脑机接口(BCI) 寻求在神经科学和工程系统之间建立桥梁，使神经工程师能够记录大脑中的电活动，对其进行分析以推断个人正在尝试做什么，并使用它来控制假肢等设备。除了进一步加深我们对大脑如何工作的理解，提取有关预期的物理运动的信息可以用于恢复残疾人的运动。尽管如此，要开发一种能够长时间记录我们大脑中数十亿神经元的微小电信号而不崩溃的系统仍是一项挑战。大量的微小电极(电子传感器)可以由硅制成——计算机芯片中使用的材料也是硅。然而，这些设备往往会随着时间的推移而改变，在某些情况下甚至一天之内就会改变，从而改变了哪个神经元被哪个电极记录，从而导致记录数据的“不稳定性”。

最初必须为每个用户校准BCI，以准确捕获他们的大脑想要完成的任务。一旦出现不稳定情况，重新校准设备可能会很困难，耗时且经常令人沮丧。一些工程师专注于用不同的，更柔软的材料开发电极，而卡耐基梅隆大学(Carnegie Mellon University)和匹兹堡大学(University of Pittsburgh)的科学家们公布了他们的新计算算法，该算法解释了不稳定性的存在。新算法的性能优于当前标准(一种被称为监督式自我重新校准的方法)，并且可以在数天内连续工作而无需重新校准。

作者假设，虽然单个神经元的身份和位置可能会随着时间而改变，但可能存在一些潜在的活动模式，可以用来“重新调整”系统，而不需要重新校准。他们可以使用这些基本模式，比如罗盘上的正北，随着时间的推移进行调整。

稳定BCI框架

研究人员开发了一种计算机程序来识别这种活动模式，并使用BCI控制屏幕上的光标，对两只猴子进行了测试(如上图)。然后对算法进行训练，以预测猴子想要的光标运动。之后，作者模拟了预计会在临床BCI中发现的巨大不稳定性，从而破坏了记录的数据。他们的算法能够在几分钟内自动修正这些情况下的性能，使其恢复到近乎完美的精度，并且可以在不需要重新校准的情况下工作至少五天。下图为代表性实验阶段。

代表性实验阶段

上图代表性实验阶段。a，实验阶段从初始BCI解码器的校准开始，随后是基线评估试验块(蓝色)。然后将一种不稳定性应用到神经活动中，然后打开稳定器，让它运行大约320次试验。稳定器更新然后关闭，评估稳定BCI的性能 (绿色)。为了评估仅在不稳定情况下的表现，动物还在不稳定情况下(红色)使用非稳定BCI解码器进行了一组试验。在每个实验结束时，使用不稳定的BCI解码器和不稳定的最终基线块进行测试(品红)。这样做是为了确定在稳定后基线表现是否有短暂的变化(即后遗症)，这些变化可能表明动物正在学习。b，代表性实验的光标控制成功率和获取次数(L20160325)。垂直虚线表示稳定器更新。黑点表示除稳定器模块外的所有模块在16个试验的非重叠组中的平均成功率和采集时间。对于此区块，黑点表示成功率和平均稳定时间，使用稳定器更新之间的所有试验计算得出，名义上每16次试验发生一次。成功率小于50％的块的采集时间未量化，而是用红点表示。为清晰起见，评估功能块的平均成功率和获取时间显示在每条迹线的右侧。

当将他们的算法与现有的有监督的重新校准测试进行比较时，他们发现，除了速度更快之外，该算法在减少光标移动的错误方面也更为成功，尤其是在动物可能没有集中注意力完成任务的时候。以前的这种标准的自我重新校准方法迫使算法在不稳定导致光标移动不准确时“重新学习”动物的意图，基本上是从头开始。在临床系统中，这将需要用户停止他们正在做的任何事情，并花费大约10分钟来重新校准机器。这使得这种算法不适合在医院以外的地方长期使用，而在家里独立使用是BCI恢复功能的最终目标。有了新的算法，不再需要重新校准。在出现不稳定性后，用户甚至不需要过于专注于任务，设备就能再次正常运行，而在监督的重新校准中，算法需要知道用户的预期动作，以正确地重新校准。

这项工作是初步的，仅使用该算法对两只猴子进行了测试目前还没有在人类身上使用。此外，与完全修复的假体设备所需要的复杂动作相比，用于训练的任务相对简单。尽管如此，该算法的数学基础表明，它可以很容易地应用于更复杂的问题，而且在长时间内的优异性能是有希望的。虽然我们可能不会很快看到完全仿生的手臂和腿，但神经工程现在离让“科幻小说”变得不那么虚构又近了一步。它也为我们了解大脑中潜在的模式是如何包含我们尚未完全理解的信息提供了一些见解，而随着这些智能算法的引入，我们甚至可能不需要有效的BCI。

参考信息

Stabilization of a brain–computer interface via the alignment of low-dimensional spaces of neural activity

http://sitn.hms.harvard.edu/flash/2020/decoding-your-brain-the-search-for-stability-at-the-brain-computer-interface/

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！

更多阅读

P300脑机接口及数据集处理

SSVEP脑机接口及数据集处理

快速入门脑机接口：BCI基础(一)

干货|详解EEG脑电原理

脑电与情绪

蒲慕明院士：脑机融合技术或许会成为未来人工智能的一个热门方向

专家点评马斯克展示的最新脑机接口

快速入门脑机接口：BCI基础(二)

脑波的振幅、位相、分类

如何快速找到脑机接口社区的历史文章？

脑机接口BCI学习交流QQ群：515148456