Prostesis Neural Menggunakan Aktiviti Otak untuk Menyahkod Pertuturan – Berita Neurosains

Ringkasan: Model pembelajaran mesin yang baru dibangunkan boleh meramalkan perkataan yang akan dituturkan oleh seseorang berdasarkan aktiviti saraf mereka yang direkodkan oleh peranti neuroprostetik invasif minimum.

Sumber: HSE

Penyelidik dari Universiti HSE dan Universiti Perubatan dan Pergigian Negeri Moscow telah membangunkan model pembelajaran mesin yang boleh meramalkan perkataan yang akan diucapkan oleh subjek berdasarkan aktiviti saraf mereka yang direkodkan dengan set kecil elektrod invasif minimum.

Makalah ‘Penyahkodan pertuturan daripada satu set kecil elektrod EEG intrakranial invasif minimum yang diasingkan secara spatial dengan rangkaian saraf yang padat dan boleh ditafsirkan’ telah diterbitkan dalam Jurnal Kejuruteraan Neural. Penyelidikan itu dibiayai oleh geran daripada Kerajaan Rusia sebagai sebahagian daripada Projek Nasional ‘Sains dan Universiti’.

Berjuta-juta orang di seluruh dunia terjejas oleh gangguan pertuturan yang mengehadkan keupayaan mereka untuk berkomunikasi. Punca kehilangan pertuturan boleh berbeza-beza dan termasuk strok dan keadaan kongenital tertentu.

Teknologi tersedia hari ini untuk memulihkan fungsi komunikasi pesakit sedemikian, termasuk antara muka ‘pertuturan senyap’ yang mengecam pertuturan dengan menjejaki pergerakan otot artikulasi semasa orang itu mengeluarkan kata-kata tanpa mengeluarkan bunyi. Walau bagaimanapun, peranti sedemikian membantu sesetengah pesakit tetapi bukan yang lain, seperti orang yang lumpuh otot muka.

Neuroprostesis pertuturan—antara muka otak-komputer yang mampu menyahkod pertuturan berdasarkan aktiviti otak—boleh menyediakan penyelesaian yang boleh diakses dan boleh dipercayai untuk memulihkan komunikasi kepada pesakit tersebut.

Tidak seperti komputer peribadi, peranti dengan antara muka otak-komputer (BCI) dikawal secara langsung oleh otak tanpa memerlukan papan kekunci atau mikrofon.

Halangan utama kepada penggunaan BCI yang lebih meluas dalam prostetik pertuturan ialah teknologi ini memerlukan pembedahan yang sangat invasif untuk menanam elektrod dalam tisu otak.

Pengecaman pertuturan yang paling tepat dicapai oleh neuroprostesis dengan elektrod meliputi kawasan besar permukaan kortikal. Walau bagaimanapun, penyelesaian untuk membaca aktiviti otak ini tidak bertujuan untuk kegunaan jangka panjang dan memberikan risiko yang ketara kepada pesakit.

Penyelidik Pusat HSE untuk Antara Muka Bioelektrik dan Universiti Perubatan dan Pergigian Negeri Moscow telah mengkaji kemungkinan mencipta neuroprosthesis yang berfungsi yang mampu menyahkod pertuturan dengan ketepatan yang boleh diterima dengan membaca aktiviti otak daripada set kecil elektrod yang ditanam di kawasan kortikal yang terhad.

Penulis mencadangkan bahawa pada masa akan datang, prosedur invasif minimum ini boleh dilakukan di bawah anestesia tempatan. Dalam kajian ini, para penyelidik mengumpul data daripada dua pesakit dengan epilepsi yang telah diimplan dengan elektrod intrakranial untuk tujuan pemetaan presurgikal untuk menyetempatkan zon permulaan sawan.

Pesakit pertama telah diimplan secara dua hala dengan sejumlah lima aci sEEG dengan enam sesentuh dalam setiap satu, dan pesakit kedua telah diimplan dengan sembilan jalur elektrokortikografi (ECoG) dengan lapan sesentuh dalam setiap satu.

Tidak seperti ECoG, elektrod untuk sEEG boleh ditanam tanpa kraniotomi penuh melalui lubang gerudi di tengkorak. Dalam kajian ini, hanya enam kenalan aci sEEG tunggal dalam satu pesakit dan lapan kenalan satu jalur ECoG dalam yang lain digunakan untuk menyahkod aktiviti saraf.

Subjek diminta membaca kuat enam ayat, masing-masing dibentangkan 30 hingga 60 kali dalam susunan rawak. Struktur ayat berbeza-beza, dan kebanyakan perkataan dalam satu ayat bermula dengan huruf yang sama. Ayat-ayat tersebut mengandungi sejumlah 26 perkataan yang berbeza. Semasa subjek membaca, elektrod mencatatkan aktiviti otak mereka.

Data ini kemudiannya diselaraskan dengan isyarat audio untuk membentuk 27 kelas, termasuk 26 perkataan dan satu kelas senyap. Set data latihan yang terhasil (mengandungi isyarat yang direkodkan dalam 40 minit pertama percubaan) dimasukkan ke dalam model pembelajaran mesin dengan seni bina berasaskan rangkaian saraf.

Tugas pembelajaran untuk rangkaian saraf adalah untuk meramal perkataan (kelas) yang disebut seterusnya berdasarkan data aktiviti saraf sebelum sebutannya.

Dalam mereka bentuk seni bina rangkaian saraf, para penyelidik ingin menjadikannya ringkas, padat dan mudah ditafsir. Mereka menghasilkan seni bina dua peringkat yang mula-mula mengekstrak perwakilan pertuturan dalaman daripada data aktiviti otak yang direkodkan, menghasilkan pekali spektrum log-mel, dan kemudian meramalkan kelas tertentu, iaitu perkataan atau senyap.

Oleh itu, rangkaian saraf mencapai ketepatan 55% menggunakan hanya enam saluran data yang direkodkan oleh elektrod sEEG tunggal dalam pesakit pertama dan ketepatan 70% menggunakan hanya lapan saluran data yang direkodkan oleh jalur ECoG tunggal dalam pesakit kedua. Ketepatan sedemikian adalah setanding dengan yang ditunjukkan dalam kajian lain menggunakan peranti yang memerlukan elektrod untuk ditanam di seluruh permukaan kortikal.

Model yang boleh ditafsirkan yang terhasil memungkinkan untuk menerangkan dalam istilah neurofisiologi maklumat saraf mana yang paling banyak menyumbang kepada meramalkan perkataan yang akan diucapkan.

Para penyelidik meneliti isyarat yang datang dari populasi neuron yang berbeza untuk menentukan yang mana antara mereka penting untuk tugas hiliran.

Ini menunjukkan otak
Berjuta-juta orang di seluruh dunia terjejas oleh gangguan pertuturan yang mengehadkan keupayaan mereka untuk berkomunikasi. Punca kehilangan pertuturan boleh berbeza-beza dan termasuk strok dan keadaan kongenital tertentu. Imej berada dalam domain awam

Penemuan mereka konsisten dengan hasil pemetaan pertuturan, menunjukkan bahawa model menggunakan isyarat saraf yang penting dan oleh itu boleh digunakan untuk menyahkod pertuturan khayalan.

Satu lagi kelebihan penyelesaian ini ialah ia tidak memerlukan kejuruteraan ciri manual. Model ini telah belajar untuk mengekstrak perwakilan pertuturan secara langsung daripada data aktiviti otak.

Lihat juga

Ini menunjukkan seorang ayah membantu anak perempuannya membuat kerja rumah

Kebolehtafsiran keputusan juga menunjukkan bahawa rangkaian menyahkod isyarat daripada otak dan bukannya daripada sebarang aktiviti bersamaan, seperti isyarat elektrik daripada otot artikulasi atau timbul akibat kesan mikrofon.

Para penyelidik menekankan bahawa ramalan itu sentiasa berdasarkan data aktiviti saraf sebelum ujaran. Ini, mereka berhujah, memastikan bahawa peraturan keputusan tidak menggunakan tindak balas korteks pendengaran terhadap ucapan yang telah diucapkan.

“Penggunaan antara muka sedemikian melibatkan risiko minimum untuk pesakit. Jika semuanya berjaya, mungkin untuk menyahkod pertuturan khayalan daripada aktiviti saraf yang direkodkan oleh sebilangan kecil elektrod invasif minimum yang ditanam dalam keadaan pesakit luar dengan anestesia tempatan”, – Alexey Ossadtchi, pengarang utama kajian, pengarah Pusat untuk Antara Muka Bioelektrik Institut HSE untuk Neurosains Kognitif.

Mengenai berita penyelidikan neurotek ini

Pengarang: Ksenia Bregadze
Sumber: HSE
Hubungi: Ksenia Bregadze – HSE
Imej: Imej itu berada dalam domain awam

Penyelidikan Asal: Akses tertutup.
Penyahkodan pertuturan daripada set kecil elektrod EEG intrakranial invasif minimum yang diasingkan secara spatial dengan rangkaian saraf yang padat dan boleh ditafsir” oleh Alexey Ossadtchi et al. Jurnal Kejuruteraan Neural


Abstrak

Penyahkodan pertuturan daripada set kecil elektrod EEG intrakranial invasif minimum yang diasingkan secara spatial dengan rangkaian saraf yang padat dan boleh ditafsir

Objektif. Penyahkodan pertuturan, salah satu aplikasi antara muka otak-komputer yang paling menarik, membuka banyak peluang daripada pemulihan pesakit kepada komunikasi langsung dan lancar antara spesies manusia. Penyelesaian biasa bergantung pada rakaman invasif dengan sejumlah besar elektrod teragih yang diimplan melalui kraniotomi. Di sini kami meneroka kemungkinan mencipta prostesis pertuturan dalam tetapan invasif minimum dengan sebilangan kecil elektrod intrakranial yang diasingkan secara spatial.

Pendekatan. Kami mengumpul satu jam data (dari dua sesi) dalam dua pesakit yang diimplan dengan elektrod invasif. Kami kemudian hanya menggunakan kenalan yang berkaitan dengan aci stereotactic electroencephalographic (sEEG) tunggal atau jalur electrocorticographic (ECoG) untuk menyahkod aktiviti saraf kepada 26 perkataan dan satu kelas senyap. Kami menggunakan seni bina berasaskan rangkaian konvolusi padat yang berat penapis spatial dan temporal membolehkan tafsiran fisiologi yang munasabah.

Utama keputusan. Kami mencapai purata ketepatan 55% menggunakan hanya enam saluran data yang direkodkan dengan satu elektrod sEEG invasif minimum dalam pesakit pertama dan ketepatan 70% menggunakan hanya lapan saluran data yang direkodkan untuk jalur ECoG tunggal dalam pesakit kedua dalam mengklasifikasikan 26+1 perkataan yang dilafazkan secara terang-terangan. Seni bina padat kami tidak memerlukan penggunaan ciri pra-kejuruteraan, dipelajari dengan cepat dan menghasilkan peraturan keputusan yang stabil, boleh ditafsir dan bermakna secara fisiologi berjaya beroperasi pada set data bersebelahan yang dikumpulkan dalam selang masa yang berbeza daripada yang digunakan untuk latihan. Ciri spatial populasi neuron penting menyokong hasil pemetaan pertuturan aktif dan pasif dan mempamerkan ciri hubungan frekuensi ruang songsang bagi aktiviti saraf. Berbanding dengan seni bina lain penyelesaian padat kami berprestasi setanding atau lebih baik daripada yang dipaparkan baru-baru ini dalam kesusasteraan penyahkodan pertuturan saraf.

Kepentingan. Kami mempamerkan kemungkinan membina prostesis pertuturan dengan sejumlah kecil elektrod dan berdasarkan penyahkod bebas kejuruteraan ciri padat yang diperoleh daripada sejumlah kecil data latihan.

We wish to give thanks to the writer of this post for this incredible web content

Prostesis Neural Menggunakan Aktiviti Otak untuk Menyahkod Pertuturan – Berita Neurosains


Check out our social media profiles and the other related pageshttps://paw6.info/related-pages/