从子到人类:基于观察的EMG脑电脑接口解码器用于的人类.
Fabio Rizzoglio1, Ege Altan1,2, Xuan Ma1
1Department of Neuroscience, Northwestern University, Chicago, IL, United States of America.
Journal of neural engineering
|October 16, 2023
概括
研究人员开发了用于脑计算机接口 (BCI) 的新方法,通过使用其他个体的数据来预测肌肉活动. 这一进步可以改善患者的假肢控制.
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
- 康复技术 康复技术 康复技术
背景情况:
- 皮层内脑-计算机接口 (iBCI) 通常使用观察到的运动进行解码器训练,限制其用于预测不可观察的输出,如肌肉活动.
- 现有的iBCI方法无法直接解码预期的肌肉活动,因为麻阻止了直接训练.
- 需要新的iBCI解码策略来控制先进的假肢和功能电刺激.
研究的目的:
- 研究使用代孕个体的肌肉活动记录来训练iBCI解码器的可行性.
- 为了确定运动行为的神经表现是否在个体和物种之间被保存以进行解码传输.
- 开发能够预测电肌图 (EMG) 信号的iBCI解码方法.
主要方法:
- 使用人类iBCI用户和执行类似任务的子的神经数据测试了两种解码方法.
- 一种直接解码方法训练了一个模型,从人类的神经信号中预测子EMG.
- 一种转移解码方法通过使用正规相关性分析对物种之间的潜在神经信号进行了对齐,以使解码器转移.
主要成果:
- 直接和转移解码方法都成功地以高准确度预测了EMG活动.
- 在两只子之间,以及从子到人之间,可以实现准确的EMG预测.
- 该研究证明了跨物种和跨个体解码器传输的有效性.
结论:
- 运动行为的潜在神经表现在个体之间甚至在灵长类物种之间都是一致的.
- 这些发现代表了开发iBCI解码器的重要一步,该解码器可以预测用于假肢控制的EMG信号.
- 开发的方法可以实现对假肢的仿生控制和功能电刺激,以恢复运动和阻抗.
