‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

脑机接口(BCI)寻求在神经科学和工程系统之间搭建一座桥梁，允许神经工程师能够记录大脑中的电活动，对其进行分析以此推断出个体正在试图做什么，并使用它来控制假肢等设备。研究人员除了进一步了解大脑的工作原理之外，还可以提取有关预期身体运动的信息用于恢复残疾人的运动。

大脑中有数十亿个神经元的微小电信号。然而开发一种能够长时间记录这些微小电信号而又不会崩溃的系统仍然是一项非常大的挑战。大量的微小电极(电子传感器)可以由与计算机芯片中使用的相同材料--硅制成。这些设备往往会随时间推移而变化，有时甚至一天就会发生改变，这会改变电极记录对应的神经元，从而导致记录数据的“不稳定性”。

在实验开始时，最初必须为每个用户校准BCI，以准确捕获他们的大脑试图完成的工作。一旦设备出现不稳定，重新校准可能是困难的、耗时的。针对记录数据时会出现不稳定性问题，一些工程师致力于用不同的，更柔软的材料开发电极，而来自卡内基梅隆大学(Carnegie Mellon University)和匹兹堡大学(University of Pittsburgh)的科学家们最近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，该方法称为“监督式自重新校准”，可以连续工作数天而不需要重新校准。

研究人员假设，虽然单个神经元的身份和位置可能会随着时间的推移而改变，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，就像指南针上的指针，随着时间的推移可以进行调整。

稳定BCI框架

他们开发了一种计算机程序来识别这种活动模式，并用BCI控制屏幕上的光标对两只猴子进行测试。然后对算法进行训练，以预测猴子的思想所预期的光标运动。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之内自动将性能校正到接近完美的精度，并且至少可以工作五天而无需重新校准。

当将他们的算法与现有的监督下的重新校准测试进行比较时，他们发现，除了速度更快，它在减少光标移动的错误方面也更成功，特别是在动物可能没有集中精力完成任务的时候。

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。

一旦不稳定导致光标移动不准确，这种先前的标准自校准方法就会迫使算法“重新学习”动物的意图。在临床系统中，这将要求用户停止他们正在做的任何事情，并且通常在技术人员的帮助下花费大约10分钟重新校准机器。这使得这种算法在医院之外的无法长期使用。而BCIs恢复功能的最终目标就是独立在家使用该系统。

研究人员表示，他们提出的新算法，不需要长时间的重新校准。引入不稳定因素后，用户甚至不需要过度关注设备的任务。而在监督重新校准中，算法需要知道用户的预期运动才能正确进行重新校准。

这项工作还处于初级阶段，只在两只猴子身上进行了算法测试，尚未将其用于人类。另外、外，与完全修复的假体设备中需要的复杂动作相比，本测试用于训练的任务相对简单。即便如此，该算法的数学基础表明，它应该可以很容易地应用于更复杂的问题，而且在长时间内的出色性能是非常有可能的。虽然我们可能不会很快看到完全仿生的手臂和腿，但是神经工程让这些“科幻小说”中的场景离现实更近一步。它还提供了一些关于大脑中的潜在模式可能如何包含我们尚未完全理解的信息的见解，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/

版权声明：Rose编译

文章仅用于学术交流，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

扎克伯格深度采访：透露未来十年脑机接口野心

BciPy: 一款基于Python用于BCI研究的开源软件

稳态视觉诱发电位SSVEP介绍

科学研究｜从大脑层面探讨双语能力与认知功能：一项系统性综述

超越马斯克！脑机AR头显即将面世：不用开颅，也能意念操控

EEG-MI 基于EEG信号的运动想象分类实验

精彩长文 | 脑机接口技术的现状与未来！

通俗讲解机器学习！

你的每一次在看，我都很在意！