稳定脑 - 机接口

脑机接口（BCI）设备可以让肢体残疾如瘫痪，以控制假肢，计算机光标和其他接口只使用他们的思想的个体。一个面临在临床环境中使用BCI的最大问题是在神经记录本身的不稳定性。随着时间的推移，信号拾取BCI可以变化，并且这种变化的结果是，一个人可能会失去控制他们的BCI的能力。

由于这种失控的结果，研究人员询问用户要经过这要求他们停止他们在做什么和重置他们的精神命令和执行任务之间的连接的重新校准会话。通常情况下，另一个人的技术人员参与只是为了系统开始工作。

“试想一下，如果每次我们想用我们的手机时，得到它的正常工作，我们必须以某种方式校准屏幕所以它知道我们在被指向屏幕的哪一部分，说：”威廉主教，谁是以前的博士学位学生和机器学习在CMU系博士后研究员，现在是在珍妮莉娅法姆研究园的研究员。 “本领域的BCI技术的当前状态是有点像那个。只是为了得到这些BCI设备的正常工作，用户不得不这样做频繁的校准。所以这是非常不方便的用户，以及维护这些设备的技术人员。 “

本文中，“A基于神经歧管对准稳定脑机接口”，提出了一种机器学习算法，该算法占这些不同的信号，并允许单独的继续控制这些不稳定性的存在下BCI。通过利用这一发现神经元群活动驻留在低维“神经流形”，研究人员可以稳定神经活动保持记录的不稳定性存在良好的BCI性能。

“当我们说‘稳定’，我们的意思是，我们的神经信号是不稳定的，可能是因为我们是从整个时间不同的神经元记录，”阿兰·德根哈特博士，在CMU在电气和计算机工程的博士后研究员解释说。 “我们已经想出一个办法采取神经元的不同群体跨越时间和使用他们的信息基本上揭示的事情在大脑中，从而保持神经，尽管不稳定校准BCI计算的一个常见的图片。”

研究人员并不是第一个提出自我校准的方法;不稳定的神经记录的问题已经在空中很长时间。一些研究提出自我校准程序，但都面临着应对不稳定的问题。本文提出的方法是能够从灾难中恢复的不稳定性，因为它不依赖于校准期间表现良好的主题。

“让我们说的不稳定性是如此之大，使得受试者不再能够控制BCI，”拜伦玉，在CMU电气和计算机工程和生物医学工程教授解释说。 “现有的自校准程序很可能在场景中挣扎，而在我们的方法，我们已经证明它可以在许多情况下，从这些灾难性的不稳定性恢复。”

“神经记录的不稳定性没有得到很好的特点，但它是一个非常大的问题，”艾米丽OBY，在皮特在神经生物学博士后研究员说。 “没有大量的文献，我们可以指出，但有趣的是，有很多是做临床研究与BCI的实验室必须相当频繁处理这个问题。这项工作有可能极大地提高企业景气指数的临床可行性的潜力，以帮助稳定其他神经接口“。

在纸张上其他作者包括CMU的史蒂夫大通，生物医学工程教授和神经科学研究所，和皮特的亚伦巴蒂斯塔，生物工程学副教授，和伊丽莎白泰勒 - 卡巴拉，神经外科副教授。这项研究是由克雷格尼尔森^ h基金会，美国国立卫生研究院，DSF慈善基金会，美国国家科学基金会，健康研究PA部，和西蒙斯基金会资助。

资源 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>.