脑机接口加速神经科学研究

“我们提出了一种研究大脑动力学的收敛范式，专注于单个大脑部位，以观察刺激许多其他大脑部位的平均效果，"研究作者写道.

脑机接口旨在为那些受癫痫、中风、脊髓损伤、肌萎缩侧索硬化 (ALS)、脑瘫、发作性睡病、帕金森病、神经肌肉疾病等影响的人恢复功能.在心理健康领域，人们正在研究 BCI 是否可以治疗抑郁症、焦虑症、强迫症 (OCD) 和其他神经精神疾病.

脑机接口 (BCI)，也称为脑机接口 (BMI)，是将人脑连接到外部计算设备的系统.根据 Grand View Research 的数据，BCI 行业是一个新兴市场，预计到 2027 年收入将达到 37 亿美元，2020-2027 年的复合年增长率为 15.5%.

“已经使用各种技术从电生理学上探索了大脑网络，跨越了各种空间尺度，例如脑电图 (EEG)、脑磁图 (MEG)、颅内 EEG (iEEG) 和微电极局部场电位 (LFP)， "科学家写道. “推断大脑区域之间连接的努力可能会搜索相关信号，以响应行为任务的监督扰动，或处于无监督状态(“休息"、清醒或睡眠).

神经科学家面临的挑战之一是了解大脑网络如何相互作用.一种方法是在患者大脑区域提供短暂的电流脉冲，同时监测和测量大脑其他区域产生的电压.

“近年来，围绕通过植入 (iEEG) 脑表面(皮层电图，ECoG)或深度穿透(立体脑电图，SEEG)电极阵列系统刺激和测量，神经科学的一个子领域已经成熟，通常称为“皮质-皮质诱发电位"(CCEPs)，或者，对于间隔几秒的短脉冲的特殊情况，“单脉冲电刺激"(SPES)，"研究人员写道.

然而，这些方法通常会生成复杂、难以测量的高维数据，这对于人类识别有意义的模式来说是一项艰巨且耗时的任务，但非常适合作为辅助分析工具的 AI 机器学习.因此，研究人员为此创建了一种新型的 AI 算法.

“我们的框架旨在更好地理解大脑连接，以收敛范式为基础，检查一组对刺激的时间电压反应，所有这些都从同一地点测量，"研究人员写道. “每个反应事件都由刺激部位标记.然后，在该框架内应用了一种新算法来识别规范的时间响应模体，我们称之为“基本剖面曲线"(BPC)."

研究人员将他们新创建的 AI 机器学习算法命名为“基本轮廓曲线识别".根据科学家的说法，每个基础剖面曲线都可以以自然的方式映射回潜在的神经解剖结构，并且每个刺激部位都有量化的投射强度.

“我们的技术已在人类患者的一系列植入脑表面电极中得到验证，"研究人员报告说. “该框架可以直接解释单脉冲脑刺激数据，并且可以普遍应用于探索构成连接组的各种交互环境."

据研究人员称，他们用于脑机接口的新人工智能算法可能有助于指导电极的放置，以帮助未来治疗网络脑疾病.

Copyright © 2021 Cami Rosso 版权所有.