DPAD算法：分离特定行为相关脑模式的AI新方法

科学家开发出一种新的人工智能算法可以分离与特定行为相关的脑模式。这项工作有望改进脑机接口并有助于发现新的脑模式。南加州大学电气与计算机工程系Sawchuk讲席教授、南加州大学神经技术中心创始主任Maryam Shanechi及其团队开发了一种新的人工智能算法能够分离与特定行为相关的脑模式。这项可改进脑机接口并发现新脑模式的研究成果已发表在《自然·神经科学》杂志上。当你阅读这段文字时你的大脑正参与多种行为。也许你在伸手拿咖啡同时为同事大声朗读文章并且还感到有点饿。所有这些不同的行为如手臂运动、言语以及饥饿等不同的内部状态都同时编码在你的大脑中。这种同时编码导致脑电活动形成极其复杂且混合的模式。因此一个主要挑战是将编码特定行为如手臂运动的脑模式与所有其他脑模式分离开来。例如这种分离对于开发旨在恢复瘫痪患者运动能力的脑机接口至关重要。当这些患者想要做出动作时他们的想法无法传达给肌肉。为了恢复这些患者的功能脑机接口直接从他们的大脑活动中解码出计划中的运动并将其转化为移动外部设备如机械臂或电脑光标的指令。Shanechi和她的前博士生Omid Sani现为其实验室的研究助理开发了一种新型人工智能算法来解决这一挑战。该算法被命名为DPAD即“动态分离优先分析”。Shanechi说“我们名为DPAD的人工智能算法能够将编码特定感兴趣行为如手臂运动的脑模式与同时发生的所有其他脑模式分离开来。这使我们能够比以往方法更准确地从大脑活动中解码运动从而增强脑机接口。此外我们的方法还能发现那些可能被遗漏的新脑模式。”Sani补充说“该人工智能算法的一个关键要素是首先寻找与感兴趣行为相关的脑模式并在深度神经网络训练过程中优先学习这些模式。完成这一步后该算法随后再学习所有剩余的模式这样它们就不会掩盖或干扰与行为相关的模式。此外神经网络的使用使该算法在描述脑模式类型方面具有极大的灵活性。”除了运动该算法还具有灵活性未来可能用于解码精神状态如疼痛或抑郁情绪。通过追踪患者的症状状态作为反馈以精确调整治疗方案这或许有助于更好地治疗心理健康问题。Shanechi说“我们非常兴奋地开发和展示我们方法的扩展应用以追踪心理健康状况中的症状状态。这样做不仅能带来针对运动障碍和瘫痪的脑机接口也可能为心理健康状况带来脑机接口。”FINISHED更多精彩内容 请关注我的个人公众号 公众号办公AI智能小助手或者 我的个人博客 https://blog.qife122.com/对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号网络安全技术点滴分享