科学家发明了一种深度学习算法 可以分析四肢瘫痪患者的大脑活动

该算法已用于对患者前臂肌肉进行电刺激，从而恢复肢体运动功能。

通过脑机接口可以提高慢性瘫痪患者的生活质量。脑机接口可以将控制运动的中枢神经系统电路与辅助设备(如计算机光标或机器人设备)连接起来。最近，脑机接口(BCI)被用于绕过脊髓损伤，通过肌肉刺激直接恢复瘫痪肢体的功能。虽然这种方法有很好的前景，但在实际应用中仍然面临一些障碍，如准确快速的响应、提供多种功能以及根据需要进行有效的日常重新校准。

俄亥俄州巴特尔纪念研究所的迈克尔施韦默和他的同事花了两年时间收集四肢瘫痪患者在进行“想象的”手臂和手运动时的皮层活动记录。他们将微电极阵列植入患者的运动皮层，通过侵入的方式长期收集患者大脑活动的信息。这些微电极以高时空分辨率直接采样神经元活动。根据这个大数据集，他们利用深度学习的方法开发了一个脑机接口解码器，可以准确、快速、持久地运行，学习新功能——，基本不需要再训练。在最近于《自然—医学》在线发表的一份报告中，研究人员表示，该解码器可用于控制电刺激设备，并实时恢复瘫痪的前臂运动。

他们指出，尽管示例患者可以让解码器抓取和操纵对象，但这种方法是否适合其他患者，是否能够支持更长期的实际应用，还有待进一步验证。他们说，未来的研究应该调查是否可以从实际应用中产生的训练数据中产生具有类似功能的解码器，而不是在受控的实验室条件下获得的训练数据。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！