在控制机器人假肢方面,简单的神经网络优于更复杂的系统
密歇根大学(University of Michigan)的研究人员表示,受人体天然神经回路启发的人工神经网络,可以让灵长类动物更快、更准确地控制由大脑控制的假手和手指。这一发现可能会使那些失去肢体或瘫痪的人更自然地控制先进的假肢。
工程师和医生团队发现,与不使用神经网络的传统算法相比,前馈神经网络在控制机器人手指期间将手指峰值速度提高了45%。这推翻了一个假设,即需要更复杂的神经网络,就像在机器学习的其他领域使用的神经网络一样,才能实现这种水平的性能改进。
“这种前馈网络代表了一种更古老、更简单的结构——信息只在一个方向上移动,从输入到输出,”辛迪·切斯特克博士说,她是密歇根大学生物医学工程副教授,也是该论文的通讯作者自然通讯.
“所以,看到它的表现比其他公司好,我们有点惊讶复杂的系统.我们认为前馈系统的简便性使用户能够有更直接和直观的控制,可能更接近如何人体自然运作。”
精细运动技能对人类来说是极其重要的,而这种功能的丧失对瘫痪患者来说是毁灭性的,第一作者、密歇根大学健康和密歇根医学院的功能神经外科研究员Matthew Willsey博士说。
“我们非常有动力使用机器学习的最新技术来进行解释神经活动来控制灵巧的手指运动,”威尔西说。“我们希望这项工作可以帮助那些失去精细运动功能的人恢复运动功能。”
先进的假肢和脑-机接口让那些因脊髓损伤、中风或其他损伤和疾病而瘫痪的人重新拥有人手所能实现的精确控制。而是重新创造人与人之间的自然交流人类的思想而机器人假肢——速度快、精度高——仍然是一个绊脚石。
例如,在脊髓损伤中,人造神经网络可以通过使用电极捕获来自大脑的脉冲,用人工智能解释它们并利用它来控制,从而重建大脑和脊髓之间被切断的连接假肢手或者让原始肢体复活。
但在计算中,前馈神经网络模型被认为对许多使用循环的高级应用程序不太强大神经网络.循环网络中的节点不是沿着单向过程传递输入,而是有自己的动态——通过反馈创建自己内部循环的能力,使它们能够记忆和回放序列。当你根据之前记录的神经数据预测运动时,这种方法非常有效,这让一些专家认为,在新的实验中,这种方法会保持不变。
Chestek说,在现实中,直接运动控制的循环网络的复杂性似乎是在“对抗用户”。
她说:“在人体的运动皮层和手部运动之间,除了几个神经元和几个突触外,什么都没有。”“这里不需要大量的处理,前馈神经网络可能更接近自然系统。”
研究小组希望他们的发现将有助于推动未来的研究,提高先进义肢对大脑冲动反应的速度和准确性。
威尔西说:“在开发这个算法时,我们试图坚持爱因斯坦著名的设计原则,即‘一切都应尽可能简单,但不能更简单’。”
“我们的算法需要有足够的复杂性来理解大脑电信号和用户预期手指运动之间可能的非线性关系。然而,该算法可能有一天会成为完全可植入的脑机接口系统的一部分,该系统可以恢复瘫痪患者的运动,不必要的复杂性可能会以不可取的方式给这些未来的系统带来压力,比如缩短电池寿命。”
该研究的资深作者、密歇根大学医学院神经外科副教授Parag Patil医学博士说:“在密歇根大学,我们很幸运地拥有一大群工程师、神经科学家和运动专家,他们在合作文化中共同合作,推动恢复性神经工程领域向前发展。”“这项工作令人兴奋的部分原因是,这些算法几乎可以立即转化为临床应用,造福于人类研究患者。”
更多信息:非人类灵长类动物的实时脑机接口使用浅前馈神经网络解码器实现了高速假肢手指运动,自然通讯(2022)。DOI: 10.1038 / s41467 - 022 - 34452 - w