Nowy algorytm uczenia maszynowego redukuje potrzebę przeprowadzania kalibracji dla interfejsu mózg-komputer.

Naukowcy z  Carnegie Mellon University (CMU) oraz University of Pittsburgh (Pitt) opublikowali w Nature Biomedical Engineering badanie, które  wyraźnie poprawi interfejsy mózg-komputer oraz ich zdolność do zachowywania stabilności podczas działania, znacząco redukując lub potencjalnie eliminując potrzebę kalibracji tych urządzeń podczas lub pomiędzy eksperymentami.

Interfejsy mózg-komputer (BCI: Brain-Computer Interfaces) to urządzenia, które umożliwiają osobom z niepełnosprawnością ruchową, taką jak paraliż, na kontrolowanie protez kończyn, kursorów komputerowych i innych interfejsów wykorzystujących ich umysły. Jednym z największych problemów, z którymi mierzy się BCI używana w warunkach klinicznych, jest niestabilność zapisów neuronowych. Z biegiem czasu mogą dochodzić różne sygnały odbierane przez BCI i w rezultacie osoba może stracić możliwość kontroli swojego BCI.

W wyniku tej utraty kontroli, naukowcy proszą użytkownika o przejście sesji ponownej kalibracji, która  wymaga od nich zaprzestania wszelkich wykonywanych czynności i zresetowania połączenia pomiędzy ich poleceniami umysłu i wykonywanymi zadaniami. Zazwyczaj w przywrócenie systemu do pracy zaangażowany jest jeszcze technik.

– Wyobraź sobie, że za każdym razem, gdy chcesz użyć telefonu komórkowego, aby działał on poprawnie musisz jakoś skalibrować ekran, żeby wiedział na jaką część ekranu naciskasz – mówi William Bishop, były doktorant i doktor habilitowany w Departamencie Uczenia Maszynowego CMU, a obecnie przy Janelia Farm Research Campus. – Obecny stan rzeczy w technologii BCI jest podobny. Aby urządzenia BCI działały, użytkownicy muszą często przeprowadzać kalibrację.  Jest to bardzo niewygodne, zarówno dla użytkowników jak i dla techników zajmujących się urządzeniami.

Praca  pt. “A stabilized brain-computer interface based on neural manifold alignment” prezentuje algorytm uczenia maszynowego, który uwzględnia te różne sygnały i pozwala użytkownikowi dalej kontrolować BCI przy wystąpieniu niezgodności.  Wykorzystując odkrycie, że aktywność populacji neuronowej znajduje się w “kolektorze neuronowym”,  badacze mogą  ustabilizować aktywność neuronową, aby zachować dobrą wydajność BCI przy niestabilności zapisu.

– Mówiąc ‘stabilizacja,’ mamy na myśli, że nasze sygnały neuronowe są niestabilne, prawdopodobnie dlatego, że tworzymy zapisy z różnych neuronów, w różnym czasie. – wyjaśnia Alan Degenhart, habilitowany naukowiec inżynierii elektrycznej i komputerowej, CMU.  – Opracowaliśmy sposób  na zapisywanie w czasie różnych zespołów neuronów i używanie ich informacji aby zasadniczo zobrazować ogólny wygląd obliczeń dziejących się w mózgu, utrzymując w ten sposób kalibrację BCI pomimo niestabilności  neuronalnych. 

Naukowcy nie są pierwszymi, którzy oferują metodę auto-kalibracji; problem niestabilności zapisów neuronalnych istnieje już od dłuższego czasu. Niektóre prace przedstawiały procedury dla auto-kalibracji, ale zawsze stawały przed problemem radzenia sobie z niestabilnościami.  Ta metoda radzi sobie z poważnymi niedoskonałościami, ponieważ nie jest zależna od odpowiedniego zachowania się użytkownika podczas kalibracji.

– Przyjmijmy, że  niestabilności byłyby tak duże, że użytkownik nie byłby w stanie kontrolować BCI – wyjaśnia  Byron Yu,  profesor inżynierii elektrycznej i komputerowej oraz inżynierii biomedycznej, CMU. – Istniejące procedury auto-kalibracji  prawdopodobnie miałyby w tej sytuacji spore problemy, podczas gdy przy naszej metodzie w wielu przypadkach możliwe jest utrzymanie się  po takich katastrofalnych niestabilnościach.

– Niedokładności w zapisach neuronalnych nie są zbyt dobrze opisane, ale to bardzo duży problem – mówi  Emily Oby, habilitowany naukowiec z zakresu neurobiologii w Pitt. – Nie ma wiele literatury, do której moglibyśmy się odwoływać, ale wiele laboratoriów prowadzących badania kliniczne z BCI musi zmagać się z tym problemem dość często. Ta praca ma potencjał znacząco usprawnić kliniczną żywotność BCI oraz pomóc w stabilizowaniu innych interfejsów neuronalnych. 

Wśród innych autorów pracy znaleźli się Steve Chase, profesor inżynierii biomedycznej i Instytutu Neurobiologii, CMU,  Aaron Batista, profesor nadzwyczajny bioinżynierii, Pitt,  Elizabeth Tyler-Kabara, profesor nadzwyczajny neurochirurgii. Sponsorami tego badania są Craig H Neilsen Foundation, the National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research,  Simons Foundation.

Źródło: Stabilization of a brain–computer interface via the alignment of low-dimensional spaces of neural activity (Nature Biomedical Engineering)