Investigadores de la Universidad Carnegie Mellon CMU y la Universidad de Pittsburgh Pitt han publicado investigaciones en Ingeniería biomédica de la naturaleza que mejorará drásticamente las interfaces cerebro-computadora y su capacidad de permanecer estabilizado durante el uso, reduciendo en gran medida o potencialmente eliminando la necesidad de recalibrar estos dispositivos durante o entre experimentos.
Las interfaces cerebro-computadora BCI son dispositivos que permiten a las personas con discapacidades motoras, como la parálisis, controlar extremidades protésicas, cursores de computadora y otras interfaces utilizando solo sus mentes. Uno de los mayores problemas que enfrenta el BCI utilizado en un entorno clínico es la inestabilidaden las propias grabaciones neuronales. Con el tiempo, las señales captadas por BCI pueden variar, y el resultado de esta variación es que un individuo puede perder la capacidad de controlar su BCI.
Como resultado de esta pérdida de control, los investigadores le piden al usuario que realice una sesión de recalibración que requiere que detenga lo que está haciendo y restablezca la conexión entre sus comandos mentales y las tareas que se realizan. Por lo general, otro técnico humanoestá involucrado solo para que el sistema funcione.
"Imagínese si cada vez que quisiéramos usar nuestro teléfono celular, para que funcionara correctamente, tuviéramos que calibrar de alguna manera la pantalla para que supiera a qué parte de la pantalla apuntamos", dice William Bishop, quien anteriormenteestudiante de doctorado y becario postdoctoral en el Departamento de Aprendizaje Automático en CMU y ahora es becario en Janelia Farm Research Campus ". El estado actual de la tecnología BCI es algo así. Solo para que estos dispositivos BCI funcionen,los usuarios tienen que hacer esta recalibración frecuente. Por lo tanto, es extremadamente inconveniente para los usuarios, así como para los técnicos que mantienen los dispositivos ".
El documento, "Una interfaz cerebro-computadora estabilizada basada en la alineación de múltiples neuronales", presenta un algoritmo de aprendizaje automático que da cuenta de estas señales variables y permite al individuo continuar controlando el BCI en presencia de estas inestabilidades.que la actividad de la población neural reside en un "múltiple neural" de baja dimensión, los investigadores pueden estabilizar la actividad neural para mantener un buen rendimiento de BCI en presencia de inestabilidades de registro.
"Cuando decimos 'estabilización', lo que queremos decir es que nuestras señales neuronales son inestables, posiblemente porque estamos grabando desde diferentes neuronas a lo largo del tiempo", explica Alan Degenhart, investigador postdoctoral en ingeniería eléctrica e informática en CMU ".Hemos descubierto una manera de tomar diferentes poblaciones de neuronas a lo largo del tiempo y usar su información para revelar esencialmente una imagen común de la computación que está ocurriendo en el cerebro, manteniendo así el BCI calibrado a pesar de las inestabilidades neuronales ".
Los investigadores no son los primeros en proponer un método de autocalibración; el problema de los registros neuronales inestables ha estado en el aire durante mucho tiempo. Algunos estudios han propuesto procedimientos de autocalibración, pero se han enfrentado al problemade lidiar con inestabilidades. El método presentado en este documento es capaz de recuperarse de inestabilidades catastróficas porque no depende del buen desempeño del sujeto durante la recalibración.
"Digamos que la inestabilidad fue tan grande que el sujeto ya no pudo controlar el BCI", explica Byron Yu, profesor de ingeniería eléctrica e informática e ingeniería biomédica en CMU. "Es probable que existan procedimientos de autocalibración existentesluchar en ese escenario, mientras que en nuestro método, hemos demostrado que en muchos casos puede recuperarse de esas inestabilidades catastróficas ".
"Las inestabilidades de grabación neuronal no están bien caracterizadas, pero es un problema muy grande", dice Emily Oby, investigadora postdoctoral en neurobiología en Pitt. "No hay mucha literatura que podamos señalar, pero anecdóticamente, mucha de lalos laboratorios que realizan investigación clínica con BCI tienen que abordar este problema con bastante frecuencia. Este trabajo tiene el potencial de mejorar en gran medida la viabilidad clínica de BCI y ayudar a estabilizar otras interfaces neuronales ".
Otros autores en el artículo incluyen Steve Chase de CMU, profesor de ingeniería biomédica y el Instituto de Neurociencia, y Aaron Batista de Pitt, profesor asociado de bioingeniería, y Elizabeth Tyler-Kabara, profesora asociada de cirugía neurológica. Esta investigación fue financiada por CraigH Neilsen Foundation, National Institutes of Health, DSF Charitable Foundation, National Science Foundation, PA Dept of Health Research y Simons Foundation.
Fuente de la historia :
Materiales proporcionado por Facultad de Ingeniería, Universidad Carnegie Mellon . Original escrito por Emily Durham. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :