La estabilización de las interfaces cerebro-ordenador

interfaces cerebro-ordenador (BCI) son dispositivos que permiten a las personas con discapacidad motora, tales como la parálisis de controlar las prótesis, los cursores de ordenador, y otras interfaces usando sólo sus mentes. Uno de los mayores problemas que enfrenta BCI se utiliza en un entorno clínico es la inestabilidad en los propios registros neuronales. Con el tiempo, las señales captadas por BCI puede variar, y el resultado de esta variación es que una persona puede perder la capacidad de controlar su BCI.

Como resultado de esta pérdida de control, los investigadores piden al usuario que pasar por una sesión de recalibración que les obliga a dejar de hacer lo que están haciendo y restablecer la conexión entre sus órdenes mentales y las tareas que se realizan. Por lo general, otro técnico humana participa sólo para conseguir que el sistema funcione.

"Imagínese si cada vez que queríamos utilizar nuestro teléfono celular, para conseguir que funcione correctamente, tuvimos que calibrar alguna manera la pantalla por lo que sabía de qué parte de la pantalla que señalaban," dice William Bishop, que antes era un doctorado alumno y estudiante postdoctoral en el Departamento de aprendizaje automático en CMU y es ahora miembro Campus Janelia Investigación Granja. "El estado actual de la técnica en la tecnología BCI es algo así como eso. Sólo para obtener estos dispositivos BCI al trabajo, los usuarios tienen que hacer esto recalibración frecuente. Así que eso es muy incómodo para los usuarios, así como los técnicos de mantenimiento de los dispositivos. "

El papel, "Una interfaz cerebro-ordenador estabilizado basado en neural alineación colector," presenta una máquina algoritmo de aprendizaje que da cuenta de estas señales variables y permite al individuo para continuar el control de la BCI en presencia de estas inestabilidades. Al aprovechar el hallazgo de que reside neuronales de actividad de la población en una baja dimensión "colector neuronal", los investigadores pueden estabilizar la actividad neuronal para mantener un buen rendimiento de BCI en presencia de inestabilidades de grabación.

"Cuando decimos 'estabilización', lo que queremos decir es que nuestras señales neuronales son inestables, posiblemente debido a que está grabando desde diferentes neuronas a través del tiempo", explica Alan Degenhart, un investigador post-doctoral en ingeniería eléctrica e informática en la CMU. "Hemos encontrado una manera de tomar diferentes poblaciones de neuronas en el tiempo y utilizar su información para revelar esencialmente una imagen común de la computación que está pasando en el cerebro, manteniendo de esta manera la BCI calibrada a pesar de las inestabilidades de los nervios."

Los investigadores no son los primeros en proponer un procedimiento de auto-calibración; el problema de las grabaciones neuronales ha sido inestables en el aire durante mucho tiempo. Unos pocos estudios han propuesto procedimientos de auto-recalibración, pero se han enfrentado al problema de hacer frente a las inestabilidades. El método presentado en este documento es capaz de recuperarse de inestabilidades catastróficos, ya que no se basa en el sujeto un buen desempeño durante la recalibración.

"Vamos a decir que la inestabilidad fuera tan grande como para que el sujeto ya no fueron capaces de controlar el BCI," explica Byron Yu, profesor de ingeniería eléctrica e informática y la ingeniería biomédica en la CMU. "Procedimientos de auto-recalibración existentes es probable que luchar en ese escenario, mientras que en nuestro método, hemos demostrado que puede en muchos casos se recuperan de estas inestabilidades catastróficos."

"Neural grabación inestabilidades no están bien caracterizadas, pero es un problema muy grande", dice Emily Oby, un investigador postdoctoral en neurobiología en Pitt. "No hay mucha literatura podemos señalar, pero anecdóticamente, muchos de los laboratorios que realizan investigación clínica con BCI que hacer frente a este problema con bastante frecuencia. Este trabajo tiene el potencial de mejorar en gran medida la viabilidad clínica de BCI, y para ayudar a estabilizar otras interfaces neuronales ".

Otros autores en el documento son de CMU Steve Chase, profesor de ingeniería biomédica y el Instituto de Neurociencia y de Pitt Aaron Batista, profesor de bioingeniería, y Elizabeth Tyler-Kabara, profesor asociado de cirugía neurológica. Esta investigación fue financiada por la Fundación Craig H Nielsen, los Institutos Nacionales de la Salud, Fundación de Caridad DSF, la National Science Foundation, PA Departamento de Investigación de la Salud y la Fundación Simons.

fuente: College of Engineering, Carnegie Mellon University. "Stabilizing brain-computer interfaces: New machine learning algorithm reduces need for brain-computer interfaces to undergo recalibration." ScienceDaily. ScienceDaily, 20 April 2020. <www.sciencedaily.com/releases/2020/04/200420125540.htm>.