10237

كاربردهاي نمايش بعد پايين براي رمزگشايي پارامتر هاي حركتي در سيستم هاي واسط مغز- كامپيوتر

1400

دكتر محمد رضا دليري

دكتر عابد خراساني

در دهه هاي گدشته , تلاش زيادي براي درك چگونگي ارتباط فعاليت تك نورون با حركت انجام شده است . با اين وجود ، اين نورون هاي واحد در يك شبكه وسيع قرار دارند كه طبيعت و ذات آن تا حد زيادي غيرقابل دسترسي بوده است. در اين مطالعه مدلي براي كنترل عصبي حركت بررسي مي شود كه در آن فعال سازي وابسته به زمان حالت هاي عصبي مولد رفتار حركتي است. اين ديدگاه مبتني بر مينفولد در مورد قشر حركتي به درك بهتري از نحوه كنترل حركت توسط مغز منجر مي شود. تكنيك‌هاي مختلف كاهش ابعاد را براي استخراج فعاليت عصبي هماهنگ يك جمعيت، و آشكار ساختن ساختارهايي كه ممكن است در سطح تك نورون ايزوله پنهان شده باشند، مورد بررسي قرار گرفته است. و دريافتيم روش هايي كه به طور همزمان حالت هاي نهان و ديناميك را استنباط مي كنند برآورد حالت دقيق تر با استفاده از وابستگي متقابل نقاط داده كه در زمان نزديك هستند.را دارند(مانند GPFA و SLDS).حالت هاي عصبي را در سيگنال هاي مختلف LFP , spike و تركيب LFP-spike را مورد ارزيابي قرار گرفت و اين نتيجه به دست آمد كه فعاليت LFP, spikeوتركيب آنها چندين حالت اصلي را نشان مي دهد ، كه هريك داراي ويژگي فركانسي منحصر به فرد هستند. يك حالت اصلي به طور عمده حركتها را پيش بيني مي كرد. عليرغم حالت هاي اصلي متمايز موجود در هر سه سيگنال ، اين حالت پيش بيني چند مقياس بود و بين هر سه سيگنال مشترك بود. در اينجا نشان داده شد كه همترازي مانيفولدهاي عصبي كم ابعاد مي تواند براي تثبيت فعاليت عصبي مورد استفاده قرار گيرد و در نتيجه عملكرد BCI را در حضور بي ثباتي هاي ثبت شده حفظ كند. BCIs تثبيت شده كنترل حرفي اي را تحت شرايط بي ثباتي مختلف و در طول چند روز بازيابي كرد. تثبيت كننده نياز به دانش قصد كاربر ندارد و مي تواند از اصلاح تحت نظارت پيشي گرفته شود. و حتي زماني كه فعاليت عصبي حاوي اطلاعات كمي در مورد جهت حركت اشاره گر بود، BCIs را تثبيت كرد. پايدار كننده ممكن است براي رابط هاي عصبي ديگر قابل اجرا باشد و ممكن است طول عمر باليني BCIs را بهبود بخشد. نتايج ما از اين فرضيه حمايت مي‌كند كه وقتي فعاليت يك ناحيه مغز به طور مستقيم با يك خروجي رفتاري مرتبط است، پويايي پنهان مربوط به رفتار پايدار حفظ مي‌شود. در نتيجه، نشان داده شد كه پويايي نهفته مرتبط با اجراي مداوم يك رفتار معين مي‌تواند تا 2 سال پايدار باشد.

12/1/2021 12:00:00 AM

73389

1400/09/25

Low-dimensional representation applications for decoding movment parameters in brain- Computer interface systems

رابط مغز و كامپيوتر , پويايي حالت هاي نهفته عصبي , ماينفولد عصبي , روش هاي كاهش بعد , تثبت كننده مبتني بر ماينفولد