用代表学习进行针刺激的神经多重解码器:针-大脑接口

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
• 传统中国医药 传统中国医药

背景情况:

• 针对大脑活动和认知功能的调节已知,但体感刺激和动态大脑反应之间的确切联系仍然不清楚.
• 了解这种相关性对于阐明针的临床疗效至关重要,特别是在神经系统疾病中.

研究的目的:

• 提出一种深度学习框架,用于使用电脑电图 (EEG) 活动解码针操作.
• 为了建立特定的针技术 (举起-推,扭转-旋转) 和不同的大脑活动模式之间的相关性.
• 开发一种针-大脑接口,将体感官输入与神经表征联系起来.

主要方法:

• 利用对比的表示学习和域调整来分析针师的视频录像,推断3D手姿势和运动轨迹.
• 应用无监督的多元学习来估计从针引起的EEG信号中低维的潜在神经多元.
• 设计了一种非线性神经网络解码器,以将神经多元体转换为行为多元体,预测操纵和针过程.

主要成果:

• 观察到不同针操纵的行为多元体中不同的过渡动态 (举起-推推与扭转-旋转).
• 从EEG信号中成功估计了潜在的神经多元体,这些信号可靠地代表了针刺激.
• 通过使用拟议的EEG解码器,在解码四种类型的针手术中获得了高性能,精度为92.42%.

结论:

• 开发的深度学习框架有效地从EEG信号中解码针操纵,建立体感刺激和大脑反应之间的联系.
• 建议的针-大脑接口为研究针治疗效果背后的神经机制提供了一个新的方法.
• 这种方法提供了一个有效的方案,通过量化大脑活动变化来揭示针治疗的临床疗效.