面對這個問題。這項工作有可能大大提高BCI的臨床可行性，並有助於穩定其他神經接口。”

論文的作者還包括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·巴蒂斯特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。

該研究得到了克雷格·H·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、賓夕法尼亞州衛生研究部和西蒙斯基金會的資助。