图片来源于:Omid Sani & Maryam Shanechi, Shanechi Lab at the USC Viterbi School of Engineering

上图显示了大脑的纤维显示出其巨大的复杂性。新的机器学习方法可以分离出与特定行为相关的大脑信号模式，并更好地解码行为。

神经活动表现出与各种大脑功能、内部状态和行为相关的复杂动态。要理解神经动力学如何解释特定的被测行为，需要分离与行为相关和不相关的动力学，目前的神经动力学模型无法做到这一点，因为它们是在不考虑行为的情况下学习的。研究人员开发了优先子空间识别(Preferential Subspace Identification, PSID)，这是一种对神经活动建模的算法，同时可以分离和确定其行为相关的动力学的优先级。在对两只执行三维reach 和 grasp任务的猴子建模数据时，PSID显示与行为相关的动力学的维数明显低于其他隐含的维数。此外，PSID发现了独特的旋转动力学，更能预测行为。在两只执行扫视的猴子身上的建模数据显示了PSID在行为、大脑区域和神经信号类型上的泛化。PSID提供了一个通用的新工具来揭示行为相关的神经动力学，否则这些神经动力学可能不会被注意到。

在任何给定的时刻，我们的大脑都参与着各种各样的活动。例如，当我们在键盘上打字时，大脑不仅会指示我们的手指的动作，还会指示我们当时有多渴。由此可见，大脑信号包含动态的神经模式，这些模式同时反映了这些活动的组合。从大脑信号中分离出与特定行为(如手指运动)相关的模式是一个非常大的挑战。开发帮助神经系统和精神障碍患者的脑机接口(BMIs)需要将大脑信号转换成特定的行为，这一问题称为解码。这种解码还依赖于我们分离与特定行为相关的神经模式的能力。这些神经模式可以被与其他活动相关的模式掩盖，并且可以被标准算法所遗漏。

在南加州大学(Universityof Southern California, USC)助理教授Maryam Shanechi的带领下，研究人员开发了一种机器学习算法来解决上述挑战。该项成果发表在《Nature Neuroscience》上，该项研究揭示了被其他方法遗漏的神经模式，并增强了对源自大脑信号的行为的解码。该算法在模拟和解码复杂的大脑活动方面取得了重大的进步，它可以使新的神经科学发现成为可能，可以增强未来的脑机接口。

PSID支持学习在记录的神经活动和测量的行为之间共享的动力学

Shanechi说："标准算法可能会遗漏某些与特定行为相关的神经模式，而这些神经模式会被与同时发生的其他功能相关的模式所掩盖。" Shanechi和她的博士学生Omid Sani开发了一种机器学习算法来解决这一难题。Shanechi表示："我们首次开发了一种算法，可以分离与人们感兴趣的特定行为有关的脑信号中的动态模式。们的算法也能更好地从大脑信号中解码这些行为。"

与标准方法不同，研究人员在该项研究中提出的算法，即使使用低维潜在状态并执行降维，PSID仍可以正确学习行为相关的神经动力学，如下图所示。

研究人员表示，他们的机器学习算法之所以可以找到被其他方法遗漏的神经模式，是因为之前的方法在搜索神经模式时只考虑大脑信号，而他们提出的算法能够同时考虑大脑信号和行为信号(比如手臂运动的速度)。Sani表示，这样做是发现了大脑和行为信号之间的常见模式，并且该算法还能够更好地解码大脑信号所代表的行为。具体而言，该算法可以为任何信号之间的共同动态模式建模，例如，不同大脑区域的信号之间或神经科学以外其他领域的信号之间的共同动态模式。

具体算法原理如下：

为了测试新算法，研究人员使用了Pesaran实验室采集的四个现有数据集，这些数据集基于执行不同的手臂和眼睛运动任务时神经活动的信号记录。

从下图中可以看到，PSID更准确地学习前运动区、主运动区和前额叶区中每个记录通道的行为相关神经动力学。

PSID显示了3D到达和返回运动过程中具有相反方向的旋转神经动力学，这是标准方法无法找到的，如下图所示。

将来，这种新算法可用于开发增强的脑机接口，通过显着改善脑信号产生的运动或语音的解码，从而将这些信号转换为特定的所需行为(例如身体运动)，从而帮助瘫痪患者。这可以使瘫痪患者仅想象运动即可移动机械臂，或仅仅通过思考即可产生语音。此外，该算法可以通过分离与情绪症状相关的大脑信号并允许实时跟踪这些症状来帮助患有严重抑郁症等棘手心理健康问题的患者。然后，可以将所跟踪的症状用作反馈，以根据患者需求定制治疗方案。

Shanechi补充道: "通过分离与不同大脑功能相关的动态神经模式，这种机器学习算法可以帮助我们研究有关大脑功能的基本问题，并开发增强的脑机接口，以恢复神经和精神障碍患者失去的功能。"

论文详情：

Sani, O.G., Abbaspourazad, H., Wong, Y.T. et al. Modeling behaviorally relevant neural dynamics enabled by preferential subspace identification. Nat Neurosci 24, 140–149 (2021). https://doi.org/10.1038/s41593-020-00733-0

https://medicalxpress.com/news/2020-11-isolate-decode-brain-patterns-specific.html

不用于商业行为，转载请联系后台

若有侵权，请后台留言，管理员即时删侵！

更多阅读

手部的运动区域也与整个身体相连

可穿戴的脑机接口设备将运动意念转化为行动

运动想象，脑电情绪等公开数据集汇总

EEG伪影类型详解和过滤工具的汇总(一)

DIY混合BCI刺激系统：SSVEP-P300 LED刺激

钱能买到更好的大脑吗？

投稿通道

如何让你的工作让更多人知晓和受益？

脑机接口社区就是这样一个连接学界、

企业界和爱好者的平台渠道。

社区鼓励高校实验室、企业或个人在我们平台上分享优质内容。

稿件要求

稿件系个人原创作品，若已在其他平台发表，请明确标注。

稿件一经录取，便提供稿费！

投稿通道

微信扫码，备注：投稿+姓名+单位

微信交流群，请扫码上方微信

(备注：姓名+单位+专业/领域/行业)

QQ交流群：913607986

你的一次在看，能让我开心一整天！