验证了
梅奥诊所和谷歌研究中心在《柳叶刀》杂志上发表了一项新研究PLOS计算生物学这说明了一个新的人工智能(AI)脑机接口(BCI)算法能够更好地理解不同大脑区域之间的相互作用，从而更精确地治疗脑部疾病和病症。
该研究的作者写道:“我们提出了一种研究大脑动力学的聚合范式，专注于一个大脑部位，观察刺激许多其他大脑部位的平均效果。”
脑机接口旨在为那些受癫痫、中风、脊髓损伤、肌萎缩性侧索硬化症(ALS)、脑瘫、嗜睡症、帕金森病、神经肌肉疾病等影响的患者恢复功能。在心理健康方面好像作为一种可能的治疗方法来研究抑郁症，焦虑，强迫性强迫症(OCD)和其他神经精神疾病。
脑机接口(brain- computer interface, BCI)，也称为脑机接口(brain-machine interface, BMI)，是连接人脑与外部计算设备的系统。BCI行业是一个新兴市场，预计到2027年收入将达到37亿美元，根据Grand View Research的数据，2020-2027年的复合年增长率为15.5%。
科学家们写道:“脑网络已经通过各种技术在电生理学上进行了探索，跨越了各种空间尺度，如脑电图(EEG)、脑磁图(MEG)、颅内脑电图(iEEG)和微电极局部场电位(lfp)。”试图推断大脑区域之间的连通性的努力可能会在行为任务的监督扰动下，或在无监督状态下(“休息”，清醒或睡觉)。”
神经科学家面临的挑战之一是了解大脑网络如何相互作用。一种方法是在患者大脑的某个区域传递短暂的电流脉冲，同时监测和测量大脑其他区域的电压。
近年来，分领域神经科学研究人员写道:“通过植入(iEEG)脑表面(皮质电描记术，ECoG)或深度穿透(立体脑电图描记术，SEEG)电极的系统刺激和测量已经成熟，通常称为“皮质-皮质诱发电位”(CCEPs)，对于间隔几秒钟的短脉冲的特殊情况，称为“单脉冲电刺激”(SPES)。”
然而，这些方法通常会生成复杂的、难以测量的高维数据，这对人类来说是一项艰巨的、耗时的任务，以确定有意义的模式，但非常适合AI机器学习作为辅助分析工具。因此，研究人员为此发明了一种新型人工智能算法。
研究人员写道:“我们的框架旨在更好地理解大脑的连通性，它基于一种聚合范式，研究了一组对刺激的暂时性电压反应，所有这些反应都是在同一地点测量的。”“每个反应事件都由刺激部位标记。然后，在这个框架内应用了一种新的算法来识别典型的时间响应主题，我们称之为“基础轮廓曲线”(BPCs)。
研究人员将他们新创建的人工智能机器学习算法命名为“基础轮廓曲线识别”。根据科学家的说法，每条基剖面曲线都可以以自然的方式和量化的方式映射回潜在的神经解剖学投影每个刺激部位的力量。
研究人员报告说:“我们的技术已经在人类患者的脑表面植入电极阵列上得到了证明。”“这个框架可以直接解释单脉冲大脑刺激数据，并可以广泛应用于探索组成连接体的相互作用的不同环境。”
据研究人员称，他们的新人造情报脑机接口的算法可能有助于指导电极的放置，以帮助治疗未来的网络脑疾病。
版权所有©2021 Cami Rosso版权所有。
