加州大学圣地亚哥分校的研究人员发现了一种方法，可以通过仅检查来自非侵入性大脑成像的数据来区分人们所做的手势，而不需要来自手本身的信息。这些结果是开发非侵入性脑机接口的早期步骤，有朝一日可能会让瘫痪、截肢或其他身体有问题的患者使用他们的意念来控制有助于完成日常任务的设备。

该研究最近在线发表在CerebralCortex杂志上，代表了迄今为止使用完全无创技术(在本例中为脑磁图(MEG))区分单手手势的最佳结果。

研究人员强调了MEG的优势，它使用带有嵌入式306传感器阵列的头盔来检测大脑神经元之间移动的神经元电流产生的磁场。替代的脑机接口技术包括脑电图(ECoG)，它需要在大脑表面手术植入电极，以及头皮脑电图(EEG)，它不太精确地定位大脑活动。

“有了MEG，我可以看到大脑在思考，而无需取下头骨并将电极放在大脑本身上，”该研究的合著者、加州大学圣地亚哥高通研究所MEG中心主任、加州大学圣地亚哥分校高通研究所名誉教授RolandLee医学博士说。加州大学圣地亚哥分校医学院放射学和VA圣地亚哥医疗保健系统医师。“我只需要将MEG头盔戴在他们的头上。没有电极在植入头部时可能会破裂;没有昂贵、精细的脑部手术;没有可能的脑部感染。”

Lee将MEG的安全性比作测量患者的体温。“MEG测量你的大脑发出的磁能，就像温度计测量你的身体发出的热量一样。这使得它完全无创且安全。”

剪刀石头布

当前的研究评估了使用MEG区分12名志愿者受试者的手势的能力。志愿者配备了MEG头盔，并随机指示他们做出剪刀石头布游戏中使用的手势之一(就像之前的此类研究一样)。MEG功能信息叠加在MRI图像上，提供大脑的结构信息。

为了解释生成的数据，电气和计算机工程博士Yifeng(“Troy”)Bu。加州大学圣地亚哥雅各布斯工程学院的学生和该论文的第一作者编写了一个名为MEG-RPSnet的高性能深度学习模型。

“这个网络的特点是它同时结合了空间和时间特征，”布说。“这是它比以前的模型更好用的主要原因。”

当研究结果出来时，研究人员发现他们的技术可以用来区分手势，准确率超过85%。这些结果与之前使用侵入性ECoG脑机接口的样本量小得多的研究结果相当。

该团队还发现，仅对一半大脑区域进行的MEG测量可以产生精度损失很小(2-3%)的结果，这表明未来的MEG头盔可能需要更少的传感器。

展望未来，Bu指出，“这项工作为未来基于MEG的脑机接口开发奠定了基础。”

除了Huang、Lee和Bu之外，这篇名为“使用深度学习进行手势解码的基于脑磁图的脑机接口”的文章由VASanDiegoHealthcare的DeborahL.Harrington、QianShen和AnnemarieAngeles-Quinto撰写系统和加州大学圣地亚哥分校医学院;VASanDiegoHealthcareSystem的HaydenHansen;加州大学圣地亚哥分校医学院的ZhengweiJi、JaquelineHernandez-Lucas、JaredBaumgartner、TaoSong和SharonNichols;弗吉尼亚州压力与心理健康卓越中心和加州大学圣地亚哥分校医学院的DewleenBaker;加州大学圣地亚哥分校医学院和VA压力与心理健康卓越中心的ImanuelLerman;以及加州大学圣地亚哥分校的RameshRao(高通研究所所长)、TuoLin和XinMingTu。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：大脑加州大学MEG