南加州大学电子与计算机工程学院的Sawchuk主席、神经技术中心创始主任玛丽亚姆·沙内奇(Maryam Shanechi)及其团队研发了一种新型人工智能算法，能够分离与特定行为相关的大脑活动模式。这项研究成果已在《自然神经科学》期刊上发表，旨在提升脑机接口的性能并发现新的大脑模式。
在你阅读这篇文章时，你的大脑正参与着多种活动。
或许你正在伸手去拿咖啡，同时为同事朗读这篇文章，心里还感到有些饥饿。这些不同的行为，如手臂的运动、语言表达以及内心的饥饿感，都会在大脑中同时被编码。这种多重编码在大脑的电活动中形成了复杂而混乱的模式。因此，如何将特定行为（如手臂运动）的大脑模式与其他模式分离开来，成为一大挑战。
例如，这种分离对于开发旨在帮助瘫痪患者恢复运动能力的脑机接口至关重要。这些患者在考虑动作时，无法将意图传达给肌肉。为了恢复他们的功能，脑机接口需要直接解码他们的大脑活动，将计划的运动转化为对外部设备（如机械臂或电脑光标）的控制。
沙内奇与她的前博士生奥米德·萨尼(Omid Sani)共同开发了一种新的人工智能算法，以应对这一挑战。奥米德·萨尼目前是她实验室的研究助理。该算法被称为DPAD，即“解离优先分析动力学”。
Shanechi表示：“我们的人工智能算法DPAD能够将编码特定行为（如手臂运动）的大脑模式与其他同时发生的模式分离开来。这使我们能够更准确地解码大脑活动，从而提升脑机接口的效果。此外，我们的方法还可能发现大脑中被忽视的新模式。”
萨尼补充道：“人工智能算法的一个关键在于首先识别与感兴趣行为相关的大脑模式，并在深度神经网络的训练中优先学习这些模式。之后，算法可以学习剩余的模式，确保它们不会遮蔽或混淆与行为相关的模式。此外，神经网络的使用为算法描述的大脑模式类型提供了灵活性。”
除了运动，该算法还具备灵活性，未来可能用于解码如疼痛或抑郁等精神状态。通过跟踪患者的症状状态作为反馈，可以更精准地根据他们的需求定制治疗方案，从而改善精神健康的治疗效果。
Shanechi表示：“我们对开发和展示我们的方法的扩展感到非常兴奋，这可以跟踪精神健康状况的症状状态。这样不仅能治疗运动障碍和瘫痪，还能帮助改善精神健康问题。”
本文来自作者[admin]投稿，不代表gllhb号立场，如若转载，请注明出处：https://www.gllhb.cn/cskp/202508-5618.html
评论列表（4条）
我是gllhb号的签约作者“admin”！
希望本篇文章《探索人工智能在识别与行为中的脑部模式》能对你有所帮助！
本站[gllhb号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 南加州大学电子与计算机工程学院的Sawchuk主席、神经技术中心创始主任玛丽亚姆·沙内奇(Maryam Shanechi)及其团队研发了一种新型人工智能...