《自然神经科学》：新的人工智能可以识别与特定行为相关的大脑模式

　　

南加州大学电子与计算机工程学院Sawchuk主席、南加州大学神经技术中心创始主任玛丽亚姆·沙内奇(Maryam Shanechi)和她的团队开发了一种新的人工智能算法，可以分离与特定行为相关的大脑模式。这项工作可以改善脑机接口并发现新的大脑模式，已发表在《自然神经科学》杂志上。

当你读这个故事的时候，你的大脑正在参与多种行为。

也许你正在移动你的手臂去拿一杯咖啡，同时为你的同事大声朗读这篇文章，感觉有点饿。所有这些不同的行为，如手臂运动、说话和不同的内部状态，如饥饿，都会同时在你的大脑中编码。这种同时进行的编码在大脑的电活动中产生了非常复杂和混乱的模式。因此，一个主要的挑战是将编码特定行为(如手臂运动)的大脑模式与所有其他大脑模式分离开来。

例如，这种分离是开发旨在恢复瘫痪患者运动能力的脑机接口的关键。当考虑做一个动作时，这些患者无法将他们的想法传达给他们的肌肉。为了恢复这些病人的功能，脑机接口直接从他们的大脑活动中解码计划的运动，并将其转化为移动外部设备，如机械臂或电脑光标。

沙内奇和她以前的博士生奥米德·萨尼(Omid Sani)开发了一种新的人工智能算法来解决这一挑战。奥米德·萨尼现在是她实验室的研究助理。该算法被命名为DPAD，即“解离优先分析动力学”。

Shanechi说:“我们的人工智能算法，名为DPAD，将那些编码特定感兴趣行为(如手臂运动)的大脑模式与同时发生的所有其他大脑模式分离开来。”“这使我们能够比以前的方法更准确地解码大脑活动的运动，这可以增强脑机接口。此外，我们的方法还可以发现大脑中可能被遗漏的新模式。”

萨尼补充说:“人工智能算法的一个关键因素是首先寻找与感兴趣的行为相关的大脑模式，并在深度神经网络的训练中优先学习这些模式。”在此之后，算法可以学习所有剩余的模式，这样它们就不会掩盖或混淆与行为相关的模式。此外，神经网络的使用在算法可以描述的大脑模式类型方面提供了足够的灵活性。”

除了运动之外，该算法还具有灵活性，未来可能会用于解码精神状态，如疼痛或抑郁情绪。这样做可以通过跟踪病人的症状状态作为反馈来精确地根据他们的需要定制治疗方法，从而有助于更好地治疗精神健康状况。

“我们非常兴奋地开发和展示我们的方法的扩展，可以跟踪精神健康状况的症状状态。这样做不仅可以治疗运动障碍和瘫痪，还可以治疗精神健康状况。”