脑机界面的人工神经网络始终产生比线性方法更自然的手指运动
bioRxiv : the preprint server for biology
|March 18, 2024
概括
非线性脑机界面 (BMI) 创造出比线性解码器更自然的手指运动. 正规化改善神经网络的一致性和对脊髓损伤患者的概括性.
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
- 机器学习 机器学习
背景情况:
- 脑机界面 (BMI) 旨在通过将神经信号转化为预期的行为来恢复脊髓损伤患者的功能.
- 最近的进展表明,非线性BMI解码器的性能优于传统的线性方法,但具体的好处仍未得到充分探索.
结论:
- 非线性BMI方法,如tcFNNs,产生更自然的运动,这对于恢复精细运动控制至关重要.
- 这些先进的解码器显示出有很大的潜力,可以在较少受约束的现实世界应用中改善对患者的概括性.


