深度學習算法“解密”腦活動

　　英國《自然·醫學》雜志9月25日在線發表的一項研究，報告了一種可以分析四肢癱瘓患者大腦活動的深度學習算法。該算法已被用于向患者的前臂肌肉傳遞電刺激，從而恢復癱瘓肢體的功能性運動。

　　慢性癱瘓患者的生活質量可以通過腦機接口加以改善。腦機接口可以將控制運動的中樞神經系統回路和輔助設備（例如計算機光標或機器人設備）連接起來。近來，腦機接口已被用于繞過脊髓損傷，通過直接的肌肉刺激來恢復癱瘓肢體的功能。雖然這種方法前景可觀，但是要實際應用仍面臨一定障礙，比如需要準確快速的響應，能夠提供多種功能以及根據需要進行有效的日常重新校準。

　　美國巴特爾紀念研究所的科學家用兩年時間，收集了四肢癱瘓患者執行“想象的”手臂和手部運動時的腦皮質活動記錄。他們向患者運動皮層植入微電極陣列，長期收集患者大腦活動信息。這些微電極以高時空分辨率直接采樣神經元活動。

　　根據這個大型數據集，他們使用深度學習方法開發了一種腦機接口解碼器，它可以準確、快速而持久地運行，并且會學習新功能，基本不需要再訓練。實驗顯示，解碼器可用于控制電刺激設備，實時恢復患者癱瘓的前臂活動。

　　團隊指出，雖然示例患者可以使用解碼器來抓取和操縱物體，但是這種方法是否適用于其他患者，是否支持更長久的實際應用，還有待進一步驗證。未來的研究應該調查是否可以通過實際應用中產生的訓練數據，而非在受控的實驗室條件下獲得的訓練數據，來生成類似功能的解碼器。