使用人工智能辅助飞行员的非侵入性脑机接口控制
Johannes Y Lee1, Sangjoon Lee1, Abhishek Mishra1
1Dept of Electrical and Computer Engineering, University of California, Los Angeles, CA, 90024, United States.
bioRxiv : the preprint server for biology
|October 17, 2024
概括
这项研究介绍了一种由人工智能驱动的非侵入性脑机界面 (BMI),可以增强神经信号处理. 这种AI-BMI改善了患者的控制,克服了以前的性能限制.
科学领域:
- 神经科学和生物医学工程
- 大脑与计算机接口 (BCI)
- 人工智能在医学中的应用
背景情况:
- 运动大脑机器接口 (BMIs) 帮助患者,但面临临临床可行性挑战.
- 侵入性BMI提供了高性能,但以神经外科风险为代价.
- 非侵入性BMI缺乏手术风险,但会导致性能降低和用户丧.
研究的目的:
- 通过解决神经信号噪声比差的问题,开发高性能,非侵入性BMI.
- 打破当前BMI技术固有的绩效风险权衡.
- 创建一个"AI-BMI"系统,将新型解码与人工智能辅助集成在一起.
主要方法:
- 开发了一种新的脑电图 (EEG) 解码方法.
- 集成的人工智能 (AI) 副驾驶员推断任务目标并协助完成行动.
- 采用了结合卷积神经网络 (CNN) 和类似ReFIT的卡尔曼过器 (KF) 的自适应解码策略.
主要成果:
- 健康的用户和的参与者展示了计算机光标和机器人手臂的熟练控制.
- 人工智能副驾驶员在标准的光标控制任务中显著提高了目标获取速度,达到4.3倍.
- 启用了机器人手臂的控制,用于涉及多个块和位置的顺序选择和放置任务.
结论:
- 开发的AI-BMI系统提供了一个有前途的非侵入性解决方案,以提高BMI性能.
- 这种方法减轻了神经外科手术的需要,同时实现了熟练的控制.
- 人工智能副驾驶员的进步可能会导致临床上可行的非侵入性AI-BMIs,以便更广泛地采用.
