Video Experimental Relacionado
Updated: Sep 10, 2025

11:18
Closed-loop Neuro-robotic Experiments to Test Computational Properties of Neuronal Networks
Published on: March 2, 2015
10.4K
Sistema de decodificación de respuesta neurológica neuroórfica para el control adaptativo y personalizado de las
Georgi Rusev1, Svetlozar Yordanov1, Simona Nedelcheva1
1Institute of Information and Communication Technologies, Bulgarian Academy of Sciences, 1113 Sofia, Bulgaria.
Biomimetics (Basel, Switzerland)
|August 27, 2025
Resumen
Este estudio introduce un Decodificador de Respuesta Neural (NRD, por sus siglas en inglés) para mejorar el Decodificador de Control Motor (MCD, por sus siglas en inglés) en pacientes tetrapléjicos. El NRD clasifica las señales cerebrales como satisfactorias o insatisfactorias, mejorando la precisión del control del movimiento.
Área de la Ciencia:
- La neurociencia
- Ingeniería biomédica
- Tecnología de rehabilitación
Sus antecedentes:
- El trabajo anterior estableció un decodificador de control motor (MCD) utilizando electrocorticografía (ECoG) para la intención de movimiento tetrapléjico.
- La satisfacción del paciente con las acciones del efector es crucial, pero no está garantizada por las etiquetas de movimiento previstas.
- Existe la necesidad de clasificar las señales cerebrales como satisfactorias o insatisfactorias para refinar la precisión de la decodificación.
Objetivo del estudio:
- Mejorar el MCD neuromórfico con un Decodificador de Respuesta Neural (NRD) para predecir la satisfacción de la señal ECoG.
- Diseñar un marco crítico para el actor para la adaptación del aprendizaje de refuerzo de MCD utilizando NRD.
- Mejorar el rendimiento del MCD mediante la incorporación de retroalimentación de satisfacción en el proceso de decodificación.
Principales métodos:
- Desarrolló un NRD para predecir la satisfacción de la señal ECoG.
- Entrenado el NRD usando señales ECoG, predicciones MCD, y movimientos previstos prescritos.
- Implementó una estructura crítica de actores para la adaptación del aprendizaje de refuerzo de MCD basado en NRD.
- Se evaluó la precisión del DNR y su contribución al rendimiento de la MCD.
Principales resultados:
- El NRD entrenado logró una precisión satisfactoria en la predicción de la satisfacción de la señal ECoG.
- La integración de NRD contribuyó a mejorar el rendimiento de MCD.
- La estructura actor-crítico demostró el potencial para la optimización adaptativa del MCD.
Conclusiones:
- El NRD desarrollado es una herramienta prometedora para mejorar la precisión de la interfaz cerebro-computadora en la tetraplejía.
- Se necesita más investigación para la optimización en línea de MCD en tiempo real utilizando NRD.
- La incorporación de comentarios directos de los pacientes podría mejorar aún más la precisión del sistema MCD-NRD.
Palabras clave:
El Consejo de AdministraciónInterfaces cerebro-máquinaDecodificador de la respuesta neuronalsistemas neuromórficosPrótesis neurológicas personalizadaslas redes neuronales en picado
