沉重！AI发现大脑新模式，脑机接口“增强”

发文 | 马雪薇

前言

当你开始阅读这篇文章时，你可能会不自觉地伸出手来拿杯子，然后喝一口水，或者转身回复别人发来的信息。事实上，这些看似简单的动作在大脑中引起了不同的编码过程，同时发生，构成了复杂的大脑活动模式。

但是，对瘫痪病人来说，他们的想法很难转化为特定的肌肉动作。

近几年来，脑机接口技术备受关注，它能解读病人的思想，并将其指令传达给外围设备(如机械臂)，从而帮助他们恢复运动能力。

但是，一个关键问题：大脑中的神经网络不是简单的线性叠加，而是涉及到复杂的非线性关系，这使得同时发生的代码难以分析。脑编码和其它行为编码的区分具体行为，仍然是一个很大的挑战。

日前，南加州大学和宾夕法尼亚大学的研究团队开发了一种人工智能（AI）算法—— DPAD（Dissociative Prioritized Analysis of Dynamics），其能够有效地区分特定行为的大脑模式和其它同时进行的大脑活动，提高解码运动在大脑活动中的准确性，从而显著提高脑机接口的性能。

研究小组说，这一方法不仅能准确地解码大脑活动，而且有助于揭示大脑中可能没有被注意到的新模式。，然后开发出更强大的脑机接口，如治疗运动障碍、瘫痪和精神疾病。

有关研究论文以" Dissociative and prioritized modeling of behaviorally relevant neural dynamics using recurrent neural networks "问题，已发表在 Nature 子刊 Nature Neuroscience 上。

值得注意的是，这种算法具有很强的灵活性，可用于解码心理状态，如疼痛或抑郁等。，通过跟踪病人的症状作为反馈，有利于更好地治疗心理健康状况，准确地根据用户的需要定制治疗方法。

解开复杂的神经网络

DPAD 循环神经网络是一种非线性动态建模方法。（RNN）结构和训练方法。DPAD 使用两节 RNN 结构、各自的学习行为与神经动态等神经动态有关，旨在解决当前建模神经行为转换的考验，如非线性、动态建模、与行为相关的神经动态分离和优先、持续和间歇行为数据建模等。

图｜DPAD 构造简述。

该系统在神经科学领域具有广泛的应用价值，研究小组通过对四种不同的非人灵长类动物数据进行集中分析， DPAD 五个应用领域：

提升神经 - 行为预测的准确性：

DPAD 对神经动力学进行优先学习，并在转换过程中捕捉非线性关系，从而更准确地预测行为。根据各种神经模态的数据，DPAD 与线性模型和非线性动态模型相比，预测准确性更好。这意味着 DPAD 能更好地理解神经活动如何转化为行为，并为神经技术的发展提供更可靠的模式。

非线性动力学提取行为预测转换：

DPAD 原始局部电位电位可自动识别（LFP） 非线性动力学在活动中的转换，其预测行为的能力优于传统动力学。 LFP 功率特性。有些数据集中，DPAD 它的预测能力甚至超过了神经元放电。这表明 DPAD 可以从 LFP 为了提取更具行为预测性的数据， LFP 资料分析提供了新的思路。

非线性神经降维实现行为预测：

DPAD 非线性神经降维可以在保留行为信息的同时，通过提取低维的潜在状态来实现。这意味着 DPAD 在保持行为预测能力的同时，可以从原始神经数据中提取出更简洁的表达。这对大规模处理和分析神经数据具有重要意义。

对非线性转换的发源进行验证：

DPAD 神经检测可以通过假设来决定。 - 行为转换中的非线性发源，如潜在状态动力学、嵌入式投射或行为读取投射。集中多项运动相关数据，DPAD 发现非线性主要存在于从潜在状态到行为的投射中。这为未来的实验提供了新的假设和测试方向，有利于对神经计算的非线性机制有更深入的了解。

扩展到非连续性和间断性数据：

DPAD 能处理情绪报告等间歇性采样的行为数据。这样就可以应用于情绪神经科学和神经精神病学等领域。DPAD 也可以处理非持续值的行为数据，如决策选择。这样做进一步扩大 DPAD 应用于神经科学和神经科技。

可是 DPAD 还有一些局限性。例如，DPAD 优化目标函数是非突出的，不能保证收敛到全局最优解。此外，模型的质量和神经行为预测能力取决于信噪比等数据集的特性。

在未来，DPAD 为了更全面地理解神经，可用于检测更多脑区的非线性。 - 行为转换。第二，DPAD 也可用于研究其它信号转换，如不同大脑区域之间的信号转换，以及大脑对电刺激或感觉刺激反应。另外，DPAD 还可用于社交活动，同时记录2个主体脑活动，以发现社交活动中的共享跨主体动态。

当 AI 遇神经科学

人和动物的神经网络是 AI 基本模型“神经网络”的灵感来源，反过来说，AI 现在也在神经科学领域大显身手。

近些年，AI 神经科学领域有许多突破。例如，去年 7 月亮，密歇根大学凯洛格眼科中心及其合作研究团队推出了多个可用于国际空间站眼科显像的 AI 从而更好地理解太空适应综合征的框架。（SANS）发展病理生理和预防措施。

今年 1 月份，巴勒莫大学及其合作研究小组在文章中探索了关于巴勒莫大学的研究小组 AI 新的证据支持偏头痛的诊断和分类及其管理，包括确定结果测量、个性化治疗和治疗反应预测。他们在研究中发现 AI 对偏头痛的诊断和治疗有很大的潜力，可以帮助患者得到更好的治疗和管理。

8 月，在一项新的研究中，由加州大学戴维斯分校健康中心研究小组及其合作伙伴开发的一个 AI 驱动大脑植入物，成功地将大脑信号转换为语音，使失语病人再次张嘴说话，准确率高达 97.5%。

AI 与神经科学的融合不仅相互促进，而且开辟了新的研究路径。未来，这种跨学科合作有望带来更多的革命性突破，包括神经疾病的治疗、神经修复技术的发展和对大脑神经的深刻理解。

｜加关注我 � � 记得标星｜

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com