使用强化学习对体感官刺激的自动校准

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:

• 用于神经调节的电刺激参数识别是耗时的,并且严重依赖于用户的专业知识.
• 目前的方法需要频繁,漫长的校准会话,导致效率低下和患者的高成本.
• 随着时间的推移,刺激参数的变化需要反复的患者访问和调整.

研究的目的:

• 开发一个使用强化学习 (RL) 的自动校准系统,以高效准确地识别外围神经刺激参数.
• 创建一个基于人工智能的直观平台,用于自主感觉表征.
• 改进神经假肢中恢复感官反的过程.

主要方法:

• 开发了一种RL算法,自动选择神经刺激参数,用于通过皮肤进行电神经刺激 (TENS).
• 在49名受试者的数据上,在线训练RL算法.
• 将算法与图形用户界面 (GUI) 集成为自主使用,并对5个受试者 (15个神经) 和6个神经病变神经进行了验证.

主要成果:

• 自动化的RL方法成功地确定了最佳的神经刺激参数,以获得可靠和舒适的感觉.
• 与天真用户和粗暴强制算法相比,RL显著减少了映射时间和刺激列车.
• 该RL算法表现出与训练有素的实验者相当的性能,并且有效地引起神经病患者的感觉反.

结论:

• 基于人工智能的平台,由RL提供动力,自动化和优化体感神经刺激参数校准.
• 这项技术融合了人工智能和神经技术,有可能减少对专家干预的依赖.
• RL算法在其他需要刺激参数映射的神经调节领域的应用方面表现有前途.