3 мин. чтения
5/4/2024 11:15:03 AM

Улучшенный подход ИИ улучшает неинвазивную производительность интерфейса мозга-компьютер

Article Preview Image Достигнув заслуживающего внимания веху для продвижения неинвазивных интерфейсов, контролируемых мозгом, исследователи использовали технологию ИИ для улучшения декодирования человеческого намерения и контроля постоянного движущегося виртуального объекта, думая об этом, с непревзойденной производительностью.Кредит: Университет Карнеги -Меллона

Получение жизнеспособной альтернативы инвазивным интерфейсам мозга-компьютера (BCIS) было постоянным исследованием лаборатории Университета Карнеги-Меллона.В 2019 году группа использовала неинвазивную BCI, чтобы впервые продемонстрировать, что роботизированная рука, контролируемая разумом, обладала способностью постоянно отслеживать и следовать за компьютерным курсором.

По мере того, как технология улучшилась, их подход к глубокому обучению, работающий с ИИ, стал более надежным и эффективным.В новой работе, опубликованной в PNAS Nexus, группа демонстрирует, что люди могут контролировать непрерывное отслеживание движущегося объекта, думая об этом, с непревзойденной производительностью.

Неинвазивные BCI приносят множество преимуществ, в отличие от своих инвазивных аналогов (например, Neuralink или Synchron).К ним относятся повышенная безопасность, экономическая эффективность и способность использования многочисленными пациентами, а также населением в целом.Тем не менее, неинвазивные BCI сталкиваются с проблемами, потому что их записи менее точны и трудно интерпретировать.

В недавнем исследовании Bin He, профессора биомедицинской инженерии в Университете Карнеги-Меллона, группе из 28 человек-участников получила сложную задачу BCI для отслеживания объекта в двухмерном пространстве, подумав об этом.

Во время задачи метод электроэнцефалографии (ЭЭГ) зафиксировал свою активность снаружи мозга.Используя ИИ для обучения глубокой нейронной сети, группа HE затем непосредственно расшифровала и интерпретировала намерения человека для непрерывного движения объектов, используя данные датчика BCI.

В целом, работа демонстрирует превосходную производительность неинвазивного BCI для компьютерного устройства, контролируемого мозгом.

«Инновации в технологии искусственного интеллекта позволили нам значительно улучшить производительность по сравнению с обычными методами и пролить свет на широкое человеческое применение в будущем», - сказал Бин.

Кроме того, возможность BCI BCI, работающей на двигателе группы, предлагает прямое применение для постоянного управления роботизированным устройством.

«В настоящее время мы тестируем эту неинвазивную технологию BCI с AI, которая контролирует сложные задачи роботизированной руки»,-сказал он.«Кроме того, мы дополнительно проверяем его применимость не только для субъектов, но и пациентов с инсультом, страдающих от моторных нарушений».

Через несколько лет это может привести к тому, что вспомогательные роботы, работающие на основе AI, станут доступны для широкого спектра потенциальных пользователей.

С этой целью пациенты с нарушениями мотор, страдающие от повреждения спинного мозга, инсульта или других нарушений движения, но не хотят получать имплантат, получают огромную пользу от исследований в этом духе.

«Мы продолжаем толкать неинвазивные нейроинженерические решения, которые могут помочь всем», - добавил он.

Больше информации: Dylan Forenzo и др., Непрерывное отслеживание с использованием глубокого декодирования на основе глубокого обучения для неинвазивного границы раздела мозговые мозга, PNAS Nexus (2024).Doi: 10.1093/pnasnexus/pgae145

Получи бесплатную еженедельную рассылку со ссылками на репозитории и лонгриды самых интересных историй о стартапах 🚀, AI технологиях 👩‍💻 и программировании 💻!
Присоединяйся к тысячам читателей для получения одного еженедельного письма

Подписывайся на нас:

Нашли ошибку в тексте? Напишите нам.

Добавляй ЛРНЧ в свою ленту Google Новостей.
Читайте далее 📖

ИИ и голография создают 3D дополненную реальность в обычных очках

5/9/2024 · 3 мин. чтения

ИИ и голография создают 3D дополненную реальность в обычных очках

Использование звуковых волн для фотонного машинного обучения

4/17/2024 · 3 мин. чтения

Использование звуковых волн для фотонного машинного обучения