MSDAC:一个多源域对抗框架,用于在皮层内脑-计算机接口中的运动预测

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) 能够在中恢复运动功能.
• 目前的iBCI解码方法需要经常重新校准,因为神经数据不稳定,阻碍了可靠的在线控制.

研究的目的:

• 为iBCI开发一个强大的跨日解码框架,尽量减少频繁重新校准的需要.
• 通过解决神经数据变异性来提高iBCI系统的稳定性和性能.

主要方法:

• 提出了一个多源域对抗分类 (MSDAC) 框架,利用分布外泛化.
• 实施对抗性网络以最大限度地减少跨历史数据域 (按日期) 的分布差异.
• 评估了MSDAC框架的五个月子中心外神经活动数据.

主要成果:

• 在不使用测试日数据进行校准的情况下,MSDAC框架在150天内实现了平均84.38%的解码精度.
• 证明了强大的域不变特征,导致在未见测试数据上的卓越性能.
• 显著提高解码稳定性,减少了重新校准的需要.

结论:

• 在iBCI系统中,MSDAC框架为跨日解码提供了稳定有效的解决方案.
• 这种方法有可能显著提高iBCI在患者的临床适用性.
• MSDAC代表了开发可靠,长期可靠的大脑与计算机接口的有希望的方向.