深度学习算法“解密”脑活动 助脑机接口控制瘫痪肢体

  • 时间:
  • 浏览:0

英国《自然·医学》杂志近日在线发表的一项研究,报告了三种还可否 分析四肢瘫痪患者大脑活动的深度图学习算法。该算法已被用于向患者的前臂肌肉传递电刺激,从而恢复瘫痪肢体的功能性运动。

慢性瘫痪患者的生活质量还可否 通过脑机接口加以改善。脑机接口还可否 将控制运动的中枢神经系统回路和辅助设备(类式计算机光标或机器人设备)连接起来。近来,脑机接口已被用于绕过脊髓损伤,通过直接的肌肉刺激来恢复瘫痪肢体的功能。真是三种土法律依据前景可观,而是 要实际应用仍面临一定障碍,比如不不 准确快速的响应,不不 提供多种功能以及根据不不 进行有效的日常重新校准。

美国巴特尔纪念研究所的科学家用两年时间,分发了四肢瘫痪患者执行“想象的”手臂和手部运动时的脑皮质活动记录。许多人都 向患者运动表皮植入微电极阵列,长期分发患者大脑活动信息。那此微电极以高时光图片 分辨率直接采样神经元活动。

根据三种大型数据集,许多人都 使用深度图学习土法律依据开发了三种脑机接口解码器,它还可否 准确、快速而持久地运行,而是 会学习新功能,基本不不不 再训练。实验显示,解码器可用于控制电刺激设备,实时恢复患者瘫痪的前臂活动。

团队指出,真是示例患者还可否 使用解码器来抓取和操纵物体,而是 三种土法律依据否有有适用于很多患者,否有有支持更长久的实际应用,还有待进一步验证。未来的研究应该调查否有有还可否 通过实际应用中产生的训练数据,而非在受控的实验室条件下获得的训练数据,来生成类式功能的解码器。