寻找一种可行的替代侵入性脑机接口(bci)的方法一直是卡内基梅隆大学He实验室的研究重点。2019年，该小组首次使用非侵入性脑机接口成功证明，大脑控制的机械臂能够连续跟踪和跟随计算机光标。
随着技术的进步，他们的人工智能深度学习方法变得更加强大和有效。在《PNAS Nexus》杂志上发表的一篇新论文中，该研究小组证明，人类可以通过思考来控制对移动物体的连续跟踪，其性能无与伦比。
与侵入性脑机接口(例如Neuralink或Synchron)相比，非侵入性脑机接口带来了许多优势。这些优点包括安全性、成本效益的提高，以及可供众多患者和一般人群使用的能力。然而，无创脑机接口面临着挑战，因为它们的记录不太准确，难以解释。
在卡内基梅隆大学(Carnegie Mellon University)生物医学工程教授贺斌(Bin He)最近的一项研究中，一组28人被要求完成一项复杂的脑机接口任务，让他们通过思考来追踪二维空间中的一个物体。
在任务期间，脑电图(EEG)方法记录了他们从大脑外的活动。He团队使用人工智能训练深度神经网络，然后使用BCI传感器数据直接解码和解释人类对连续物体运动的意图。
总的来说，这项工作证明了无创脑机接口在脑控制计算机设备上的优异性能。
贺斌说:“与传统技术相比，人工智能技术的创新使我们能够大大提高性能，并为未来广泛的人类应用提供了光明。”
此外，该集团的人工智能BCI的能力表明，可以直接应用于连续控制机器人设备。
他说:“我们目前正在测试这种人工智能驱动的无创脑机接口技术，以控制机械臂的复杂任务。”“此外，我们正在进一步测试它的适用性，不仅适用于身体健全的受试者，也适用于患有运动障碍的中风患者。”
几年后，这可能会导致人工智能辅助机器人被广泛的潜在用户所使用。
为此，那些患有脊髓损伤、中风或其他运动障碍但不想接受植入的运动障碍患者，将从这种静脉的研究中受益匪浅。
他补充说:“我们一直在推动非侵入性神经工程解决方案，可以帮助每个人。”
更多信息:Dylan Forenzo等人，使用基于深度学习的解码进行非侵入性脑机接口的持续跟踪，PNAS Nexus(2024)。DOI: 10.1093/pnasnexus/pgae145期刊信息:PNAS Nexus由卡内基梅隆大学提供引用:改进的人工智能方法提高了非侵入性脑机接口性能(2024,5月3日)检索自2024年5月3日https://techxplore.com/news/2024-05-refined-ai-approach-noninvasive-brain.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
