Predicción en tiempo real de la trayectoria de la mano por conjuntos de neuronas corticales en primates

Área de la Ciencia:

• La neurociencia es la neurociencia.
• Robótica y Robótica Robótica y Robótica Robótica Robótica Robótica Robótica Robótica Robótica
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• Las señales de la corteza motora pueden controlar simples movimientos robóticos.
• La capacidad de decodificar los movimientos complejos de los brazos de los primates a partir de señales corticales para el control robótico no se entiende bien.

Objetivo del estudio:

• Para investigar si el procesamiento en tiempo real de señales corticales puede reproducir los movimientos complejos de los brazos de los primates en un dispositivo robótico.
• Evaluar la viabilidad de utilizar la actividad cerebral de los primates para el control en tiempo real de los sistemas robóticos.

Principales métodos:

• Se registró la actividad neuronal simultánea de grandes poblaciones en las áreas corticales premotoras, motoras primarias y parietales posteriores de primates no humanos.
• Aplicó algoritmos lineales y no lineales para analizar la actividad del conjunto neuronal para predecir las trayectorias de movimiento del brazo.
• Utilizó señales corticales derivadas para el control en tiempo real de dispositivos robóticos localmente y a través de Internet.

Principales resultados:

• Se lograron predicciones precisas en tiempo real de las trayectorias de movimiento del brazo unidimensional y tridimensional utilizando la actividad neuronal cortical de primates.
• Las señales corticales derivadas permitieron el control exitoso en tiempo real de los dispositivos robóticos.
• Demostró el potencial para controlar los movimientos complejos del brazo de un robot protésico a través de señales cerebrales.

Conclusiones:

• Las transformaciones en tiempo real de las señales de la población neuronal de múltiples áreas corticales en primates pueden lograr un complejo control de prótesis de brazo robótico.
• Esta investigación hace avanzar el potencial de las sofisticadas interfaces cerebro-máquina.
• Sugiere un camino para el desarrollo de neuroprótesis avanzadas para tareas motoras complejas.