Neurale proteser

author
20 minutes, 3 seconds Read
aktivitet efter offentliggørelse

kurator: Krishna Shenoy

bidragydere:
1.00 –

Nick Orbeck

0.50 –

Cynthia Chestek

motoriske neurale proteser, også betegnet Brain Machine Interfaces (BMI ‘ er), har potentialet til at hjælpe med at gendanne motorfunktionalitet for patienter, der lider af en lang række neurologiske skader og lidelser. Disse systemer konverterer den elektriske aktivitet målt fra neuroner til styresignaler, som derefter kan bruges til at styre hjælpeteknologier, såsom protesearme. Der er forsøgt en række forskellige designs til disse systemer, men de deler den grundlæggende form vist i Figur 1. Den elektriske aktivitet af neuroner kan erhverves fra en række elektroder. Disse signaler erhverves ved hjælp af brugerdefineret elektronik. Neurale” dekoder ” – algoritmer anvendes derefter til neural aktivitet for at estimere bevægelseskommandoer. Disse kommandoer kan bruges til at forsøge en lang række opgaver, og ydeevne kan måles med et antal almindelige målinger.

Figur 1: blokdiagram over en Hjernemaskinegrænseflade

BMI ‘ er er afhængige af en stor mængde tidligere litteratur inden for grundlæggende motorisk neurovidenskab, der relaterede fyringshastighederne for individuelle neuroner til forskellige bevægelsesparametre såsom position, hastighed og kraft (Evarts, 1968, Georgopoulos et al., 1982). Det første menneskelige eksperiment ved hjælp af en implanterbar enhed blev afsluttet i 1998 (Kennedy og Bakay, 1998). De første to primateksperimenter, der demonstrerede realtidskontrol af en computermarkør af et ensemble af neuroner, fandt sted i 2002 (Taylor et al., 2002, Serruya et al., 2002). Hjernemaskinegrænseflader er i fokus for et hurtigt voksende felt. Som et uformelt mål for dette var der i 2000 cirka 10-20 abstracts præsenteret på Society for Neuroscience ‘ s årlige møde i “Brain Machine Interface” – sessioner; i 2006 var antallet steget til 75 og i 2010 til 589.

Indhold

  • 1 Indgangselektroder
    • 1.1 Intrakortiske elektroder
    • 1.2 Feltpotentialregistrering
  • 2 udstyr
  • 3 Dekoderalgoritmer
    • 3.1 frontend Processing
    • 3.2 kontinuerlige dekodere
    • 3.3 diskrete klassifikatorer
    • 3.4 tilpasning og læring
    • 3.5 nye metoder
  • 4 evaluering af ydeevne
    • 4.1 diskret udvælgelse
    • 4.2 kontinuerlig bevægelse
  • 5 translationel indsats
  • 6 referencer

Indgangselektroder

Intrakortiske elektroder

den højeste grad af rumlig specificitet, hvormed man kan opnå neurale fyringshastigheder, er på niveauet for individuelle neuroner. Dette kan udføres ved hjælp af høj impedans (flere hundrede kohm ‘er til et par Mohm’ er) elektroder, der trænger 1-2 mm ind i barken. Til kroniske eksperimenter (0,5-5 år i varighed) er der udviklet flere multielektrodesystemer. Utah array (Fig 2) blev oprindeligt udviklet i 1996 (Nordhausen et al., 1996). Det er en 10 gange 10 række siliciummikroelektroder, som kan fremstilles i en batchproces ved hjælp af siliciumskiver på en måde, der ligner mikrochips. Optagetipsene er belagt i platin eller platin-iridium til stimulering. Et hundrede ledninger er trådbundet på bagsiden af arrayet, og fastgøres til en forbindelsespiedestal, der derefter fastgøres til kraniet med titaniumskruer. Hele enheden er belagt i biokompatibel parylen. Dette er den eneste intrakortiske enhed med mange kanaler, der tidligere er blevet brugt til kronisk implantation hos mennesker. I primater er disse enheder blevet brugt til at optage op til 300 kanaler samtidigt ved hjælp af flere arrays (Hatsopoulos, personlig kommunikation).

en anden tilgang til optagelse fra individuelle neuroner i mange måneder bruger langsomt indsatte mikrobølger, indsat individuelt eller i små grupper forskellige steder rundt om hjernen. Selvom dette kræver en mere langvarig operation og mere kompleks tilslutning, har disse systemer fordelen ved at kunne optage fra mange hjerneområder samtidigt. Det største antal kanaler optaget fra en vågen opfører ikke-menneskelig primat ved hjælp af denne metode er 704 mikrobølger (Nicolelis et al., 2003).

figur 2: Utah array

penetrerende elektroder resulterer generelt i et immunrespons i det neurale væv, der forårsager dannelse af arvæv, som stabiliseres inden for flere uger (Turner et al., 1999, Polikov et al., 2005). Flere designs er blevet foreslået for at begrænse dette svar ved hjælp af elektrodegeometri (Kennedy og Bakay,1998, Seymour og Kipke,2007) eller tipkemi (Kam et al. 2002, cui et al., 2003). Heldigvis, da neurale pigge med betydeligt signal til støj normalt kan optages gennem et tyndt lag arvæv uden væsentligt tab i ydeevne (Chestek et al., 2011), har flere gennemtrængende elektrodesystemer allerede demonstreret ensembleoptagelsesfunktioner i flere år: dvs.7 år (mikrobølger, Kruger et al., 2010), 2.7 år (Utah array hos mennesker, Simeral et al., 2011), 2,7 år (Utah array i aber, Chestek et al., 2011) og 4 år (neurotrofisk elektrode hos mennesker, Bartels et al., 2008).

Feltpotentialoptagelse

den summerede elektriske aktivitet fra mange neuroner kan registreres gennem lavere impedanselektroder forskellige steder, som vist i figur 3. Disse kan placeres inden i hjernebarken (kaldet LFP) lige over hjernebarken (kaldet subdural elektrokortikografi eller ECoG), over den beskyttende dura (epidural ECoG), over kraniet (subdermal) eller over huden (kaldet elektroencefalografi eller EEG). Ekstracellulære neurale signaler reduceres i amplitude i forhold til 1/afstand^2. Elektroder placeret længere væk fra kildesignalerne gennemsnit sammen aktiviteten fra en gradvist større population af neuroner, som vist i figur N. Imidlertid kan denne vanskelighed mindskes noget, da neuroner i et bestemt område undertiden deler forskellige funktioner. Feltpotentialelektroder kan også dække en større del af hjernen end intrakortiske elektroder som i figur 3. Endelig, i tilfælde af EEG, kræver elektrodeplacering ikke operation. Feltpotentialesignaler fra ECoG kan være mere stabile over tid end intrakortiske signaler, og lignende dekodere er blevet anvendt kontinuerligt i op til 5 måneder kronisk (Chao et al., 2010). Og mens informationsindholdet oprindeligt er væsentligt lavere end intrakortiske signaler, kan det være muligt at øge det gennem regelmæssig træning. Lokalt feltpotentiale fra penetrerende elektroder tættere på neuronerne er også blevet indikeret som en kilde til bevægelsesinformation med højere rumlig specificitet end ECoG (Scherberger et al, 2005, Bansal et al, 2011).

figur 3: hjerneområde samplet med elektroder forskellige steder., 2006)

Arrays af feltpotentielle elektroder til EEG eller implanterbar ECoG kan opnås kommercielt, da disse teknologier anvendes i epilepsi til lokalisering af anfaldsfoci. Disse arrays kan forstærkes ved at tilføje mindre, højere impedansregistreringssteder mellem de kliniske elektroder, kendt som “mikro-ECoG” elektroder. Disse er også blevet fremstillet i meget store arrays til ikke-menneskeligt primatarbejde (Rubehn et al., 2002). Hos mennesker har microECoG vist højere informationsindhold end tradition makroelektroder (Kellis et al., 2010). Også konforme elektroder på meget tynde film, der kan følge formen af bark, er blevet fremstillet (Kim, Viventi, et al., 2010), som kan blive vigtig for fremtidige BMI-studier.

udstyr

figur 4: samlet integreret neural interface (INI) (Harrison et al., 2009, Sharma et al., 2011)

figur 5: Samlet trådløs neural optageenhed (Borton et al., 2009)

der findes flere kommercielle systemer til registrering og behandling af mange kanaler med neurale data samtidigt (Blackrock Microsystems, Plekson, Tucker Davis, Neurolynks osv.). Disse systemer kan forstærke meget små neurale signaler i størrelsesordenen mikrovolt og filtrere båndene af interesse. For at registrere neurale handlingspotentielle bølgeformer i primater skal data digitaliseres med ~30 kilosampler pr. En meget lavere datahastighed (~1 KSP ‘ er) kræves for de fleste feltpotentialer eller enkle tærskelovergange genereret fra enkelt-eller summerede handlingspotentielle bølgeformer. Når de er digitaliseret af dette specialiserede udstyr, kan de fleste moderne pc ‘ er køre typiske neurale afkodningsalgoritmer tilstrækkeligt hurtigt til brug i realtid.

for at sætte alle disse komponenter i et implanterbart system, der ligner en pacemaker, skal næsten alle disse signalbehandlingstrin ske i en fuldt implanterbar enhed. Derfor er der gjort et betydeligt arbejde med brugerdefinerede integrerede kredsløb til BMI ‘ er. Harrison og Charles (2003) udviklede en bioforstærker, der er blevet brugt til mange kanal trådløs neural optagelse i ikke-menneskelige primater. To grupper har udviklet systemer, der kan indkapsles fuldt ud, og har gennemgået indledende test in vivo (Borton et al., 2009, Harrison et al., 2009, Sharma et al., 2011). Disse systemer er vist i figur 4 og 5. Forskere ved University of Michigan har udviklet et system, hvor elektroderne er integreret med elektronik, og har samlet 1024 systemer (klog et al., 2004). Chips har indarbejdet en varierende mængde datakomprimering på chip (O ‘ Driscoll et al., 2006), inklusive spikesortering (Chae et al., 2009). Mens mange systemer har strømforbrug for højt til at blive drevet fra et implanterbart batteri, Sarpeshkar et al har fremstillet forstærkere og analoge til digitale konvertere til en effektpris mindre end 9 UV pr 20 ksps kanal (Sarpeshkar et al., 2008).

mens det lille område og det lave strømforbrug af tilgængelige integrerede kredsløb er tilstrækkeligt til at behandle hundreder af kanaler med neurale data, er der stadig åbne forskningsspørgsmål. For eksempel, hvordan indkapsler man kredsløbet, så det kan forblive i kroppen i mange år? Elektronik belagt med 6 um parylen C har vist sig at fungere pålideligt i op til 276 dage (Sharma et al., 2011). Kommercielle implanterbare systemer er afhængige af hermetisk lukkede gennemføringsstik i et svejset titaniumhus, hvor elektronikken er anbragt. Imidlertid bruger BMI ‘ er hundreder af elektroder, og miniaturehermetiske gennemgange med høj densitet er i øjeblikket ikke tilgængelige.

Dekoderalgoritmer

frontend-behandling

en vis mængde signalbehandling skal være afsluttet, før en dekoderalgoritme kan anvendes. For eksempel skal alle neurale signaler inklusive handlingspotentialer behandles for at udtrække de enkelte pigge. Dette kan være så simpelt som at opdage begivenheder, der passerer en bestemt spændingstærskel, eller ved at placere spændingsgrænser eller “bøjler” på bølgeformen (se figur 6) for at udtrække alle dem med en bestemt formkarakteristik. Mere komplekse algoritmer er også blevet udviklet til at adskille aktiviteten af individuelle neuroner. For eksempel kan man udtrække de første få hovedkomponenter i bølgeformformerne og derefter bruge en automatisk klyngealgoritme til at adskille individuelle neuroner (1999, Sahani, 2009), som vist i figur 6. Feltpotentialesignaler kræver også forbehandling for at filtrere båndet / båndene af interesse. For eksempel ~10-30 HS for beta-bånd, ~30-100 HS for gamma-bånd eller ~100-500 HS for LFP-signaler forbundet med nærliggende spiking-aktivitet. Derefter kvadreres ofte spændingssignalet for at opnå strømmen, og loggen tages for bedre at tilnærme en normalfordeling. Man kan dog også bruge en principkomponentanalyse til at udtrække bredere tværspektret funktioner (Miller et al., 2009). Det er i øjeblikket et åbent forskningsspørgsmål om, hvorvidt dekoderens ydeevne kan forbedres ved at overveje individuelle underbånd inden for de højere gammafrekvenser som kilder til uafhængig information.

figur 6: Eksempel på Spidssortering med bøjler eller hovedkomponenter i bølgeform og klyngedannelse

kontinuerlige dekodere

de første adskillige BMI-eksperimenter i realtid brugte lineære algoritmer, der falder ind i nogle få kategorier. For det første var” Population Vector ” – tilgangen baseret på Georgopoulos et al. (1982), der vurderede neurale fyringshastigheder, mens et dyr nåede i forskellige retninger omkring en cirkel. Disse fyringshastigheder kunne passe godt sammen med en cosinus. Derfor kunne en markør drives af en population af neuroner, der hver har en foretrukken retning \(\theta\), hvor den havde tendens til at skubbe markøren, moduleret af den samlede fyringshastighed Taylor et al., 2002). En sådan fremgangsmåde er beskrevet ved den følgende ligning for fyringshastigheden af en enkelt neuron., 2004).

\(firingrate – b_0 = a cos \theta\)

andre tidlige realtidseksperimenter brugte en simpel lineær kortlægning, et Viner-filter, til at oversætte neural affyring til position eller hastighed af markøren (Serruya et al., 2002, Carmena et al., 2003). Dette er beskrevet i de følgende ligninger, hvor hver neurale fyringshastighed Y ved flere tidsforsinkelser multipliceres med en koefficient B for hver kinematisk parameter af interesse i H, og derefter summeres bidraget fra hele neurale population.

\\)

for eksempel på tidspunktet for\ ‘\]

for nylig har rekursive bayesiske metoder vist højere ydeevne end tidligere metoder., 2006, Kim et al., 2009, Gilja et al., 2010). Disse metoder angiver en fuld probabilistisk model for to ting. For det første beskriver en banemodel, hvordan armen bevæger sig over tid. For eksempel kan den ikke bevæge sig øjeblikkeligt, og den næste sandsynlige position og hastighed (i H-tilstandsvektoren nedenfor) kan beregnes ved simpel fysik. For det andet beskriver en observationsmodel, hvordan neurale data y lineært kortlægges til den kinematiske tilstand H. Dette er probabilistiske modeller, der forsøger at fange støj og naturlig variation. En almindelig implementering er Kalman-filteret med banemodellen og observationsmodellen angivet nedenfor, hvor skaleringsparametrene A og H og støjparametrene B og K passer til træningsdataene.

\(T_T = a{t-1} + V_t\)

\(Y_t = H_t + V_t\)

diskrete klassifikatorer

ud over at styre bevægelse kan neurale signaler fra motorområder også bruges til at kommunikere ved f.eks. Dette kræver ikke kontinuerlig bevægelse. Kun den korrekte af N valg skal bestemmes. Mange andre protesesignaler er også klassifikationer af natur, for eksempel myoelektriske styresignaler til valg af grebstype på en protesehånd behandles ofte som diskrete selektionssignaler. Mange klassificeringsmetoder er blevet forsøgt i BMI-litteraturen. Her, vi beskriver en af de mest almindelige, na Kurt Bayes, til at estimere, hvilke af N radiale mål et emne ønsker at erhverve fra kortikale spiking data. Hvis den gennemsnitlige spike count forbundet med hvert mål er modelleret som en Poisson fordeling med gennemsnitlig spike count \(\lambda \) for hver neuron, så givet et nyt sæt fyringshastigheder, kan det mest sandsynlige mål estimeres ved at beregne de bageste sandsynligheder for hvert af de mulige mål som i ligningen nedenfor og blot vælge målet med størst sandsynlighed for at være korrekt. Ved hjælp af en sådan metode, Santhanam et al. (Santhanam et al., 2006) var i stand til at opnå ~6 bit i sekundet information ved hjælp af neural aktivitet fra motorområder under en 1 ud af 8 udvælgelsesopgave.

\(P (\Theta= \ Theta / spikes_t)=\Sigma^N_{n=1}\frac{\lambda_{n,\theta}^{spikes_t} e^{-\lambda_{n,\theta}}}{spikes_t!} \)

tilpasning og læring

ydeevne kunne også forbedres gennem faglæring. I 1969 viste Fets, at ikke-menneskelige primater kan lære at modulere fyringshastighederne for et lille antal neuroner på temmelig vilkårlige måder (Fets, 1969, Morits et al., 2008). Siden da har flere grupper vist modifikationen af neurale aktiviteter på en måde, der forbedrer BMI-præstationen (Jarosits, 2008, Ganguly og Carmena, 2009). Ud over plasticitet på neuralt niveau kan tilpasning i denne sammenhæng også afspejle en skiftende adfærdsstrategi, såsom re-målretning. En gruppe demonstrerede støt forbedret ydeevne på tværs af 2 uger, når man brugte en dekoder, hvis koefficienter var blevet blandet på tværs af neuroner sammenlignet med normale armbevægelser (Ganguly og Carmena, 2009). Læring er især vigtig for feltpotentialer, hvor begrænset adfærdsmæssig information oprindeligt findes, men kunne tilskyndes gennem træning. Det er dog vigtigt at bemærke, at ydeevne generelt har vist sig at forbedre og derefter plateau snarere end at forbedre på ubestemt tid med læring. Yderligere forbedring kunne have været forventet, hvis neuroner individuelt kunne modulere deres aktivitet i vilkårlig grad, og fremtidig forskning kunne forklare eller omgå begrænsningerne i denne proces.

nye metoder

andre metoder til forbedring af ydelsen af BMI ‘ er er også i gang. For eksempel inkorporering af sensorisk feedback gennem elektrisk (O ‘ Doherty et al., 2010) eller optisk (Gilja et al., 2011) stimulering i sensoriske hjerneområder eller bevægelse af den lammede arm med et eksoskelet (Suminski et al., 2010) kunne forbedre motivets evne til at kontrollere protesen. Flere tilgange er også i gang for at tackle den overforenklede antagelse om et lineært forhold mellem neural aktivitet og slutpunktsposition eller hastighed. Ikke-lineære maskinindlæringsteknikker såsom neurale netværk er blevet brugt (Aggarval et al., 2008, Sussillo et al., 2009). For at producere en ikke-lineær model, der undgår overmontering og generaliserer til nye omstændigheder, er der også arbejde, der forfølger kraftbaserede “biomimetiske” dekodere baseret på muskelaktivering (Fagg et al., 2007, Pohlmeyer et al., 2007).

præstationsevaluering

da der er en lang række signalkilder og en varierende mængde information tilgængelig fra disse kilder, er en lang række opgaver blevet brugt til at karakterisere BMI-ydeevne.

diskret valg

langsommere, men ikke-invasive signalkilder som EEG er velegnede til kommunikationsproteser, og det mest almindelige værktøj, der bruges til at evaluere ydeevne, er P300-Staveren. Dette system gør brug af et hændelsesrelateret potentiale (ERP), der opstår, når der sker noget usædvanligt, dvs. “oddball” – signalet (Donchin og Smith, 1970). Dette signal kan bruges til at stave ord ved hjælp af et 6 gange 6 gitter med bogstaver. Emnet fokuserer på det bogstav, de ønsker at vælge, mens kolonner og rækker hurtigt belyses. Når det ønskede bogstav lyser, kan” oddball ” – signalet detekteres ved hjælp af EEG i parietale områder. Ydeevne kan derefter kvantificeres med antallet af korrekte bogstaver / minut eller bits pr. Den højeste rapporterede datahastighed ved SFN 2010 ved hjælp af en P300-speller var ~0,6 bps (Fry et al., 2010, Ryan et al., 2010).

ud over detektering af enkelt bit, når der vælges diskret 1 af N mulige mål, kan ydeevnen måles nøjagtigt ved hjælp af intuitive bits pr. Nogle systemer, der tilsyneladende tillader fri bevægelse af en markør i rummet, vurderes stadig mest nøjagtigt som klassificeringssystemer. Dvs. hvis et system ikke kan stoppe og vælge forskellige placeringer overalt langs en af frihedsgraderne, og information kun udvindes i omfanget af arbejdsområdet, når markøren rammer en grænse, er dette grundlæggende et klassificeringsproblem og bør evalueres i bits pr.sekund baseret på antallet af mulige mål.

kontinuerlig bevægelse

for kontinuerlige controllere kan præstationsevaluering være mere kompliceret, og et antal målinger er i almindelig brug. Den mest almindelige måling er korrelationskoefficienten. Dette er sammenhængen mellem håndens eller markørens afkodede position og den faktiske hånds position eller det formodede korrekte svar. Denne metric er i bred anvendelse af flere grunde. Det kan bruges med offline dekodere (dvs.afkodning af data, der blev optaget tidligere). Det giver også en intuitiv værdi for en lang række opgaver. Der er dog nogle alvorlige mangler. For eksempel kan en dekoder give meget lidt information om målposition og stadig generere en høj korrelationskoefficient ved blot at detektere bevægelse, selvom dette problem mindskes i en center out-opgave. Faktisk rammer mange offline dekodere aldrig målet. Valg af et udjævningsvindue kan også hæve eller sænke korrelationskoefficienter. Korrelationskoefficienter og offline-målinger generelt vedrører heller ikke lineært online-ydeevne. For eksempel Cunningham et al. viste et eksempel, hvor optimale parametre bestemt offline var væsentligt anderledes end dem, der gav den bedste ydeevne online (Cunningham et al., 2011).

succesrate, med hensyn til antallet af mål, der er opnået med succes, er også blevet brugt til at kvantificere BMI-ydeevne. Da opgaveparametre imidlertid kan variere mellem eksperimenter, er dette ikke en god måling til sammenligning på tværs af undersøgelser. Denne præstationsmåling afhænger meget af opgaveparametre såsom acceptvinduer i rum og tid. En anden simpel metrisk er gennemsnitlig kvadreret fejl sammenlignet med en ideel sti. Dette kan være meget vanskeligt at sammenligne i absolutte tal på tværs af lidt forskellige opgaver. Det antager også en underliggende” korrekt ” lige rækkevidde under Opgaver, hvor kun målopnåelse trænes og belønnes, ikke den specifikke kinematik i en rækkevidde. Den fulde sti skal instrueres i at opnå en nøjagtig foranstaltning (Sadtler et al., 2011). Hvis man antager, at emnet altid er motiveret til at bevæge sig tættere på målet, kan en mere passende måling være gennemsnitlig afstand til målet i løbet af et forsøg (Cunningham et al., 2011).

potentielt er den bedste metode til kvantitativt karakterisering af kontinuerlig ydeevne baseret på ISO-standarden 9241 til estimering af computermusens ydeevne i bits pr. Til sammenligning er den mindste nødvendige gennemstrømning for en computerindgangsenhed 2 bps, med en maksimal vanskelighed på 5-6 bit. Denne standard er stærkt afhængig af Fitts lov, hvor vanskeligheden ved en erhvervelse kan beskrives i bits som i ligningen nedenfor, hvor D er den tilbagelagte afstand og V er målets tværsnit. For eksempel har nøjagtigt landing på et 1 cm segment af en 8 cm linje en vanskelighed på 3,2 bit. Hvis dette kan opnås på 1 sekund, er bithastigheden derfor 3,2 bps. Måske er det højeste vanskelighedsniveau forsøgt i den intrakortiske signallitteratur 2 bits (Ganguly et al., 2009). Den højeste kontinuerlige bithastighed opnået til dato var 1,81 bps sammenlignet med 1.97 bps ved hjælp af den oprindelige arm på den pågældende opgave (Gilja et al., 2010). Der skal udvises forsigtighed, når denne måling udvides til flere dimensioner, men for sammenlignelige opgaver kan de kontinuerlige bits pr.sekund være robuste over for små ændringer i opgavedesign, såsom størrelsen på arbejdsområdet eller antallet af mål. For at denne metode skal være gyldig, skal der dog bruges et markeringssignal til at vælge målet, uanset om det er et eksplicit “klik” eller en betydelig opholdstid. Hvis dette ikke er til stede, ville en hurtig tilfældig gåtur generere den højeste ydelse.

\(\log2 {(D / H+1)}\)

på lang sigt, da mere BMI-forskning udføres med lammede mennesker, er den sande standard for BMI-ydeevne forskellen i brugernes livskvalitet. Flere skalaer er blevet foreslået for at evaluere en patients evne til “daglige aktiviteter”(Lovton og Brody, 1969, 1983). Disse standarder bliver mere anvendelige, da BMI ‘ er bruges til at udføre nyttige fysiske opgaver. For eksempel viste et eksperiment for nylig, at aber kunne fodre sig selv ved at kontrollere en protesearm (Velliste et al., 2008). Indledende eksperimenter er også blevet forsøgt med lammede mennesker, der styrer en robotarm for at manipulere en kop (Liu et al., 2010).

translationel indsats

EEG-elektroder er blevet brugt til human BCI siden 60 ‘ erne. tidligt arbejde med intrakortiske enheder hos mennesker blev afsluttet af Phil Kennedy i 1998 (Kennedy og Bakay, 1998). Elektroder blev implanteret i en patient, der havde mistet evnen til at kommunikere på grund af amyotrofisk lateral sklerose. Patienten var i stand til frivilligt at modulere de registrerede signaler. Fra og med 2004 er BMI-eksperimenter i realtid blevet udført med mange epilepsipatienter med ECoG-implantater til lokalisering af anfald (Leuthardt et al., 2004).

på sigt af intrakortiske enheder med mange kanaler godkendte FDA i 2004 et klinisk forsøg til at teste sikkerheden ved “Utah”-arrayet under kronisk implantation hos humane patienter. Dette genererede de første kroniske ensembleoptagelser fra enkelte neuroner hos mennesker. Emner var i stand til at kontrollere computermarkører på et niveau af ydeevne svarende til abeeksperimenter på det tidspunkt (Hochberg et al., 2006, Truccolo et al., 2008). Bevis for koncepteksperimenter demonstrerede også kontrol over en kørestol, en TV-Fjernbetjening og en simpel protesehånd (Hochberg et al., 2006). Lignende ydeevne blev opretholdt i op til 1000 dage med det samme implantat (Simeral et al., 2011).

i 2011 blev et klinisk forsøg til kortikal kontrol af protesearme ved hjælp af Utah-arrays hos lammede mennesker godkendt af FDA. Dette projekt var det første, der brugte “Innovationsvejen” til strømlinet godkendelse af nyt medicinsk udstyr.

  • Aggarval, V. et al. (2008). Asynkron dekodning af behændige fingerbevægelser ved hjælp af M1 neuroner. IEEE TNSRE 16 (1): 3-14.
  • Donchin, E. og Smith, D. B. (1970). Den betingede negative variation og den sene positive bølge af det gennemsnitlige fremkaldte potentiale. EEG og klinisk Neurofysiol 29: 201-203.
  • Evarts, E. V. (1968). Forholdet mellem pyramidal kanalaktivitet og kraft udøvet under frivillig bevægelse. J. Neurofysiol. 31: 14-27.
  • Fet, E. (1969). Operant konditionering af kortikal enhed aktivitet videnskab 163: 955-957. doi:10.1126 / videnskab.163.3870.955.
  • Gilja, V. et al. (2010). Højtydende kontinuerlig neural markørstyring aktiveret af et feedback – kontrolperspektiv COSYNE:.
  • Liu, J. et al. (2010). Kontrol af DLR Letvægtsrobot III ved hjælp af intrakortiske motorsignaler af et individ med tetraplegi i BrainGate2-forsøget. Soc for Neurosci: 899.7.
  • Sahani, M. (1999). Latente variable modeller til neurale dataanalyse. Ph. d. – afhandling California Institute of Technology:.
  • ( 2004). Kortikale Neurale Proteser. Årlig Rev Neuroci 27: 487-507. doi: 10.1146 / annurev.neuro.27.070203.144233.

sponsoreret af: Dr. Krishna Shenoy, Stanford University, Stanford, CA, USA

sponsoreret af: Prof. Daniel Ulpert, University of Cambridge, UK

anmeldt af: Anonym

anmeldt af: Prof. Daniel Ulpert, University of Cambridge, UK

accepteret den: 2012-02-10 02:12:47 GMT

Similar Posts

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.