使用植入到清醒患者颞叶中的电极，科学家已经以接近感知的速度解码了大脑信号。此外，对患者对两类视觉刺激的神经反应进行分析-面部和房屋的图像-使科学家能够随后以高于95%的准确度来预测患者正在查看哪些图像以及何时观察。

这项研究发表在《PLOS计算生物学》上。

华盛顿大学计算神经科学家Rajesh Rao和UW Medicine神经外科医生Jeff Ojemann，与他们的学生Kai Miller一起，与南加州和纽约的同事一起进行了这项研究。

“我们试图首先了解人脑如何感知颞叶中的物体，其次，人们如何使用计算机来提取和预测某人实时看到的东西?” 饶解释。他是威斯康星大学计算机科学与工程系的教授，并且他领导着总部位于威斯康星州的美国国家科学基金会传感器电机工程中心。

他说：“在临床上，您可以将我们的研究结果视为为瘫痪或中风并完全锁定的患者建立沟通机制的概念证明。”

这项研究涉及在西雅图Harborview医疗中心接受治疗的7名癫痫患者。Ojemann说，每个人都患有癫痫性癫痫发作，不能通过药物缓解，因此，每个人都接受了外科手术，其中临时植入了大脑的颞叶，植入了约一个星期的时间，以试图找到癫痫发作的焦点。

“无论如何，他们都会得到电极;奥杰曼说：“我们只是给他们在住院期间要做的其他任务，否则他们只是在等待。”

颞叶处理感觉输入，并且是癫痫发作的常见部位。他说，肺叶也位于哺乳动物的眼睛和耳朵的后面，也与阿尔茨海默氏症和痴呆症有关，看起来比其他大脑结构更容易遭受头部创伤。

在实验中，将来自多个颞叶位置的电极连接到功能强大的计算软件，该软件提取了大脑信号的两个特征：“事件相关电位”和“宽带频谱变化”。

Rao认为前者很可能是由于“在首次显示图像时会激活数十万个神经元”，而后者则是“在最初的信息浪潮之后继续处理”。

在观看计算机监视器的过程中，向受试者显示了随机的图像序列–短暂(400毫秒)的人脸和房屋图像闪烁，并散布着空白的灰色屏幕。他们的任务是观察倒置房屋的图像。

“我们从不同的(电极)位置得到了不同的响应;有些人对面孔敏感，有些人对房屋敏感，”饶说。

该计算软件每秒对大脑信号进行采样和数字化处理1000次，以提取其特征。该软件还分析了数据，以确定电极位置和信号类型的哪种组合与每个对象实际看到的内容最相关。

这样就产生了高度预测性的信息。

通过针对受试者对(已知)前三分之二图像的响应训练算法，研究人员可以检查代表图像最后三分之一的大脑信号(其标签未知)，并以96%的准确度进行预测受试者是否以及何时(在20毫秒内)看到房屋，面部或灰屏。

仅当将与事件相关的潜力和宽带变化结合在一起进行预测时，才可以达到这种准确性，这表明它们具有互补的信息。

“传统上，科学家们只研究单个神经元，”饶说。“我们的研究在非常大的神经元网络层次上提供了一个更全局的图景，一个清醒并注意的人如何感知一个复杂的视觉对象。”

他说，科学家的技术是大脑作图的垫脚石，因为它可以用于实时识别大脑的哪些位置对特定类型的信息敏感。

该研究的主要作者是斯坦福大学神经外科住院医师和物理学家凯·米勒(Kai Miller)，他获得了医学博士学位和博士学位。在UW。其他合作者是斯坦福大学神经科学博士后研究员多拉·赫尔墨斯(Dora Hermes)，以及纽约沃兹沃思学院的神经科学家Gerwin Schalk。

“我们开发的计算工具可以应用于运动功能研究，癫痫研究，记忆研究。奥杰曼说：“应用于生物学的基础数学是学习的基础。”

标签： 解码大脑信号