无监督的线性解码能够在多任务大脑计算机接口中准确预测肌肉活动

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:

• 皮层内脑-计算机接口 (iBCI) 旨在通过无的任务转换来改善用户体验.
• 神经活动的非线性对开发有效的全球iBCI解码器构成重大挑战.

研究的目的:

• 开发一种新的解码方法,以解决iBCI神经活动的非线性.
• 创建一个与传统的全球优化方法不同的解码器.

主要方法:

• 使用无监督的方法来实现基于神经多元结构的零碎线性解码器.
• 来自运动皮层和电肌图 (EMG) 的神经信号从执行各种任务的子中记录下来.
• 线性和非线性维度减小技术识别了神经多元体,无监督的算法将这些空间聚集在一起.
• 每个已识别的集群都安装了一个线性EMG解码器,激活基于神经数据点集群的特定解码器.

主要成果:

• 神经元组中的集群对应于不同的任务或任务子阶段.
• 随着集群数量的增加,逐步解码性能得到了改善,最终达到平稳.
• 即使有两个集群,分片解码也超过了全球线性解码器和全球反复神经网络 (RNN) 解码器.

结论:

• 为iBCI解码器推出了一种在各种任务中有效的轻量级计算解决方案.
• 零碎的线性解码近乎神经活动和运动输出之间的非线性.
• 这种方法增强了对运动皮层中神经多元结构的理解,以改善iBCI功能.