Новое устройство декодирования мозговых сигналов работает по принципу Plug-and-play
Машины, которые прикрепляются к мозгу и считывают его активность, обещают открыть новые виды медицинских возможностей, улучшить диагностику различных заболеваний или мониторинг внутренних органов. Одно из наиболее многообещающих применений заключается в том, чтобы позволить людям, страдающим параличом, восстановить контроль над конечностями и протезами с помощью сигналов головного мозга.
Такие типы машин называют нейрокомпьютерными интерфейсами (BCI). В различных формах эти устройства могут быть имплантированы в мозг и, используя передовые алгоритмы, превращать электрические сигналы органа в управляющие сигналы для всех видов устройств, от протезов конечностей до полноценных экзоскелетов и даже дронов.
Команда из Калифорнийского университета в Сан-Франциско (UCSF) продемонстрировала подобную технологию с помощью первого в своем роде устройства с функцией plug-and-play.
Фото: ucsf.edu
Новая технология, разработанная в UCSF, делает значительный шаг вперед в этой области исследований, поскольку команда сосредоточилась на программном обеспечении, которое переводит активность мозга в действие. Этот алгоритм машинного обучения был обучен отслеживать воображаемые движения шеи или запястья парализованного пользователя. Система обучалась, наблюдая, как компьютерный курсор движется по экрану.
Некоторые настройки алгоритма позволили устройству продолжать узнавать об активности мозга и желаемых движениях пользователя, не перезагружая и не начиная каждый день с нуля. Команда обнаружила, что такой подход позволяет алгоритму постоянно улучшаться и в конечном итоге означает, что пользователь может подключиться и сразу же начать использовать его.
«Мы обнаружили, что можем улучшить обучение, сделав так, чтобы алгоритм не обновлялся быстрее, чем мог бы следовать мозг — примерно раз в 10 секунд. Мы рассматриваем это как попытку наладить связь между двумя обучающими системами — мозгом и компьютером — что в конечном итоге позволит искусственному интерфейсу стать продолжением пользователя, как его собственная рука», — говорит Карунеш Гангули, практикующий невролог из UCSF.
Устройство, которое участвовало в эксперименте, представляет собой матрицу электродов размером с наклейку, которая хирургическим путем имплантируется на поверхность мозга. Исследователи получили специальное разрешение имплантировать его парализованным пациентам на долгосрочной основе для проведения экспериментов и обнаружили, что со временем мозг пользователей оптимизирует свою деятельность, чтобы контролировать BCI, без необходимости ежедневной повторной калибровки.
«После того, как пользователь запомнил решение для управления интерфейсом, нет необходимости в сбросе настроек, — говорит главный автор исследования Карунеш Гангули. — Мозг просто быстро возвращается к тому же решению».
Исследователи обнаружили, что они могут фактически отключить функцию автоматического обновления алгоритма, а пользователь может просто подключиться и начать использовать его каждый день. Даже без ежедневной калибровки производительность не снижалась.
Фото: ucsf.edu
«В последние годы в области BCI был достигнут большой прогресс, но поскольку существующие системы приходилось перезагружать и калибровать каждый день, они не могли задействовать естественные процессы обучения мозга. Это все равно, что просить кого-то снова и снова с нуля научиться ездить на велосипеде, — говорит Гангули. — Адаптация системы искусственного обучения для бесперебойной работы со сложными схемами долгосрочного обучения мозга — это то, чего никогда раньше не было у парализованного человека».
Исследование было опубликовано в журнале Nature Biotechnology.
Источник
Полный текст статьи читайте на Компьютерра
