了解解碼大腦信號模式

研究人員表明，他們的機(jī)器學(xué)習(xí)算法可以發(fā)現(xiàn)其他方法遺漏的神經(jīng)模式。這是因為與以前的僅在搜索神經(jīng)模式時只考慮大腦信號的方法不同，新算法能夠同時考慮大腦信號和行為信號(例如手臂運動的速度)。這項研究的第-一作者Sani說，這樣做是發(fā)現(xiàn)了大腦和行為信號之間的常見模式，并且該算法還能夠更好地解碼大腦信號所代表的行為。他補(bǔ)充說，更一般而言，該算法可以對任何信號之間(例如，來自不同大腦區(qū)域的信號或神經(jīng)科學(xué)以外的其他領(lǐng)域的信號之間)的常見動態(tài)模式進(jìn)行建模。

在任何給定的時刻，我們的大腦都參與各種活動。例如，在鍵盤上打字時，我們的大腦不僅指示我們的手指運動，而且還指示我們當(dāng)時的口渴感。結(jié)果，腦信號包含動態(tài)神經(jīng)模式，可同時反映這些活動的組合。站立的挑戰(zhàn)是如何在大腦信號中隔離與特定行為(例如手指運動)有關(guān)的那些模式。此外，開發(fā)可幫助神經(jīng)系統(tǒng)和精神疾病患者的腦機(jī)接口(BMI)，需要將腦信號轉(zhuǎn)換為一種特定的行為，即解碼這一問題。這種解碼還取決于我們隔離與特定行為有關(guān)的神經(jīng)模式的能力。

在南加州大學(xué)維特比工程學(xué)院電氣與計算機(jī)工程系助理教授兼維特比早期職業(yè)主席Maryam Shanechi的帶領(lǐng)下，研究人員開發(fā)了一種機(jī)器學(xué)習(xí)算法來解決上述挑戰(zhàn)。《自然神經(jīng)科學(xué)》(Nature Neuroscience)上發(fā)表的算法發(fā)現(xiàn)了其他方法遺漏的神經(jīng)模式，并增強(qiáng)了對源自大腦信號的行為的解碼。該算法在復(fù)雜大腦活動的建模和解碼方面取得了重大進(jìn)步，既可以實現(xiàn)新的神經(jīng)科學(xué)發(fā)現(xiàn)，又可以增強(qiáng)未來的腦機(jī)接口。

Shanechi說，標(biāo)準(zhǔn)算法可能會遺漏某些與給定行為相關(guān)的神經(jīng)模式，這些神經(jīng)模式會被與同時發(fā)生的其他功能相關(guān)的模式所掩蓋。Shanechi和她的博士生Omid Sani開發(fā)了一種機(jī)器學(xué)習(xí)算法來解決這一難題。

該論文的主要作者Shanechi說：“我們*開發(fā)了一種算法，可以分離與人們感興趣的特定行為有關(guān)的腦信號中的動態(tài)模式。我們的算法在解碼這些行為方面也要好得多。來自大腦的信號。”