人类大脑拥有由数十亿个神经元组成的复杂网络，不断产生电活动。这种神经交响乐编码了我们的每一个想法、动作和感觉。对于研究脑机接口 (BCI) 的神经科学家和工程师来说，破译这种复杂的神经代码是一项艰巨的挑战。困难不仅在于读取脑信号，还在于在神经活动的嘈杂声中分离和解释特定模式。
南加州大学 (USC) 的研究人员取得了重大进展，开发出一种新的人工智能算法，有望彻底改变我们解读大脑活动的方式。该算法名为 DPAD（分离优先动态分析），提供了一种从复杂的脑信号组合中分离和分析特定神经模式的新方法。
玛丽亚姆·沙内奇 (Maryam Shanechi) 是电气和计算机工程系的 Sawchuk 教授，也是南加州大学神经技术中心的创始主任，她领导的团队开发了这项突破性的技术。他们的研究成果最近发表在《 自然神经科学》杂志上，代表了神经解码领域的重大进步，有望增强脑机接口的功能。
大脑活动的复杂性
要理解 DPAD 算法的重要性，了解大脑活动的复杂性至关重要。在任何特定时刻，我们的大脑都会同时进行多项活动。例如，当您阅读本文时，您的大脑不仅会处理文本的视觉信息，还会控制您的姿势、调节您的呼吸，并可能思考您当天的计划。
这些活动中的每一个都会产生自己的神经放电模式，从而形成复杂的大脑活动。这些模式相互重叠和相互作用，因此很难分离与特定行为或思维过程相关的神经信号。用 Shanechi 的话来说，“所有这些不同的行为，例如手臂运动、言语和饥饿等不同的内部状态，都会同时编码在你的大脑中。这种同时编码会在大脑的电活动中产生非常复杂和混乱的模式。”
这种复杂性给脑机接口带来了重大挑战。脑机接口旨在将脑信号转化为外部设备的命令，有可能让瘫痪者仅通过思维就能控制假肢或通讯设备。然而，准确解读这些命令的能力取决于将相关神经信号与正在进行的大脑活动的背景噪音隔离开来。
传统的解码方法很难完成这项任务，通常无法区分有意的命令和不相关的大脑活动。这一限制阻碍了更复杂、更可靠的 BCI 的发展，限制了它们在临床和辅助技术中的潜在应用。
DPAD：一种新的神经解码方法
DPAD 算法代表了我们处理神经解码的范式转变。该算法的核心是采用具有独特训练策略的深度神经网络。正如 Shanechi 实验室的研究员兼前博士生 Omid Sani 所解释的那样，“人工智能算法的一个关键要素是首先寻找与感兴趣的行为相关的大脑模式，并在训练深度神经网络期间优先学习这些模式。”
这种优先学习方法使 DPAD 能够有效地将行为相关模式从复杂的神经活动组合中分离出来。一旦识别出这些主要模式，算法就会学习考虑剩余模式，确保它们不会干扰或掩盖感兴趣的信号。
神经网络在算法设计中的灵活性使其能够描述各种各样的大脑模式，从而适应各种类型的神经活动和潜在应用。
来源：南加州大学
对脑机接口的影响
DPAD 的开发对推进脑机接口的发展具有重要意义。通过更准确地从大脑活动中解码运动意图，该技术可以大大增强 BCI 的功能和响应能力。
对于瘫痪患者来说，这可能意味着他们能够更直观地控制假肢或通讯设备。解码精度的提高可以实现更精细的运动控制，从而有可能实现更复杂的运动和与环境的互动。
此外，该算法将特定大脑模式与背景神经活动分离的能力可以使 BCI 在现实世界中更加强大，在现实世界中，用户不断处理多种刺激并参与各种认知任务。
超越运动：心理健康的未来应用
虽然 DPAD 最初的重点是解码与运动相关的大脑模式，但其潜在应用远远超出了运动控制。Shanechi 和她的团队正在探索使用这项技术解码疼痛或情绪等心理状态的可能性。
这种能力可能对心理健康治疗产生深远影响。通过准确跟踪患者的症状状态，临床医生可以获得有关心理健康状况发展和治疗效果的宝贵见解。Shanechi 设想未来这项技术可以“使脑机接口不仅可用于治疗运动障碍和瘫痪，还可用于治疗心理健康状况。”
客观测量和追踪心理状态的能力可能会彻底改变我们进行个性化心理健康护理的方式，从而能够根据患者的个性化需求更精确地制定治疗方案。
对神经科学和人工智能的更广泛影响
DPAD 的开发为理解大脑本身开辟了新途径。通过提供更细致入微的神经活动分析方法，该算法可以帮助神经科学家发现以前未被发现的大脑模式或完善我们对已知神经过程的理解。
在人工智能和医疗保健的更广泛背景下，DPAD 体现了机器学习解决复杂生物问题的潜力。它展示了如何利用人工智能不仅处理现有数据，还能发现科学研究中的新见解和新方法。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/dpad-suan-fa-zeng-qiang-nao-ji-jie-kou-you-wang-tui-dong
