深度学习算法“解密”脑活动 助脑机接口控制瘫痪肢体

英国《自然·医学》杂志近日在线发表的一项研究，报告了一种可以分析四肢瘫痪患者大脑活动的深度学习算法。该算法已被用于向患者的前臂肌肉传递电刺激，从而恢复瘫痪肢体的功能性运动。

慢性瘫痪患者的生活质量可以通过脑机接口加以改善。脑机接口可以将控制运动的中枢神经系统回路和辅助设备（例如计算机光标或机器人设备）连接起来。近来，脑机接口已被用于绕过脊髓损伤，通过直接的肌肉刺激来恢复瘫痪肢体的功能。虽然这种方法前景可观，但是要实际应用仍面临一定障碍，比如需要准确快速的响应，能够提供多种功能以及根据需要进行有效的日常重新校准。

美国巴特尔纪念研究所的科学家用两年时间，收集了四肢瘫痪患者执行“想象的”手臂和手部运动时的脑皮质活动记录。他们向患者运动皮层植入微电极阵列，长期收集患者大脑活动信息。这些微电极以高时空分辨率直接采样神经元活动。

根据这个大型数据集，他们使用深度学习方法开发了一种脑机接口解码器，它可以准确、快速而持久地运行，并且会学习新功能，基本不需要再训练。实验显示，解码器可用于控制电刺激设备，实时恢复患者瘫痪的前臂活动。

团队指出，虽然示例患者可以使用解码器来抓取和操纵物体，但是这种方法是否适用于其他患者，是否支持更长久的实际应用，还有待进一步验证。未来的研究应该调查是否可以通过实际应用中产生的训练数据，而非在受控的实验室条件下获得的训练数据，来生成类似功能的解码器。