适应性和个性化神经假体控制的神经反应解码系统

科学领域:

• 神经科学
• 生物医学工程
• 康复技术

背景情况:

• 之前的工作建立了一个使用电皮质谱 (ECoG) 的运动控制解码器 (MCD),用于四肢的运动意图.
• 患者对效应器作用的满意度至关重要,但并不能通过预期的运动标签来保证.
• 需要将大脑信号分类为令人满意或不令人满意的,以完善解码准确性.

研究的目的:

• 用神经响应解码器 (NRD) 升级神经形态MCD以预测ECoG信号的满意度.
• 使用NRD设计一个关键参与者框架,用于MCD的强化学习适应.
• 通过将满意度反纳入解码过程来提高MCD的性能.

主要方法:

• 开发了一个NRD来预测ECoG信号的满意度.
• 通过使用ECoG信号,MCD预测和规定的预期运动来训练NRD.
• 基于NRD实施了MCD强化学习适应的关键结构.
• 评估了NRD的准确性及其对MCD性能的贡献.

主要成果:

• 经过训练的NRD在预测ECoG信号的准确性方面取得了令人满意的成绩.
• 纳入NRD有助于提高MCD的性能.
• 演员-关键结构显示了适应性MCD优化的潜力.

结论:

• 开发的NRD是增强四肢患者脑电脑界面准确性的有希望的工具.
• 需要进一步研究使用NRD实时在线优化MCD.
• 纳入患者的直接反可以进一步提高MCD-NRD系统的准确性.