Skip to content Skip to footer

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)

MAMY NADZIEJĘ, ŻE PODOBA CI SIĘ TO CO CZYTASZ...

Nigdy nie było ważniejszego czasu, aby edukować społecznie

ORION Organizacja Społeczna tworzy Publikacje dla osób, które cenią wiedzę opartą na dowodach i sprawdzonych źródłach. Naszym celem jest budowanie świadomego społeczeństwa, dlatego nasze materiały zawsze będą z darmowym dostępem. Jeśli możesz wesprzyj nas dzisiaj, przekazując darowiznę, którą możesz odliczyć od podatku oraz udostępniaj nasze Publikacje swoim przyjaciołom.

Nasze Publikacje mogą być rozpowszechniane na podstawie licencji: Uznanie autorstwa-Użycie niekomercyjne-Na tych samych warunkach 4.0 Międzynarodowe (CC BY-NC-SA 4.0)

Icon
Icon
Icon
Icon