Исторически, одним из самых больших препятствий в области интерфейсов мозг-компьютер (BCI) была постоянная потребность в повторной калибровке, которая заставляет пользователей прекращать то, что они делают, и сбрасывать связь между своими умственными командами и поставленной задачей.
Это можно сравнить с гипотетическим сценарием, в котором для каждого случая использования вашего смартфона требуется предварительная калибровка, чтобы экран мог «знать», на какие его части вы указываете.
«Современное состояние технологий BCI примерно такое. Чтобы заставить эти устройства BCI работать, пользователи должны проводить частую повторную калибровку. Так что это крайне неудобно как для пользователей, так и для техников, обслуживающих устройства », - сказал Уильям Бишоп, соавтор новой статьи, в которой предлагается способ уменьшить потребность в постоянной повторной калибровке.
В статье, опубликованной в журнале Nature Biomedical Engineering , исследовательская группа из Университета Карнеги-Меллона и Университета Питтсбурга представляет новый алгоритм машинного обучения, способный учитывать различия в сигналах мозга, которые, вероятно, возникают из-за записи, происходящей из разных нейронов. через время и тем самым сбросив BCI.
«Мы нашли способ взять разные популяции нейронов во времени и использовать их информацию, чтобы по существу раскрыть общую картину вычислений, происходящих в мозге, тем самым сохраняя калибровку BCI, несмотря на нейронную нестабильность», - пояснил соавтор Алан. Degenhart.
Хотя алгоритмы самокалибровки уже были предложены другими исследователями, новая система обладает тем преимуществом, что способна восстанавливаться даже после катастрофической нестабильности благодаря своей конструкции, которая не требует никаких усилий со стороны самого пользователя.
«Нестабильность нейронной записи плохо охарактеризована, но это очень большая проблема», - сказала соавтор Эмили Оби. «Существует не так много литературы, на которую мы можем указать, но, как ни странно, многие лаборатории, в которых проводятся клинические исследования с BCI, сталкиваются с этой проблемой довольно часто. Эта работа может значительно улучшить клиническую жизнеспособность ИМК и помочь стабилизировать другие нейронные интерфейсы ».
