（要闻）深度学习算法“解密”脑活动

本篇文章604字，读完约2分钟

25日在线发表在英国《自然医学》杂志上的一项研究报告了一种深度学习算法，可以分析四肢瘫痪患者的大脑活动。该算法已用于对患者前臂肌肉进行电刺激，从而恢复瘫痪肢体的功能运动。

通过脑机接口可以提高慢性瘫痪患者的生活质量。脑-机接口(BCI)可以将控制运动的中枢神经系统电路与辅助设备(如计算机光标或机器人设备)连接起来。最近，脑-机接口(BCI)已被用于通过直接肌肉刺激来绕过脊髓损伤并恢复瘫痪肢体的功能。虽然这种方法前景光明，但在实际应用中仍面临一些障碍，如需要准确快速的响应、能够提供多种功能以及根据需要进行有效的日常重新校准。

两年来，美国巴特尔纪念研究所的科学家收集了四肢瘫痪患者在进行“想象的”手臂和手运动时大脑皮层活动的记录。他们将微电极阵列植入患者的运动皮层，长期收集患者大脑活动的信息。这些微电极以0/的高时间/分辨率直接采样神经元活动。

基于这一大数据集，他们采用深度学习方法开发了一个BCI解码器，该解码器可以准确、快速、持久地运行，并且无需训练就可以学习新的功能。实验表明，该解码器可用于控制电刺激设备，实时恢复瘫痪的前臂活动。

该小组指出，虽然样本患者可以使用解码器抓取和操纵物体，但这种方法是否适合其他患者以及是否能够支持长期的实际应用仍有待进一步验证。未来的研究应调查具有类似功能的解码器是否可以通过实际应用中生成的训练数据生成，而不是在受控实验室条件下获得的训练数据。(记者张)