探索脑机接口中的协同作用:压缩与压缩. 业绩表现 业绩表现 业绩表现

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:

• 严重的神经损伤限制了运动能力,需要先进的辅助技术.
• 目前的辅助技术,包括皮质内脑机接口 (iBMIs),难以解码复杂的多自由度 (DoF) 运动.
• 肌肉协同作用,一个理论的神经简化策略,在减少噪音的非侵入性应用中表现有前途.

研究的目的:

• 评估肌肉协同作用和减小维度技术在提高高DoF运动的IBMI性能方面的有效性.
• 确定主要组件分析 (PCA),脱杂PCA (dPCA) 和非负矩阵分解 (NMF) 是否可以提高植入iBMIs中的解码精度和概括性.
• 评估这些方法对非人类灵长类动物的神经和肌肉数据的压缩和无效的实用性.

主要方法:

• 将PCA,dPCA和NMF应用于非人类灵长类动物的神经和肌肉记录,而非人类灵长类动物执行两个DoF手指任务.
• 评估了这些缩小维度技术对跨任务的解码精度和概括性的影响.
• 评估了这些方法对iBMI应用程序的数据压缩和无效化的能力.

主要成果:

• 所有经过测试的缩小维度方法 (PCA,dPCA,NMF) 都有效地压缩了神经和肌肉数据,解码精度的损失最小.
• 没有一个缩小尺寸的技术通过无声化来提高解码性能.
• 使用这些方法,在不同任务的解码器泛化中没有观察到任何显著的增强.

结论:

• 虽然缩小维度有助于iBMIs的数据压缩,但它本身并不能改善解码器性能或概括性.
• 当通过PCA,dPCA或NMF分析肌肉协同作用时,可能不代表增强IBMI强度的最佳控制框架.
• 需要进一步的研究来探索替代方法,以改善神经损伤患者的iBMI应用中的解码器性能和通用性.