Credited: Pixabay / CC0

Các nhà khoa học Nga đã đề xuất một thuật toán mới để giải mã tự động và diễn giải các trọng số của bộ giải mã, có thể được sử dụng cả trong giao diện não-máy tính và trong nghiên cứu cơ bản . Kết quả của nghiên cứu đã được công bố trênTạp chí Kỹ thuật Thần kinh.

Giao diện não-máy tính là cần thiết để tạo ra các bộ phận giả robot và cấy ghép thần kinh, mô phỏng phục hồi chức năng và các thiết bị có thể được điều khiển bằng sức mạnh của suy nghĩ. Những thiết bị này giúp những người từng bị đột quỵ hoặc chấn thương thể chất để di chuyển (trong trường hợp là ghế robot hoặc chân giả), giao tiếp, sử dụng máy tính và vận hành nhà thiết bị ld. Ngoài ra, kết hợp với phương pháp học máy, giao diện thần kinh giúp các nhà nghiên cứu hiểu được cách thức hoạt động của bộ não con người.

Thông thường nhất, giao diện não-máy tính sử dụng hoạt động điện của tế bào thần kinh, ví dụ, được đo bằng phương pháp điện não đồ hoặc từ tính. Tuy nhiên, cần có một bộ giải mã đặc biệt để chuyển các tín hiệu thần kinh thành các lệnh. Các phương pháp xử lý tín hiệu truyền thống đòi hỏi công việc tỉ mỉ trong việc xác định các đặc điểm thông tin — các đặc điểm tín hiệu, theo quan điểm của nhà nghiên cứu, dường như là quan trọng nhất đối với nhiệm vụ giải mã.

Ban đầu, các tác giả tập trung vào dữ liệu điện tâm đồ (ECoG) — một bản ghi xâm lấn hoạt động thần kinh với các điện cực nằm trực tiếp trên bề mặt vỏ não dưới màng cứng, một lớp vỏ bao bọc não — và phát triển một mạng thần kinh kiến trúc nhân tạo tự động hóa việc trích xuất các đặc trưng.

Theo quan niệm của các nhà khoa học,nơ-ronmạng thuật toán không nên quá phức tạp về số lượng tham số. Nó sẽ được tự động điều chỉnh và cho phép người ta giải thích các thông số đã học theo các thuật ngữ có ý nghĩa sinh lý học. Yêu cầu cuối cùng đặc biệt quan trọng: nếu nó được đáp ứng, mạng lưới thần kinh không chỉ có thể được sử dụng để giải mã tín hiệu mà còn để đạt được những hiểu biết mới về cơ chế tế bào thần kinh, giấc mơ trở thành hiện thực đối với các nhà thần kinh học và thần kinh học. Do đó, ngoài một mạng nơron mới để xử lý tín hiệu, các tác giả đã đề xuất (và về mặt lý thuyết) một phương pháp để giải thích các tham số của lớp mạng nơron rộng.

Mạng nơ-ron do các nhà nghiên cứu đề xuất bao gồm một số nhánh có cấu trúc tương tự, mỗi nhánh được điều chỉnh tự động để phân tích tín hiệu của một nhóm nơ-ron riêng biệt trong một dải tần số nhất định và được điều chỉnh để tránh nhiễu. Để làm điều này, họ sử dụng các lớp tích tụ tương tự như các lớp bao gồm mạng nơ-ron, được làm sắc nét để phân tích hình ảnh và hoạt động như các bộ lọc tần số và không gian. Biết được trọng số của bộ lọc không gian, có thể xác định được vị trí của quần thể thần kinh và trọng số tích chập theo thời gian cho biết hoạt động của nơron thay đổi như thế nào theo thời gian ngoài việc gián tiếp chỉ ra kích thước quần thể thần kinh.

Để đánh giá hiệu suất của mạng nơ-ron kết hợp với một phương pháp mới để giải thích các tham số của nó, trước tiên, các nhà khoa học đã tạo ra một tập hợp dữ liệu mô hình thực tế, hoặc 20 phút hoạt động từ 44 quần thể nơ-ron. Nhiễu đã được thêm vào dữ liệu để mô phỏng nhiễu khi ghi tín hiệu trong điều kiện thực. Bộ dữ liệu thứ hai cần kiểm tra là bộ dữ liệu từ BCI Competition IV, chứa dữ liệu điện tâm đồ của một số đối tượng định kỳ di chuyển ngón tay của họ một cách tự nhiên. Một bộ dữ liệu điện tâm đồ khác được thu thập bởi chính các nhà khoa học tại Đại học Y khoa và Nha khoa Bang Moscow, nơi đóng vai trò là cơ sở lâm sàng của Trung tâm Giao diện Điện sinh học của Đại học HSE. Không giống như dữ liệu trước đó, các hồ sơ mà các nhà khoa học thu thập được chứa thông tin hình học đầy đủ về vị trí của các điện cực ECoG trên bề mặt vỏ não của mỗi bệnh nhân. Điều này làm cho nó có thể giải thích trọng lượng của các bộ lọc không gian được học bởi mạng nơ-ron và phân biệt somatotopy (tức là, mối quan hệ giữa vị trí của quần thể thần kinh trên vỏ não và phần cơ thể mà nó tương ứng về mặt chức năng) ở vị trí của nơ-ron dân số quan trọng để giải mã chuyển động của mỗi ngón tay.

Mạng nơ-ron hoạt động tốt: với bộ dữ liệu BCI Competition IV, nó hoạt động ngang bằng với giải pháp được đề xuất bởi những người chiến thắng cuộc thi, nhưng, không giống như giải pháp, nó sử dụng các tính năng được chọn tự động. Trong khi làm việc với cả dữ liệu thực và dữ liệu mô hình, các nhà nghiên cứu đã chứng minh rằng có thể giải thích các thông số tỷ lệ một cách chính xác và chi tiết, và việc giải thích mang lại kết quả hợp lý về mặt sinh lý học. Các nhà nghiên cứu cũng áp dụng một kỹ thuật mới để phân loại các chuyển động tưởng tượng dựa trên dữ liệu điện não đồ không xâm lấn (thu được từ bề mặt của đầu, không cần cấy điện cực). Như trong trường hợp ECoG, mạng nơ-ron cung cấp độ chính xác giải mã cao và khả năng diễn giải tính năng.

“Chúng tôi đang sử dụng cách tiếp cận này để xây dựng các giao diện máy tính xâm lấn -não Trưởng nhóm nghiên cứu cho biết:, cũng như giải quyết các vấn đề về lập bản đồ vỏ não trước phẫu thuật, điều cần thiết để đảm bảo rằng các chức năng hành vi quan trọng được bảo tồn sau khi phẫu thuật não”. Giám đốc của Trung tâm HSE về Giao diện Điện sinh học, Alexei Ossadcthi. “Trong tương lai gần nhất, kỹ thuật được phát triển sẽ được sử dụng để tự động trích xuất kiến thức về các nguyên tắc mà bộ não thực hiện một loạt các chức năng hành vi.”

(Nguồn Medicalxpress.com)