面向人脑机接口鲁棒控制的动态集成贝叶斯滤波器
机器学习
2022-04-27 v1 人工智能
信号处理
神经元与认知
摘要
目的：脑机接口（BMI）旨在提供对假肢、计算机光标等设备的直接脑控，已在运动功能恢复方面展现出巨大潜力。当前 BMI 的主要局限之一在于在线控制中因神经信号变异性导致性能不稳定，严重阻碍了其临床可用性。方法：为应对在线 BMI 控制中的神经变异性，我们提出动态集成贝叶斯滤波器（DyEnsemble）。DyEnsemble 以动态测量模型扩展贝叶斯滤波器，可随神经变化自适应地及时调整其参数。这是通过学习一组候选函数并根据神经信号动态加权与组装来实现的。由此，DyEnsemble 应对了信号中的变异性并提升了在线控制的鲁棒性。结果：与一名人类参与者的在线 BMI 实验表明，相较于速度卡尔曼滤波器，DyEnsemble 显著提升了控制准确率（在随机目标追踪任务中成功率提高 13.9%、到达时间缩短 13.5%）与鲁棒性（在不同实验日表现更稳定）。结论：我们的结果证明了 DyEnsemble 在在线 BMI 控制中的优越性。意义：DyEnsemble 构建了新颖且灵活的鲁棒神经解码框架，有益于不同的神经解码应用。
引用
@article{arxiv.2204.11840,
title = {Dynamic Ensemble Bayesian Filter for Robust Control of a Human Brain-machine Interface},
author = {Yu Qi and Xinyun Zhu and Kedi Xu and Feixiao Ren and Hongjie Jiang and Junming Zhu and Jianmin Zhang and Gang Pan and Yueming Wang},
journal= {arXiv preprint arXiv:2204.11840},
year = {2022}
}