无监督的神经多元格对齐用于从皮质信号中稳定解码运动

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
• 机器学习 机器学习

背景情况:

• 来自神经活动的运动参数的稳定解码对于脑机界面 (BMI) 是必不可少的.
• 随着时间的推移,神经活动的不稳定性降低了BMI中的运动解码精度.
• 目前的多路稳定技术需要知道主体的意图,限制实际应用.

研究的目的:

• 开发一个自动的,无监督的算法来稳定大脑机器接口 (BMI).
• 在多路线对齐之前确定运动目标意图,解决现有方法的局限性.
• 为了提高BMIs中长期运动解码的准确性和稳定性.

主要方法:

• 开发了一个无监督的算法,可以在没有事先知识的情况下确定运动目标的意图.
• 这种算法与缩小维数和多重对齐技术相结合.
• 这种结合方法在测试Rhesus的2D手速解码过程中进行了测试.

主要成果:

• 提出的方法成功地稳定了跨会话的解码,即使有多重旋转和缩放.
• 解码性能使用相关系数和R平方尺度来评估.
• 该方法在与最先进的无监督BMI稳定器相比,显示出更高的解码性能.

结论:

• 开发的无监督算法为BMI中稳定而准确的运动解码提供了自动解决方案.
• 这种方法克服了对已知的受试者意图的需求,推进了长期的BMI应用.
• 这些发现有助于更可靠和更强大的脑机接口系统.