神经系统需要平衡神经表征的稳定性和可塑性。目前尚不清楚简单且经过充分演练的动作表征稳定性如何，尤其是人类，以及他们对新环境的适应性如何。通过对四肢瘫痪的参与者使用ECoG脑机接口（BCI），加州大学旧金山分校（UCSF）的研究人员发现，一系列简单想象动作的低维流形和相对表示距离非常稳定。然而，流形的绝对位置却表现出受约束的日常漂移。

值得注意的是，在BCI控制期间，神经统计（尤其是方差）可以灵活调节以增加表示距离，而不会发生体位变化。可辨别性会随着练习而增强，且与BCI相关，这表明了情境的特定性。通过跨越多天的采样表征可塑性和漂移，研究人员发现了具有可推广决策边界的元表征结构；这实现了对机械臂和手进行长期神经假肢控制，以实现伸手和抓取。

人类神经系统必须平衡稳定的运动控制与学习新动作的适应性。大脑活动形成了这些动作的神经表征，这是一个动态的过程，会随着时间的推移而变化。

动物研究表明，这些表征不是固定的，而是会随着重复的行为而微妙地变化。虽然对人类的研究证实了简单动作具有不同的神经映射，但这些映射如何随着时间推移而变化仍不清楚。

加州大学旧金山分校（UCSF）的研究人员利用基于ECoG的脑机接口来研究这种神经可塑性。研究人员通过在大脑运动区域植入传感器网格，绘制了想象中的动作如何影响大脑活动模式。

这项研究在神经修复控制领域取得了突破性进展，使瘫痪患者能够以前所未有的长期稳定度操作机械臂。该项研究成果近日发表在了《Cell》期刊上。

Karunesh Ganguly, M.D., Ph.D. (center), works in his lab with graduate students Runfeng Miao (left) and Harsha Peesapati (right). (CREDIT: Noah Berger/UC San Francisco)

训练大脑再次运动

参与者首先通过两周的简单手和手指运动训练AI模型。这些心理训练提高了系统解码其意图的能力。实验最初，对机械臂的控制不够精确。为了提高准确性，研究人员引入了虚拟训练。

参与者使用模拟机械臂练习引导设备，同时接收对其想象动作的反馈。这种虚拟环境使他能够在过渡到实体机械臂之前完善其心理指令。经过几次练习，他成功地将这些技能运用到了现实世界中。

该名参与者展示了令人印象深刻的控制能力，拿起积木，转动积木，然后将其移动到新的位置。他甚至完成了复杂的任务，例如打开柜子，取出一只杯子，然后将其放置在饮水机下方。

上图展示了脑机接口（BCI）如何接收大脑信号进行解码，并允许研究参与者移动机械臂。(CREDIT: UC San Francisco)

长期真实世界hDoF神经假肢控制

对于端点传输（到达）控制，研究人员使用了IBID框架。然而，两个中指的动作现在被用作模式切换。在夹持器模式下，用于笛卡尔到达控制的六个动作被重新映射到夹持器的自由度（上图A和B）。这包括手围绕一个固定的轴旋转与抓手和向前和向后运输的手的物体到达和撤回。

脑机接口的新纪元

神经学家Karunesh Ganguly博士表示：“这种人与AI之间的学习融合是这些脑机接口的下一个阶段。我们需要通过这种方式实现复杂、逼真的功能。”

该名中风瘫痪的研究参与者在大脑表面植入了传感器。当参与者想象移动手、脚或头部时，这些传感器记录了神经活动。

研究人员利用AI分析了该名参与者的大脑运动表征每天的变化。虽然这些模式的总体结构保持稳定，但它们的位置略有变化。AI补偿了这种漂移，确保功能稳定，无需频繁重新校准。

长期稳定性与未来应用

传统的BCI会随着时间的推移而性能下降，需要经常重新校准。相比之下，UCSF系统在七个月内一直保持稳定功能，仅需要短暂调整以适应神经漂移。这种稳定性标志着实验室外神经修复术实用化迈出了重要一步。

对于瘫痪患者来说，重新获得执行基本任务的能力（例如进食或抓取物体）可能会改变他们的生活。研究人员目前正在改进AI模型，以提高速度和流畅性，并计划在家庭环境中测试该系统。

“我非常确信我们已经学会了如何构建系统，并且能够使其发挥作用，”Ganguly说道。

随着技术的不断进步，BCI可能很快就能为瘫痪患者提供一种前所未有的独立性。

仅用于学术分享，若侵权请留言，即时删侵！

   加入社群   

欢迎加入脑机接口社区交流群，

探讨脑机接口领域话题，实时跟踪脑机接口前沿。

加微信群：

添加微信:RoseBCI【备注：姓名+行业/专业】。

加QQ群：913607986

   欢迎来稿   

1.欢迎来稿。投稿咨询，请联系微信：RoseBCI

点击投稿：脑机接口社区学术新闻投稿指南

2.加入社区成为兼职创作者，请联系微信：RoseBCI

一键三连「分享」、「点赞」和「在看」

不错过每一条脑机前沿进展