寻求侵入性脑机接口(BCI)的可行替代方案一直是卡内基梅隆大学He Lab的持续研究重点。2019 年,该小组使用非侵入性 BCI 首次成功证明,精神控制的机械臂具有持续跟踪和跟踪计算机光标的能力。随着技术的进步,他们的人工智能驱动的深度学习方法变得更加强大和有效。在PNAS Nexus上发表的新研究中,该小组证明,人类可以通过思考来控制对移动物体的连续跟踪,并具有无与伦比的性能。
与侵入性脑机接口(例如Neuralink或Synchron)相比,非侵入性脑机接口具有许多优势。这些包括提高安全性、成本效益以及可供众多患者和普通人群使用的能力。然而,非侵入性脑机接口面临挑战,因为它们的记录不太准确且难以解释。
在 卡内基梅隆大学(Carnegie Mellon University)生物医学工程教授何斌(opens in new window)最近的一项研究中,一组28名人类参与者被赋予了一项复杂的脑机接口任务,即通过思考来跟踪二维空间中的物体。在任务期间,脑电图(EEG)方法从大脑外部记录了他们的活动。使用人工智能训练深度神经网络,然后,He小组使用BCI传感器数据直接解码和解释人类连续物体运动的意图。总体而言,这项工作证明了非侵入性BCI在脑控计算机化设备上的出色性能。
“与传统技术相比,人工智能技术的创新使我们能够大大提高性能,并为未来人类的广泛应用提供启示,”何斌表示。
此外,该小组的人工智能驱动的脑机接口的能力表明,它可以直接应用于连续控制机器人设备。
“我们目前正在测试这种人工智能驱动的非侵入性BCI技术,以控制机械臂的复杂任务,”他说。“此外,我们正在进一步测试其适用性,不仅适用于身体健全的受试者,还适用于患有运动障碍的中风患者。几年后,这可能会导致人工智能驱动的辅助机器人可供广泛的潜在用户使用。
为此,患有脊髓损伤、中风或其他运动障碍但不想接受植入物的运动障碍患者将从这方面的研究中受益匪浅。
“我们一直在推动可以帮助每个人的非侵入性神经工程解决方案,”他补充道。
这项工作得到了美国国家神经疾病和中风研究所、国家补充和综合健康中心以及国家生物医学成像和生物工程研究所的部分支持。
PNAS Nexus论文的其他合作者包括第一作者DME博士生Dylan Forenzo和前BME硕士生Hao Zhu;Jenn Shanahan,前实验室技术员;和 Jaehyun Lim,BME 本科生。
新闻旨在传播有益信息,英文版原文来自 https://www.cmu.edu/news/stories/archives/2024/may/refined-ai-approach-improves-noninvasive-bci-performance