用于恢复脑功能的神经协处理器：来自抓取皮层模型的结果

目的：设计闭环脑机接口的一大挑战在于针对不同受试者与目标，寻找作为持续神经活动函数的最优刺激模式。方法：为实现目标导向的闭环神经刺激，我们提出“神经协处理器”，其利用人工神经网络与深度学习来学习最优闭环刺激策略，塑造神经活动并桥接受损神经回路以进行针对性修复与康复。该协处理器在生物回路自身适应刺激的同时调整刺激策略，实现一种脑-器件协同适应。在此，我们利用仿真为未来神经协处理器的体内测试奠定基础。我们借助一个抓取皮层模型，对其施加多种形式的模拟损伤，从而开发关键学习算法并研究对非平稳性的适应。主要结果：我们的仿真展示了神经协处理器使用监督学习方法学习刺激策略，并随底层脑与传感器变化调整该策略的能力。在施加多种损伤后，我们的协处理器成功与模拟脑协同适应，完成伸手抓取任务，实现向健康功能的恢复。意义：我们的结果首次提供了用于自适应活动依赖闭环神经刺激、以康复目标优化的协处理器的概念验证演示。尽管仿真与应用之间仍存在差距，我们的结果就如何开发协处理器以学习复杂自适应刺激策略、用于多种神经康复与神经假体应用提供了见解。