利用植入清醒患者颞叶的电极，科学家们以接近感知的速度解码了大脑信号。此外，分析患者对两种视觉刺激的神经反应——面部和房屋图像——使科学家能够预测患者正在看哪些图像以及何时观察，准确率高于95%。
本研究发表于《PLOS计算生物学》。
华盛顿大学的计算神经科学家拉杰什拉奥和UW医学院的神经外科医生杰夫欧杰曼以及他们的学生凯米勒与南加州和纽约州的同事一起进行了这项研究。
“我们首先试图理解人脑是如何感知颞叶中的物体的，其次，人们是如何使用计算机实时提取和预测某人看到的东西的？”饶解释道。他是威斯康星大学计算机科学与工程系的教授，并领导着位于威斯康星州的美国国家科学基金会传感器电气工程中心。
他说：“在临床上，你可以把我们的研究结果作为为完全被锁定的瘫痪或中风患者建立沟通机制的概念的证明。”
这项研究涉及在西雅图港湾医学中心接受治疗的七名癫痫患者。欧杰曼说，每个人都患有癫痫发作，这是药物无法缓解的。因此，每个人都接受了手术，其中大脑的颞叶被暂时植入大约一周，以试图找到癫痫发作的焦点。
“无论如何，他们会得到电极；欧杰曼说：“我们只是在住院期间给他们其他任务做，否则他们只是在等待。"
颞叶处理感觉输入，是癫痫发作的常见部位。他说，肺叶也位于哺乳动物的眼睛和耳朵后面，这也与阿尔茨海默病和痴呆症有关，似乎比其他脑结构更容易受到头部创伤。
在实验中，来自多个颞叶位置的电极被连接到强大的计算软件，该软件提取了大脑信号的两个特征：“事件相关电位”和“宽带频谱变化”。
饶认为，前者很可能是由于“第一次显示图像时激活了几十万个神经元”，而后者则是“在最初的信息波之后继续加工”。
在观看电脑显示器的过程中，受试者会看到一系列随机的图像——简短的(400毫秒)人脸和房屋的图像闪烁着，散布着空白的灰色屏幕。他们的任务是观察倒置房屋的图像。
“我们从不同的(电极)位置得到不同的响应；有些人对脸敏感，有些人对房子敏感，”饶说。
该计算软件每秒钟对大脑信号进行1000次采样和数字化，以提取它们的特征。该软件还分析数据，以确定电极位置和信号类型的哪个组合与每个对象实际看到的最相关。
这产生了高度可预测的信息。
通过训练受试者对(已知的)前三分之二图像的反应算法，研究人员可以检查代表最后三分之一图像(其标签未知)的大脑信号，并以96%的准确性预测受试者是否以及何时看到房屋、人脸或灰色屏幕(在20毫秒内)。
只有将与事件和宽带变化相关的潜力结合起来进行预测，才能达到这种准确性，这表明它们具有互补的信息。
“传统上，科学家只研究单个神经元，”饶说。“我们的研究在一个非常大的神经网络层面上提供了一个更全面的画面，一个清醒而专注的人是如何感知一个复杂的视觉对象的。”
他说，科学家的技术是大脑绘图的敲门砖，因为它可以用来实时识别大脑的哪些部分对特定类型的信息敏感。
这项研究的主要作者是凯米勒(Kai Miller)，斯坦福大学神经外科住院医师和物理学家，曾获得医学博士学位和博士学位。在UW。其他合作者包括斯坦福大学神经科学博士后研究员Dora Hermes和纽约沃兹沃斯学院神经科学家Gerwin Schalk。
“我们开发的计算工具可以应用于运动功能研究、癫痫研究和记忆研究。欧杰曼说：“基础数学应用于生物学是学习的基础。"
版权声明：内容来源于互联网和用户投稿 如有侵权请联系删除