在新一代可穿戴神经接口的新一代自然手动过程中脊柱运动神经元行为的神经形态解码
概括
这项研究引入了一种新的神经形态框架,使用尖端神经网络 (SNN) 来解码人类脊髓运动神经元活动. 这种方法在识别来自非侵入性神经接口的运动意图方面达到很高的准确性.
科学领域:
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 当前的神经接口在机器学习模型中努力利用大脑高效的尖端编码.
- 基于尖端的模式识别为嵌入式系统中的适应性,紧性和本地处理的实现提供了潜力.
- 尖端神经网络 (SNN) 之前没有被应用于处理体内人类神经元活动.
研究的目的:
- 提出一种神经形态框架,用于处理人类脊柱运动神经元活动,以识别运动意图.
- 将这个框架整合到一个非侵入性接口中,用于解码手肌中的运动神经元活动.
- 为了证明卷积SNN在分析in-vivo人类神经元数据方面的有效性.
主要方法:
- 开发一个卷积尖端神经网络 (SNN).
- 来自5名参与者的467个脊柱运动神经元的活动处理.
- 在执行10种不同的手动时分析神经元活动.
主要成果:
- 实现了大约0.95 ±0.14的分类准确度,用于运动意图检测.
- 证明了对同度和非同度手部收缩的高精度.
- 通过使用SNN,成功地在体内处理了人类脊柱运动神经元活动.
结论:
- 这项研究展示了SNNs在处理in-vivo人类神经元活动方面的首次成功应用.
- 拟议的神经形态框架显示了高度精确的运动意图检测的巨大潜力.
- 将非侵入性神经接口与SNNs相结合,为先进的神经假肢应用提供了一个有前途的途径.
