Эффективность машинно-мозгового интерфейса удвоилась

Эффективность управления при помощи реальной конечности, алгоритма ReFIT, и стандартного алгоритма. Изображение Vikash Gilja/Paul Nuyujukian

Инженеры из Стенфордского университета создали новый алгоритм расшифровки электрической активности мозга, который позволил вдвое увеличить эффективность машинно-мозгового интерфейса. Работа опубликована в журнале Nature Neuroscience, а ее краткое содержание можно прочитать на сайте университета.

Ученые работали с макаками, в двигательную область мозга которых были имплантированы электродные плашки. В ходе эксперимента перед обезьянами стояла задача мысленно направить компьютерный курсор в нужную точку на экране и удерживать его там в течение хотя бы половины секунды. При этом управление курсором осуществлялась посредством считывания и интерпретации электрической активности мозга животного.

Авторы статьи разработали новый алгоритм ReFIT-KF, предназначенный для перевода электрической активности в движения курсора. В отличие от старого, он реагировал на электрическую активность быстрее и точнее за счет того, что постоянно подстраивался под намерения животного. Кроме того, он одновременно расшифровывал и положение курсора и его скорость, а не только одну из этих величин, - как делают существующие аналоги.

Благодаря новому алгоритму, скорость мысленных движений макак увеличилась в два раза и вплотную приблизилась к скорости управления курсором реальной конечностью. Работа нового алгоритма также оказалась более надежной - она не была привязана к отдельным нейронам и поэтому не зависела от происходящего со временем смещения чипа.

Авторы надеются, что разработанная технология может помочь больным, которые нуждаются в протезировании конечностей. Ранее в 2012 году другая группа исследователей представила технологию BrainGate2, благодаря которой пациенты могли использовать роботизированную руку для того, чтобы поднять мячик или выпить сока.