科学家开发出一种新的人工智能算法，可以分离与特定行为相关的脑模式。这项工作有望改进脑机接口，并有助于发现新的脑模式。
南加州大学电气与计算机工程系Sawchuk讲席教授、南加州大学神经技术中心创始主任Maryam Shanechi及其团队开发了一种新的人工智能算法，能够分离与特定行为相关的脑模式。这项可改进脑机接口并发现新脑模式的研究成果已发表在《自然·神经科学》杂志上。
当你阅读这段文字时，你的大脑正参与多种行为。也许你在伸手拿咖啡，同时为同事大声朗读文章，并且还感到有点饿。所有这些不同的行为，如手臂运动、言语，以及饥饿等不同的内部状态，都同时编码在你的大脑中。这种同时编码导致脑电活动形成极其复杂且混合的模式。因此，一个主要挑战是将编码特定行为（如手臂运动）的脑模式与所有其他脑模式分离开来。
例如，这种分离对于开发旨在恢复瘫痪患者运动能力的脑机接口至关重要。当这些患者想要做出动作时，他们的想法无法传达给肌肉。为了恢复这些患者的功能，脑机接口直接从他们的大脑活动中解码出计划中的运动，并将其转化为移动外部设备（如机械臂或电脑光标）的指令。
Shanechi和她的前博士生Omid Sani（现为其实验室的研究助理）开发了一种新型人工智能算法来解决这一挑战。该算法被命名为DPAD，即“动态分离优先分析”。
Shanechi说：“我们名为DPAD的人工智能算法，能够将编码特定感兴趣行为（如手臂运动）的脑模式与同时发生的所有其他脑模式分离开来。这使我们能够比以往方法更准确地从大脑活动中解码运动，从而增强脑机接口。此外，我们的方法还能发现那些可能被遗漏的新脑模式。”
Sani补充说：“该人工智能算法的一个关键要素是，首先寻找与感兴趣行为相关的脑模式，并在深度神经网络训练过程中优先学习这些模式。完成这一步后，该算法随后再学习所有剩余的模式，这样它们就不会掩盖或干扰与行为相关的模式。此外，神经网络的使用使该算法在描述脑模式类型方面具有极大的灵活性。”
除了运动，该算法还具有灵活性，未来可能用于解码精神状态，如疼痛或抑郁情绪。通过追踪患者的症状状态作为反馈，以精确调整治疗方案，这或许有助于更好地治疗心理健康问题。
Shanechi说：“我们非常兴奋地开发和展示我们方法的扩展应用，以追踪心理健康状况中的症状状态。这样做不仅能带来针对运动障碍和瘫痪的脑机接口，也可能为心理健康状况带来脑机接口。”FINISHED
