Изкуствените невронни мрежи декодират мозъчната активност по време на изпълнените и въображаеми движения

Изкуствените невронни мрежи декодират мозъчната активност по време на изпълнените и въображаеми движения

Константин Василев и Никола Тошев - Изкуствен интелект: революция или еволюция? (Може 2019).

Anonim

Изкуственият интелект далеч надхвърли човешкото разузнаване в определени задачи. Няколко групи от клъстера BrainLinks-BrainTools за върхови постижения на Фрайбург, водени от частния лектор на невролози д-р Тоньо Бол, показват как идеите от компютърната наука могат да революционизират изследванията на мозъка. В научното списание Human Brain Mapping те илюстрират как алгоритъмът на самообучение декодира човешки мозъчни сигнали, измерени чрез електроенцефалограма (EEG). Това включваше изпълнени движения, но също движения на ръцете и краката, които бяха просто мисъл или въображаема ротация на обекти. Въпреки че алгоритъмът не е получил никакви характеристики по-рано, той работи толкова бързо и точно, колкото традиционните системи, създадени за решаване на определени задачи въз основа на предварително определени характеристики на мозъчния сигнал, които следователно не са подходящи за всяка ситуация. Търсенето на такива разнообразни кръстоски между човека и машината е огромно: например в Университетската болница Фрайбург може да се използва за ранно откриване на епилептични припадъци. Може да се използва и за подобряване на възможностите за комуникация при тежко парализирани пациенти или за автоматична неврологична диагноза.

"Нашият софтуер се основава на модели, вдъхновени от мозъка, които се оказаха най-полезни за декодиране на различни естествени сигнали като звукови звуци", казва компютърният учен Robin Tibor Schirrmeister. Изследователят го използва, за да пренапише методите, които екипът използва за декодиране на данните от ЕЕГ: така наречените изкуствени невронни мрежи са сърцето на настоящия проект в BrainLinks-BrainTools. "Голямото нещо за програмата е, че не е нужно да предопределяме някакви характеристики. Информацията се обработва слой за слой, който се извършва на няколко стъпки с помощта на нелинейна функция.Системата се научава да разпознава и прави разлика между определени поведенчески модели от различни движения, докато върви заедно ", обяснява Ширрмейстър. Моделът се основава на връзките между нервните клетки в човешкото тяло, в които електрическите сигнали от синапсите се насочват от клетъчните изпъкналости към сърцевината на клетката и обратно. "Теориите са в обращение в продължение на десетилетия, но едва след появата на съвременната компютърна мощ, моделът стана осъществим", коментира Schirrmeister.

Обикновено точността на модела се подобрява с голям брой обработващи слоеве. Използвани са до 31 пациенти по време на проучването, известни още като "Deep Learning". Досега беше проблематично да се интерпретира схемата на мрежата след завършване на учебния процес. Всички алгоритмични процеси протичат на заден план и са невидими. Ето защо изследователите разработиха софтуера за създаване на карти, от които да разберат кои решения за декодиране. Изследователите могат да вмъкват нови данни в системата по всяко време. "За разлика от стария метод, ние сега можем да отидем директно на суровите сигнали, които ЕЕГ записва от мозъка. Нашата система е толкова точна, ако не и по-добра от старата", казва главният изследовател Тоньо Бал, обобщаващ изследването научни приноси. Технологичният потенциал все още не е изчерпан - заедно с екипа му, изследователят би искал да продължи да развива своето развитие: "Нашата визия за бъдещето включва алгоритми за самообучение, които могат надеждно и бързо да разпознават различните намерения на потребителя въз основа на техните мозъчни сигнали Освен това такива алгоритми биха могли да подпомогнат неврологичните диагнози. "

Популярни Публикации

Препоръчано