图1所示。每一对都展示了一帧由测试对象观看的视频，以及由基于大脑活动的神经网络生成的相应图像。信贷:(Grigory Rashkov / Neurobotics

 

来自俄罗斯Neurobotics公司和莫斯科物理技术学院的研究人员发现了一种方法，可以将人的大脑活动可视化为模拟他们实时观察到的真实图像。这将使由大脑信号控制的中风后康复设备成为可能。该团队在bioRxiv上以预印本的形式发表了这项研究，并在网上发布了一段视频(嵌入下面)，展示了他们的“读心术”系统的工作原理。

 

为了开发由大脑控制的设备以及治疗认知障碍和中风后康复的方法，神经生物学家需要了解大脑是如何编码信息的。其中一个关键方面是研究人们在感知视觉信息时的大脑活动，例如，在观看视频时。

 

现有的从大脑信号中提取观察图像的解决方案要么使用功能性核磁共振成像，要么分析通过植入物直接从神经元中提取的信号。这两种方法在临床实践和日常生活中的应用都相当有限。

 

由MIPT和Neurobotics开发的脑-机接口依赖于人工神经网络和脑电图，EEG是一种通过放置在头皮上的电极记录脑电波的技术。通过分析大脑活动，该系统将实时重建一个人接受脑电图检查时看到的图像。

 

“我们正在致力于国家技术倡议的神经网络的辅助技术项目，该项目专注于脑-计算机接口，使中风后的病人能够控制手臂外骨骼以达到神经康复的目的，或者使瘫痪的病人能够驾驶，例如电动轮椅。最终的目标是提高健康个体神经控制的准确性，”MIPT的神经机器人实验室负责人Vladimir Konyshev说。天富平台登录

 

脑机接口算法

 

图2。脑机接口(BCI)系统的操作算法。资料来源:Anatoly Bobe/Neurobotics， @ tsar氰化物/MIPT新闻办公室

 

在实验的第一部分，神经生物学家要求健康的受试者观看20分钟的10秒的YouTube视频片段。该团队选择了五个任意的视频类别:抽象形状、瀑布、人脸、运动机械和赛车运动。后者的特色是雪地摩托、水上摩托车、摩托车和汽车比赛的第一人称录音。

 

通过分析脑电图数据，研究人员发现，每一类视频的脑电波模式都是不同的。这使得研究小组能够实时分析大脑对视频的反应。

 

在实验的第二阶段，从原来的五个类别中随机选取三个类别。研究人员开发了两个神经网络:一个用于从“噪音”中生成随机分类特定的图像，另一个用于从脑电图中生成类似的“噪音”。然后，研究小组训练这些网络一起操作，将脑电图信号转换成与测试对象所观察到的图像相似的实际图像(图2)。天富平台登录

脑机接口

 

插图。脑-机接口。资料来源:Anatoly Bobe/Neurobotics， @ tsar氰化物/MIPT新闻办公室

 

为了测试该系统可视化大脑活动的能力，研究人员向受试者展示了此前从未见过的同一类别的视频。当他们观看时，脑电图被记录下来并输入神经网络。系统通过了测试，生成了令人信服的图像，可以很容易地在90%的情况下进行分类(图1)。

 

脑电图是从头皮上记录下来的大脑信号的集合。研究人员过去认为，通过脑电图来研究大脑过程，就像通过分析蒸汽火车留下的烟雾来弄清楚蒸汽机的内部结构，”论文的合著者格里戈里·拉什科夫(Grigory Rashkov)解释说，他是MIPT的初级研究员，也是Neurobotics的程序员。“我们没有期望它包含足够的信息，甚至部分重建一个人观察到的图像。但事实证明这是很有可能的。”

 

 

“更重要的是，我们可以以此作为实时操作的脑-机接口的基础。”这是很让人放心。在目前的技术下，埃隆·马斯克设想的侵入性神经接口面临着复杂的外科手术和由于自然过程而迅速恶化的挑战——它们在几个月内氧化并失效。我们希望最终能设计出更便宜的不需要植入的神经接口。”