马修·麦肯，普拉特16岁，整个夏天都在把思想转换成动作。
作为生物医学工程和数学专业的一名大四学生，杜克大学创造了一个大脑-机器接口，可以感知受试者的不同脑电波，并将其转换为机械手的运动，从而为假肢领域的研究做出了贡献。
麦肯从未去过欧洲，更不用说在那里住了三个月。他在国外的冒险又向前迈进了一步，在兰德·阿尔马吉迪位于德国的生物医学工程实验室从事尖端研究。麦肯与德国弗莱堡大学(University of Freiburg)合作，在德国学术交流处(Academic Exchange Service)进行了科学与工程方面的研究实习。
麦肯结合了两种著名的生物医学技术，三极同心圆脑电图(tEEG)和近红外光谱(NIRS)，来检测他的研究对象的大脑活动。脑电图(EEGs)是想象记录大脑活动时所使用的典型设备:当特定的大脑区域处于活动状态时，电极会贴满受试者的头骨，以接收神经元的放电信号。
近红外光谱是一种测量大脑活动的新方法。近红外光谱仪的一个常见应用是脉搏血氧仪，也就是医生放在你手指上用来测量脉搏和血液氧合的塑料夹状装置。McCann使用近红外光谱(NIRS)来测量受试者头皮不同区域的血流量。不同的血流模式表明大脑活动是动态的。
根据从这两种技术中获得的数据，麦肯将大脑活动分为三个特定的意图:想要移动右手，想要移动左手，想要移动脚。每个不同的运动意图都与机械手的一根手指的运动相联系。手在不同意图下移动的例子如下(速度为8倍):
McCann在该项目中面临的主要挑战是处理复杂的脑电图信号，并从这些信号中去除噪声，以便正确地对每个动作意图进行分类。他研究了大量的训练数据，这些数据来自于那些对每个动作都非常专注的受试者。
他最终分离出了特定的频段，在他所瞄准的三个运动意图中，这些频段的功率调节最为剧烈。这些频带是他的机器学习算法的基础，该算法将已知的数据与训练对象产生的关于运动的未知想法进行匹配。
在开发了他的算法之后，麦肯用未知的数据对其进行了测试。McCann的算法在对未知的运动思想进行分类时，最终获得了令人印象深刻的高达80%的准确率。
通过他的研究，麦肯证明了用简单的材料和开源软件快速制造功能性假肢的可行性。事实证明，他的假肢手有望实现医疗创新，因为它代表了一种非侵入性、功能性的脑机接口。最终，他的成功让人们对假肢的未来感到乐观。
了解更多关于麦肯和他的项目在他的网站上。
作者:Olivia Zhu
新闻旨在传播有益信息，英文原版地址：https://researchblog.duke.edu/2016/02/11/an-adventure-abroad-in-brain-machine-interfaces/