植入式腦機(jī)接口中神經(jīng)元重要性評(píng)估及鋒電位的高效解碼.pdf

1、腦機(jī)接口通過(guò)在大腦與外部設(shè)備之間建立直接的通路，在不依賴常規(guī)的脊髓/外周神經(jīng)系統(tǒng)的情況下實(shí)現(xiàn)大腦與外部設(shè)備的交互，可以為殘障患者康復(fù)提供新的途徑。植入式腦機(jī)接口將電極陣列埋植到大腦皮層，能夠記錄到單個(gè)神經(jīng)元的鋒電位信號(hào)，這種信號(hào)時(shí)空分辨率高并且蘊(yùn)含了豐富的運(yùn)動(dòng)信息。將這些運(yùn)動(dòng)信息解碼出來(lái)從而實(shí)現(xiàn)對(duì)外部設(shè)備的精確控制是腦機(jī)接口領(lǐng)域的研究熱點(diǎn)。然而由多通道記錄和高頻率采樣獲得的神經(jīng)信號(hào)具有較高維度，且包含有無(wú)關(guān)信息，會(huì)影響解碼的實(shí)時(shí)性和準(zhǔn)確

2、性;神經(jīng)信號(hào)本身具有非線性時(shí)變性等特點(diǎn)，而現(xiàn)有的解碼模型大多為線性靜態(tài)模型，限制了對(duì)神經(jīng)信號(hào)的精確解碼。針對(duì)神經(jīng)解碼面臨的這些挑戰(zhàn)，本文嘗試解決以下兩個(gè)問(wèn)題:1）神經(jīng)元重要性的精確評(píng)估;2)鋒電位的高效解碼。前者可以消除神經(jīng)信號(hào)中的無(wú)關(guān)信患，降低數(shù)據(jù)的維度，有利于神經(jīng)解碼;后者設(shè)計(jì)出更合適的算法實(shí)現(xiàn)對(duì)鋒電位的高效解碼。
　　本文采用基于局部學(xué)習(xí)的方法，通過(guò)將神經(jīng)信號(hào)高度復(fù)雜的非線性關(guān)系分解為許多局部線性關(guān)系的疊加，可以在不依賴編解

3、碼模型的情況下從數(shù)據(jù)中計(jì)算出神經(jīng)元的重要性。實(shí)驗(yàn)結(jié)果表明相比其它方法，基于局部學(xué)習(xí)的方法可以更加精確地識(shí)別出無(wú)關(guān)神經(jīng)元，并且篩選出來(lái)的少量重要神經(jīng)元可以提供與全部神經(jīng)元類似的解碼精度，從而實(shí)現(xiàn)了對(duì)神經(jīng)信號(hào)的有效約簡(jiǎn)。在神經(jīng)解碼方面，本文在序列蒙特卡羅點(diǎn)過(guò)程估計(jì)(SMCPP)的框架內(nèi)，針對(duì)神經(jīng)元的生理特性設(shè)計(jì)更加高效的神經(jīng)解碼算法。鋒電位序列被描述為點(diǎn)過(guò)程，避免了采用時(shí)間窗所引起的信息丟失;后驗(yàn)概率表示為許多粒子的集合，移除了以往算法中的

4、高斯分布假設(shè)，實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)信息更加精確的描述。根據(jù)神經(jīng)集群活動(dòng)時(shí)空相關(guān)性的特點(diǎn)，本文在SMCPP中定義更加合理的神經(jīng)元調(diào)諧模型，從而可以有效地降低解碼誤差。針對(duì)神經(jīng)元時(shí)變性的特點(diǎn)，通過(guò)將參數(shù)變化點(diǎn)檢測(cè)算法和靜態(tài)參數(shù)估計(jì)算法與SMCPP相結(jié)合，仿真實(shí)驗(yàn)表明在解碼過(guò)程中當(dāng)神經(jīng)元調(diào)諧特性發(fā)生突變時(shí)，該算法能自動(dòng)對(duì)參數(shù)進(jìn)行相應(yīng)調(diào)整，相比靜態(tài)參數(shù)算法進(jìn)一步降低了解碼誤差。雖然序列蒙特卡羅點(diǎn)過(guò)程方法可以實(shí)現(xiàn)對(duì)神經(jīng)活動(dòng)的精確解碼，然而過(guò)高的計(jì)算復(fù)雜度

5、對(duì)算法的實(shí)時(shí)性提出了挑戰(zhàn)。本文對(duì)該算法進(jìn)行大規(guī)模并行化實(shí)現(xiàn)并運(yùn)行在GPU上，借助GPU強(qiáng)大的并行計(jì)算能力來(lái)提高算法的解碼速度。
　　本文將神經(jīng)科學(xué)領(lǐng)域的發(fā)現(xiàn)與機(jī)器學(xué)習(xí)算法結(jié)合從而實(shí)現(xiàn)對(duì)神經(jīng)元重要性的精確評(píng)估和鋒電位的高效解碼，創(chuàng)新點(diǎn)在于:采用基于局部學(xué)習(xí)方法對(duì)神經(jīng)元重要性進(jìn)行精確評(píng)估，不依賴編解碼模型，篩選出來(lái)的少量神經(jīng)元（10個(gè)）可以提供與所有神經(jīng)元（＞70個(gè)）類似的解碼精度（95％以上）;根據(jù)神經(jīng)集群活動(dòng)時(shí)空相關(guān)性定義的調(diào)諧模