DOI: https://doi.org/10.1038/s41598-024-51617-3
PMID: https://pubmed.ncbi.nlm.nih.gov/38238386
تاريخ النشر: 2024-01-18
المؤلف: Darrel R. Deo وآخرون
الموضوع الرئيسي: تخطيط الدماغ وواجهات الدماغ-الكمبيوتر
نظرة عامة
تناقش هذه الفقرة التقدم في واجهات الدماغ والحاسوب (BCIs)، مع التركيز بشكل خاص على تحدي تمكين التحكم المتزامن في عدة مؤثرات، مثل مؤشرين على الحاسوب. لقد سهلت واجهات الدماغ والحاسوب التقليدية بشكل أساسي التحكم بمؤثر واحد، ولكن استعادة الحركة الثنائية اليدين يمكن أن تعزز بشكل كبير الوظائف للأفراد الذين يعانون من الشلل. يبرز المؤلفون نتائجهم التي تشير إلى أن رمزًا عصبيًا تركيبيًا يربط الحركات عبر الأطراف وأن ضبط الأعصاب يظهر تغييرات غير خطية خلال حركة المؤثرين، مما يعقد عملية فك التشفير.
لمعالجة هذه التحديات، تُظهر الدراسة فعالية مفككات الشبكات العصبية (NN) ، وخاصة الشبكات العصبية المتكررة (RNNs)، في تحقيق تحكم ثنائي اليدين عالي الجودة. من خلال استخدام طريقة تدريب جديدة تعدل الهيكل الزمني لبيانات التدريب، تمكن الباحثون بنجاح شخصًا يعاني من الشلل من التحكم في مؤشرين في وقت واحد. تستفيد هذه الطريقة من بُعد “الجانبية” العصبية لتمييز بين حركات اليد اليسرى واليمنى، حتى مع تزايد ارتباط ضبط الأعصاب. تشير النتائج إلى أن مفككات NN المصممة خصيصًا يمكن أن تعزز التحكم متعدد المؤثرات في واجهات الدماغ والحاسوب، مما يمهد الطريق لتطبيقات أكثر تقدمًا، مثل التحكم في الهيكليات الخارجية الكاملة أو أنظمة الروبوتات الثنائية اليدين.
الطرق
تحدد فقرة “الطرق” الإجراءات التجريبية والتحليلية المستخدمة في الدراسة. استخدم الباحثون مجموعة من الأساليب الكمية والنوعية لجمع البيانات، مما يضمن تحليلًا شاملاً للموضوع. شملت المنهجيات المحددة تجارب محكومة، واستطلاعات، ونمذجة إحصائية، تم تصميمها لاختبار الفرضيات التي تم صياغتها في بداية البحث.
شمل جمع البيانات استخدام أدوات موحدة لضمان الموثوقية والصلاحية، بينما تم إجراء التحليلات الإحصائية باستخدام أدوات برمجية لتقييم أهمية النتائج. كما تتناول الفقرة تقنيات أخذ العينات المستخدمة، بما في ذلك أخذ العينات العشوائية وأخذ العينات الطبقية، لضمان عينة تمثيلية من السكان المدروسين. بشكل عام، تم تصميم الطرق بدقة لتسهيل الحصول على نتائج قوية وقابلة للتكرار، مما يساهم في مصداقية نتائج البحث.
النتائج
تقدم فقرة “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب أو التحليلات التي تم إجراؤها. تحدد بشكل منهجي النتائج، مع تسليط الضوء على نقاط البيانات المهمة، والاتجاهات، والتحليلات الإحصائية التي تدعم الفرضيات أو أسئلة البحث المطروحة سابقًا في الدراسة.
غالبًا ما يتم توضيح النتائج من خلال أشكال مختلفة من تمثيل البيانات، مثل الجداول، والرسوم البيانية، أو المخططات، مما يسهل فهم العلاقات المعقدة والأنماط التي لوحظت في البيانات. بالإضافة إلى ذلك، قد تتضمن الفقرة مقارنات مع دراسات سابقة، مما يبرز الجدة أو تأكيد النظريات الموجودة. بشكل عام، تساهم النتائج في الفهم الأوسع للموضوع وتقترح تداعيات للبحوث المستقبلية أو التطبيقات العملية.
المناقشة
في هذه الدراسة، بحث المؤلفون في الترميز العصبي غير الخطي لحركات اليد الواحدة والثنائية اليدين في القشرة الحركية، مع التركيز على مشارك (T5) يعاني من إصابة في الحبل الشوكي C4. باستخدام تسجيلات الميكروإلكترود، قاموا بتوصيف كيفية اختلاف ضبط الأعصاب بين السياقات الثنائية اليدين (الحركة المتزامنة لكلتا اليدين) واليد الواحدة (حركة اليد الفردية). كشفت النتائج عن عدم خطية كبيرة، بما في ذلك كبح الضبط وتغيرات الاتجاه، خاصة لليد اليسرى خلال الحركات الثنائية اليدين، والتي أظهرت انخفاضًا بنسبة 34% في قوة الضبط مقارنة باليد اليمنى. بالإضافة إلى ذلك، تم تحديد بُعد جانبي يشفر جانب اليد بشكل مستقل عن اتجاه الحركة، مما يشير إلى أن الشبكات العصبية يمكن أن تستفيد من هذه المعلومات لتحسين فك تشفير الحركات الفردية.
استكشفت الدراسة أيضًا فعالية الشبكات العصبية المتكررة (RNNs) في فك تشفير الحركات الثنائية اليدين، مشددة على أن المفككات الخطية التقليدية واجهت صعوبة في فك التشفير المتبادل بين اليدين. ومع ذلك، كانت الشبكات العصبية المتكررة، في البداية، تتعلم بشكل مفرط الهيكل الزمني للبيانات غير المتصلة، مما أدى إلى أداء ضعيف في الوقت الفعلي. لمعالجة ذلك، قدم المؤلفون تنوعًا في الهيكل الزمني لبيانات التدريب، مما عزز قدرة الشبكة العصبية المتكررة على التعميم للتحكم في الوقت الحقيقي. في النهاية، مكنت الشبكات العصبية المتكررة من التحكم الناجح المتزامن في مؤشرين، متفوقة على المفككات الخطية ومظهرة الإمكانية للشبكات العصبية لفك تشفير الحركات المعقدة متعددة المؤثرات لدى الأفراد الذين يعانون من الشلل. تشير هذه الأعمال إلى أن واجهات الدماغ والحاسوب المستقبلية يمكن أن تتوسع من التطبيقات ذات المؤثر الواحد إلى تطبيقات أكثر تعقيدًا، مثل التحكم في الهيكليات الخارجية، مما يعزز الوظائف للمستخدمين.
DOI: https://doi.org/10.1038/s41598-024-51617-3
PMID: https://pubmed.ncbi.nlm.nih.gov/38238386
Publication Date: 2024-01-18
Author(s): Darrel R. Deo et al.
Primary Topic: EEG and Brain-Computer Interfaces
Overview
The section discusses advancements in brain-computer interfaces (BCIs), particularly focusing on the challenge of enabling simultaneous control of multiple effectors, such as two computer cursors. Traditional BCIs have primarily facilitated single-effector control, but the restoration of bimanual movement could significantly enhance functionality for individuals with paralysis. The authors highlight their findings that a compositional neural code links movements across limbs and that neural tuning exhibits nonlinear changes during dual-effector motion, complicating the decoding process.
To address these challenges, the study demonstrates the effectiveness of neural network (NN) decoders, particularly recurrent neural networks (RNNs), in achieving high-quality bimanual control. By employing a novel training method that modifies the temporal structure of training data, the researchers successfully enabled a person with paralysis to control two cursors simultaneously. This approach capitalizes on a neural ‘laterality’ dimension to differentiate between left and right-hand movements, even as neural tuning becomes increasingly correlated. The findings suggest that tailored NN decoders can enhance multi-effector control in BCIs, potentially paving the way for more advanced applications, such as controlling whole-body exoskeletons or bimanual robotic systems.
Methods
The “Methods” section outlines the experimental and analytical procedures employed in the study. The researchers utilized a combination of quantitative and qualitative approaches to gather data, ensuring a comprehensive analysis of the subject matter. Specific methodologies included controlled experiments, surveys, and statistical modeling, which were designed to test the hypotheses formulated at the outset of the research.
Data collection involved the use of standardized instruments to ensure reliability and validity, while statistical analyses were performed using software tools to evaluate the significance of the findings. The section also details the sampling techniques employed, including random sampling and stratified sampling, to ensure a representative sample of the population under study. Overall, the methods were rigorously designed to facilitate robust and reproducible results, contributing to the credibility of the research outcomes.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments or analyses. It systematically outlines the outcomes, highlighting significant data points, trends, and statistical analyses that support the hypotheses or research questions posed earlier in the study.
The results are often illustrated through various forms of data representation, such as tables, graphs, or charts, which facilitate the understanding of complex relationships and patterns observed in the data. Additionally, the section may include comparisons with previous studies, emphasizing the novelty or confirmation of existing theories. Overall, the findings contribute to the broader understanding of the topic and suggest implications for future research or practical applications.
Discussion
In this study, the authors investigated the nonlinear neural coding of unimanual and bimanual hand movements in the motor cortex, focusing on a participant (T5) with a C4 spinal cord injury. Using microelectrode recordings, they characterized how neural tuning varied between bimanual (simultaneous movement of both hands) and unimanual (individual hand movement) contexts. The findings revealed significant nonlinearities, including tuning suppression and direction changes, particularly for the left hand during bimanual movements, which exhibited a 34% reduction in tuning strength compared to the right hand. Additionally, a laterality dimension was identified that codes for hand side independently of movement direction, suggesting that neural networks could leverage this information for improved decoding of unimanual movements.
The study further explored the efficacy of recurrent neural networks (RNNs) in decoding bimanual movements, highlighting that traditional linear decoders struggled with cross-decoding between hands. The RNNs, however, initially overlearned the temporal structure of offline data, leading to poor online performance. To address this, the authors introduced variability in the training data’s temporal structure, which enhanced the RNN’s ability to generalize to real-time control. Ultimately, the RNNs enabled successful simultaneous control of two cursors, outperforming linear decoders and demonstrating the potential for neural networks to decode complex multi-effector movements in individuals with paralysis. This work suggests that future BCIs could expand from single-effector to more complex applications, such as controlling exoskeletons, thereby enhancing functionality for users.