脑机接口解码器的无监督自适应

由于神经元活动与行为之间关系的非平稳性，神经解码器的性能可能会随时间下降。在这种情况下，脑机接口（BMI）需要对其解码器进行自适应以保持高性能。实现这一点的一种方法是使用定期校准阶段，在此期间BMI系统（或外部人类演示者）指示用户执行某些运动或行为。这种方法有两个缺点：（i）校准阶段中断了BMI的自主运行；（ii）在两个校准阶段之间，BMI性能可能不稳定，而是持续下降。更好的替代方案是BMI解码器能够在自主BMI运行期间以无监督方式连续自适应，即不知道用户的运动意图。在本文中，我们提出了一种用于连续运动控制的BMI系统无监督训练的有效方法。所提出的方法利用从神经元记录中导出的代价函数，该函数指导学习算法评估解码参数。我们通过使用最优反馈控制模型模拟BMI用户及其与我们自适应BMI解码器的交互，验证了自适应方法的性能。模拟结果表明，代价函数和算法能够在二维计算机屏幕上随机方向的目标上产生快速且精确的轨迹。对于初始未知且非平稳的调谐参数，我们的无监督方法仍然能够生成精确的轨迹，并长期保持性能稳定。该算法也可以选择性地使用神经元误差信号代替或结合所提出的无监督自适应。