点击上面"脑机接口社区"关注我们

更多技术干货第一时间送达

通过我们对外部物体的感官体验，可以有效地控制外部物体。为了研究因果关系的学习和影响方式，研究人员设计了一种使用宽场钙信号(wide-field calcium signals)的脑机接口(BMI)任务。老鼠学会了在任意一对大脑皮层区域的活动模式来引导视觉光标到目标位置以获得奖励。正常相关的大脑区域可以快速重新配置，以一种依赖于感觉反馈的方式对光标施加控制。当熟练(经过多次训练后)的动物控制游标时，较高的视觉皮层参与度更高。当老鼠控制游标时，高级视觉皮层的个体神经元对游标的反应比被动观看游标时更强烈，当游标接近目标位置时，反应最强。因此，因果关系受控对象的表示对意图和接近对象的目标很敏感，从而有可能增强感官反馈以实现更流畅的控制。

我们知道大脑可以指导思想，但很难确定是如何实现的。Sainsbury Wellcome Center的研究人员设计了一种脑机接口(BMI)，可以让老鼠只通过大脑活动来学习引导光标。通过监测这只老鼠控制游标，将游标移动到一个目标位置以接受奖励，研究人员能够研究大脑是如何表现意图控制的。

近日发表在《Neuron》杂志上的这项研究，揭示了大脑是如何表现因果控制的物体的。研究人员发现，当老鼠控制光标时，大脑高级视觉皮层的活动是目标导向的，包含有关动物意图的信息。这项研究有一天将有助于改善BMI的设计。

脑机接口允许人或动物用意念控制电脑的设备。对人类来说，这可能是控制机械臂拿起一杯水，或者移动电脑上的光标，用大脑输入信息。该论文的第一作者Kelly Clancy博士表示:"在动物身上，我们使用这些设备作为模型，如何使BMI更好。"

TomMrsic-Flogel教授表示"目前，BMI对于人类来说很难使用，例如，它需要很长时间来学习如何控制机械手臂。一旦我们了解了支持如何学习意图控制的神经回路，我们就由希望使人们更轻松地使用BMI。"

实验与图例

传统上，研究有因果控制的物体在大脑中是如何呈现的一直是个挑战。我们可以想象一下，大脑是如何表现它所控制的光标还是被动地观察的光标。在第一种情况下有运动信号，而在第二种情况下没有，所以很难对两者进行比较。使用BMIs，主体不会移动，所以可以进行更清晰的比较。

在这项研究中，研究人员使用了一种称为"宽场脑成像(wide-field brain imaging)"的技术，该技术使他们能够在动物使用BMI的同时查看皮层的整个背面。这项技术使皮质的无偏屏幕能够定位与学习有意控制光标有关的区域。

下图即为基于宽场成像(wide-field imaging)的脑机接口

基于宽场成像(wide-field imaging)的脑机接口

如上图中，图(A)任务示意图。从动物的头戴式固定设备处实时捕获宽场信号(wide-field signals)，并转换为视觉光标位置。两个小区域(R1和R2)用于控制光标，并且将从这些区域记录的活动输送到解码器中。顶部显示了两个区域的dF/F示例，蓝色箭头表示试验开始，粉色箭头表示目标命中。图(B)为所有7只动物在训练过程中(平均每只15天)的对照ROI (蓝色R1，绿色R2)的位置叠加在艾伦脑图谱上(共104对)。图(C)为反馈示意图：光标可以在屏幕上的8个潜在位置中选择1个，而位置8是目标，会得到奖励。图(D)3只实验动物在1天的训练中被击中后，控制区域的DF/F值就会被触发，这表明动物在获得奖励时会使用不同的策略。粉色线表示击中目标的时间，灰色线表示奖励的交付时间。

研究人员对动物在不同的训练阶段的神经活动模式进行了探索。如下图所示。

神经活动模式的探索和利用

(A) 在训练之前(顶部)，区域信号高度自发相关。动物在训练阶段早期探索了不同的激活模式(中部)，以便在训练结束时发现和利用成功的模式(底部)。粉色箭头表示目标命中。R1和R2之间的Pearson相关性显示在每个轨迹的右侧。右:在这个训练过程中，跑，舔，扫视的平均点击量;灰色阴影表示均值周围95%的置信区间。粉色箭头表示目标命中，黑色箭头表示奖励传递。

(B)在自发活动和BMI任务期间，以R1(顶部行)和R2(底部行)活动为种子的3只动物的皮层相关图。

(C)如果控制区域高度自发相关，动物需要更长的时间才能达到标准性能(50%命中/尝试)(7只小鼠的数据进行线性回归，从第4天开始进行9天训练)。

(D) R1(顶部面板)和R2(底部面板)的平均活动方差在训练早期比在训练后期更大(n = 7只小鼠，第8天训练;阴影表明95%的置信区间在平均值左右)，表明老鼠在一次训练过程中磨练出更可靠和可重复性的控制策略。

(E)在实验早期，控制区域周围的神经活动具有高光谱熵(信号随机性的代表)，因为动物使用随机活动爆发来探索可能产生奖励的神经模式。在实验的后期，动物已经发现了一个可以利用的成功的活动模式，而控制区域的光谱熵活动下降了。阴影区域表示均值周围95%的置信区间。

在执行专家级任务时，较高的视觉区域更活跃

专家级任务：需要训练很久才能熟练解决的任务

在训练的第1天(顶部一行)(动物此时是新手级别)与训练的第9天(底部一行)，动物能够熟练地执行任务(专家级别)时的激活地图，如上图(A)。每张地图都用立体定位标记注册到艾伦大脑图谱(叠加)上。为了更好的可视性，控制区域显示得比实际略大。在第1天、第9天的任务执行期间的激活映射，以及在前一个会话的被动重放期间的激活映射。每一张地图都通过立体定位标记注册到艾伦大脑图谱上，然后在7只老鼠身上取平均值，如上图(B)。如上图(C)中可以看到高视觉区域的任务激活相对于V1的比例在训练过程中增加。当动物被动地观看同一阶段的回放时，较高的视觉区域活动性较低。红条表示平均比率(n = 7只小鼠，配对t检验，Bonferroni校正)。

光标调整移至目标位置

如上图(A)为当动物在执行基于成像的BMI任务时，以电生理记录为目标，并在前运动皮层中设置了控制区域。插图显示了3个隔离单元(红色快速尖峰单元)的示例波形。在两次成功试验(试验用蓝色表示，命中用粉红色箭头表示) 中出现峰值的例子。在顶部，从上到下的轨迹是瞳孔直径，运行速度和可视光标位置如图(B)。(C)图为标准化所有单个单元的光标位置。每一行代表对任务(顶部，N = 131个单位)和回放(底部，N = 128个单位)条件中每个记录单元的8个光标位置中每个位置的标准化触发响应。从光标显示开始起的80到200毫秒内，将触发响应作为平均触发速率。(D)图为 在任务执行(红色)和被动回放(蓝色)期间，每个光标位置的平均填充触发率。阴影区域表示95％的置信度。(E)左:在任务执行过程中，常规脉冲(RS)在不同光标位置上的平均射击率(95%的置信区间由阴影表示，n = 7只小鼠)。右:在任务执行过程中，快速脉冲(FS)向不同光标位置的平均发射率(95%的置信区间由阴影表示，n =7只小鼠)。

从上图这些实验和示例，研究人员发现老鼠的视觉皮层区域参与了这项任务。这些区域包括顶叶皮层，而这些区域正是大脑中与人类意图有关的区域。

通过深入研究这种方式的工作原理，研究人员希望能更多地了解大脑是如何发挥控制作用的。在这项研究中，小鼠学会了将大脑活动映射到感觉反馈。这类似于我们学习与世界互动的方式-例如，我们根据其增益设置来调整使用计算机光标的方式。我们的大脑建立物体通常表现的表现形式并相应地执行动作。通过更多地了解大脑中如何生成和更新这些规则，研究人员希望能够改善BMI。

论文信息

The sensory representation of causally controlled objects

https://www.sciencedaily.com/releases/2020/12/201222141531.htm

文章来源于网络，仅用于学术交流，不用于商业行为

若有侵权及疑问，请后台留言，管理员即时删侵！

更多阅读

Python-可视化Evoked数据

NeuroRA：一个用于多模态神经数据表征分析的Python工具包
手把手教你EEG脑电数据预处理-原理篇

带你入门跨学科领域——认知神经科学

2020完整版 伯克利《神经技术导论》课程及PPT和代码案例下载

EEG伪影类型详解和过滤工具的汇总(一)

脑机接口和卷积神经网络的初学指南(一)

脑电数据处理分析教程汇总(eeglab, mne-python)

快速入门脑机接口：BCI基础(一)

脑机接口BCI学习交流QQ群：515148456

微信群请扫码添加，Rose拉你进群

(请务必填写备注，eg. 姓名+单位+专业/领域/行业)

长按关注我们

欢迎点个在看鼓励一下