Een nieuw algoritme voor machine learning, ontwikkeld met financiering van het leger, kan patronen in hersensignalen die betrekking hebben op een specifiek gedrag isoleren en vervolgens decoderen, waardoor soldaten mogelijk op gedrag gebaseerde feedback krijgen.
Hersensignalen bevatten dynamische neurale patronen die een combinatie van activiteiten tegelijkertijd weerspiegelen. De hersenen kunnen bijvoorbeeld een bericht op een toetsenbord typen en erkennen of iemand tegelijkertijd dorst heeft. Een permanente uitdaging was het isoleren van die patronen in hersensignalen die betrekking hebben op een specifiek gedrag, zoals vingerbewegingen.
“De impact van dit werk is van groot belang voor leger en DOD in het algemeen, aangezien het een raamwerk nastreeft voor het decoderen van gedrag van hersensignalen die ze genereren”, zei dr. Hamid Krim, programmamanager, Army Research Office, een onderdeel van de US Army Combat Capabilities Develop Command, nu bekend als DEVCOM, Army Research Laboratory. “Als voorbeeld van een toekomstige toepassing kunnen de algoritmen soldaten de nodige feedback geven om corrigerende maatregelen te nemen als gevolg van vermoeidheid of stress.”
Hersenmachine-interfaces
Dit is de eerste stap in de ontwikkeling van hersenmachine-interfaces die helpen bij het herstellen van verloren functies voor mensen met neurologische en psychische stoornissen, waarvoor de vertaling van hersensignalen in een specifiek gedrag nodig is, genaamd decodering.
Als onderdeel van een Multidisciplinary University Research Initiative-beurs toegekend door ARO en geleid door Maryam Shanechi, assistent-professor aan de University Of Southern California Viterbi School of Engineering, hebben onderzoekers een nieuw algoritme voor machine learning ontwikkeld om de uitdaging van het modelleren en decoderen van de hersenen aan te pakken. Het onderzoek is gepubliceerd in Nature Neuroscience.
Algoritme
“Ons algoritme kan, voor de eerste keer, de dynamische patronen in hersensignalen die verband houden met specifiek gedrag loskoppelen en is veel beter in het decoderen van dit gedrag”, zegt Shanechi, de hoofdauteur van het onderzoek.
De onderzoekers testten het algoritme op standaard hersendatasets tijdens het uitvoeren van verschillende arm- en oogbewegingen. Ze toonden aan dat hun algoritme neurale patronen ontdekte in hersensignalen die deze bewegingen aanstuurden, maar gemist werden met standaard algoritmen.
Decoderen
Ze toonden ook aan dat het decoderen van deze bewegingen van hersensignalen – voorspellen wat de bewegingskinematica is door alleen naar hersensignalen te kijken die de beweging genereren – veel beter was met hun algoritme.
“Het algoritme heeft aanzienlijke implicaties voor fundamentele wetenschappelijke ontdekkingen”, zei Krim. “Het algoritme kan gedeelde dynamische patronen ontdekken tussen alle signalen die verder gaan dan hersensignalen, wat breed toepasbaar is voor het leger en vele andere medische en commerciële toepassingen.”
Gedragssignalen
Shanechi zei dat de reden voor het succes van het nieuwe algoritme het vermogen was om zowel hersensignalen als gedragssignalen zoals bewegingskinematica samen te beschouwen en vervolgens de dynamische patronen te vinden die deze signalen gemeen hadden.
Deze decodering hangt ook af van ons vermogen om neurale patronen te isoleren die verband houden met het specifieke gedrag. Deze neurale patronen kunnen worden gemaskeerd door patronen die verband houden met andere activiteiten en kunnen worden gemist door standaardalgoritmen.
Verlamde patiënten
In de toekomst zou het nieuwe algoritme ook toekomstige hersenmachine-interfaces kunnen verbeteren door gedrag beter te decoderen. Het algoritme zou bijvoorbeeld verlamde patiënten in staat kunnen stellen om protheses rechtstreeks te besturen door na te denken over de beweging.
DEVCOM Army Research Laboratory is een onderdeel van het Amerikaanse leger Combat Capabilities Development Command. Als het onderzoekslaboratorium van het leger operationaliseert ARL de wetenschap om transformationele overmatch te bereiken. Door samenwerking over de technische kerncompetenties van het commando, leidt DEVCOM bij het ontdekken, ontwikkelen en leveren van de op technologie gebaseerde capaciteiten die nodig zijn om soldaten succesvoller te maken in het winnen van de oorlogen van het land en veilig thuis te komen. DEVCOM is een belangrijk ondergeschikt commando van het Army Futures Command.
Het hersenbeeld met zijn vezels toont de complexiteit ervan. Een nieuw algoritme voor machine learning kan patronen in hersensignalen isoleren die betrekking hebben op een specifiek gedrag en vervolgens het gedrag decoderen, waardoor soldaten mogelijk gedragsfeedback krijgen.
Credit: Omid Sani & Maryam Shanechi, Shanechi Lab, UCS
