基于全局自适应点过程估计的脑机接口快速神经适应追踪
信号处理
2021-07-28 v1 神经元与认知
摘要
脑机接口（BMIs）通过将神经活动转化为控制外部设备的数字指令，帮助残疾人恢复身体功能。神经适应是指脑信号响应外部刺激或运动而发生的变化，在 BMIs 中起着重要作用。当受试者纯粹利用神经活动进行脑控假肢时，一些神经元会主动探索新的调谐特性以完成运动任务。对这种神经调谐特性的预测可帮助受试者更高效地适应脑控并维持良好的解码性能。现有预测方法追踪手动控制中调谐特性的缓慢变化，不适用于脑控中的快速神经适应。为识别脑控中的活跃神经元并追踪其调谐特性变化，我们提出一种全局自适应点过程方法（GaPP），从尖峰序列估计神经调制状态，将状态分解为主偏好方向，并在双模型框架中重建运动学。我们在大鼠执行手动控制与脑控下双杠杆辨别任务的真实数据上实现了该方法。结果表明，我们的方法成功预测了神经调制状态并识别出在脑控中变得活跃的神经元。与现有方法相比，我们的方法更准确高效地追踪从手动控制到脑控的主偏好方向快速变化，并更好更快地重建运动学。
引用
@article{arxiv.2107.12609,
title = {Tracking Fast Neural Adaptation by Globally Adaptive Point Process Estimation for Brain-Machine Interface},
author = {Shuhang Chen and Xiang Zhang and Xiang Shen and Yifan Huang and Yiwen Wang},
journal= {arXiv preprint arXiv:2107.12609},
year = {2021}
}