Basit Sinir Ağları, Robotik Protezleri Kontrol Etmede Daha Karmaşık Sistemlerden Daha İyi Performans Gösteriyor

Özet: İleri beslemeli sinir ağları hızı artırır ve beyin kontrollü protez ellerin ve parmakların daha doğru kontrolünü sağlar.

Kaynak: Michigan üniversitesi

Michigan Üniversitesi’ndeki araştırmacılar, insan vücudundaki doğal sinir devrelerinden ilham alan yapay sinir ağlarının, primatlara beyin kontrollü protez ellerin ve parmakların daha hızlı ve daha doğru kontrolünü sağladığını gösterdi.

Bulgu, bir uzuv kaybı veya felç ile uğraşanlar için gelişmiş protezler üzerinde daha doğal bir kontrole yol açabilir.

Mühendisler ve doktorlardan oluşan ekip, ileri beslemeli bir sinir ağının, sinir ağlarını kullanmayan geleneksel algoritmalara kıyasla robotik parmakların kontrolü sırasında en yüksek parmak hızını %45 oranında iyileştirdiğini buldu.

Bu, bu düzeyde bir performans iyileştirmesi elde etmek için diğer makine öğrenimi alanlarında kullanılanlar gibi daha karmaşık sinir ağlarına ihtiyaç duyulacağı varsayımını alt üst etti.

UM’de biyomedikal mühendisliği doçenti ve makalenin ilgili yazarı olan Ph.D. Cindy Chestek, “Bu ileri beslemeli ağ, girdiden çıktıya yalnızca tek bir yönde hareket eden bilgilerle daha eski, daha basit bir mimariyi temsil ediyor” dedi. içinde Doğa İletişimi.

“Dolayısıyla, daha karmaşık sistemlerden nasıl daha iyi performans gösterdiğini görmek bizim için bir sürpriz oldu. İleri besleme sisteminin basitliğinin, kullanıcının insan vücudunun doğal işleyişine daha yakın olabilecek daha doğrudan ve sezgisel kontrole sahip olmasını sağladığını düşünüyoruz.”

Michigan Tıp Üniversitesi, Michigan Sağlık Üniversitesi’nde fonksiyonel nöroşirürji uzmanı olan ilk yazar Dr. Matthew Willsey, ince motor becerilerin insanlar için son derece önemli olduğunu ve bu işlevin kaybının felçli insanlar için yıkıcı olabileceğini söyledi.

Willsey, “Beyinden gelen nöral aktiviteyi parmak hareketlerinin kontrolü için yorumlamak üzere makine öğrenimindeki en son teknikleri kullanmak için çok motive olduk” dedi. “Bu çalışma kolunun, onu kaybetmiş olanların ince motor fonksiyonlarını geri kazanmalarına yardımcı olacağını umuyoruz.”

Gelişmiş protezler ve beyin-bilgisayar arayüzleri, omurilik yaralanması, felç veya diğer yaralanmalar ve hastalıklardan kaynaklanabilecek felçli kişilere insan elinin sağladığı hassas kontrolü geri getirme vaadini taşıyor. Ancak, insan zihni ile robotik bir protez arasındaki doğal iletişim akışını -hız ve hassasiyetle- yeniden yaratmak hâlâ bir engel olmaya devam ediyor.

Örneğin, omurilik yaralanmasında, insan yapımı sinir ağları, beyinden gelen impulsları yakalamak için elektrotlar kullanarak, bunları yapay zeka ile yorumlayarak ve bunu protez elleri kontrol etmek veya yerliyi yeniden canlandırmak için kullanarak beyin ve omurilik arasındaki kopmuş bağlantıyı yeniden oluşturabilir. uzuv

Ancak bilgi işlemde, ileri beslemeli sinir ağı modelinin, tekrarlayan sinir ağlarını kullanan birçok gelişmiş uygulama için daha az güçlü olduğu düşünülmektedir. Girdiyi tek yönlü bir işlem boyunca iletmek yerine, tekrarlayan ağlardaki düğümlerin kendi dinamikleri vardır – geri bildirim yoluyla kendi iç döngülerini yaratma yeteneği, onları ezberleme ve dizileri tekrar oynatma becerisine kavuşturur.

Bu, daha önce kaydedilmiş nöral verilerden hareketler tahmin ettiğinizde son derece iyi çalışıyor ve bazı uzmanların bunun yeni deneyler sırasında aynı kalacağını varsaymasına neden oluyor.

Chestek, gerçekte, doğrudan motor kontrol için tekrarlayan ağların karmaşıklığının “kullanıcıyla savaşıyor” göründüğünü söyledi.

“İnsan vücudunda motor korteks ve el hareketleri arasında birkaç nöron ve birkaç sinapstan başka bir şey yok” dedi. “Orada tonlarca işlemeye gerek yok ve ileri beslemeli sinir ağı, doğal sisteme daha çok benzeyebilir.”

Ekip, bulgularının, gelişmiş protezlerin beynin dürtülerine yanıt verme hızını ve doğruluğunu artırabilecek gelecekteki araştırmaları ilerletmesine yardımcı olacağını umuyor.

Willsey, “Bu algoritmayı geliştirirken, Einstein’ın iyi bilinen ‘her şey mümkün olduğu kadar basit yapılmalı, ancak daha basit yapılmamalı’ tasarım ilkesine sadık kalmaya çalıştık” dedi.

“Algoritmamızın, beynin elektrik sinyalleri ile kullanıcının amaçladığı parmak hareketleri arasındaki muhtemelen doğrusal olmayan ilişkiyi anlamak için yeterli karmaşıklığa sahip olması gerekiyor.

“Ancak, algoritma bir gün felçli insanlara hareketi geri kazandıran tamamen implante edilebilir bir beyin-makine arayüz sisteminin parçası olabilir ve gereksiz karmaşıklık, bu gelecekteki sistemleri pil ömrünü kısaltmak gibi istenmeyen şekillerde zorlayabilir.”

Parag Patil, Ph.D, “Michigan Üniversitesi’nde, restoratif nöromühendislik alanını ileriye taşımak için bir işbirliği kültürü içinde bir araya gelen büyük bir mühendis, sinirbilimci ve hareket uzmanları grubuna sahip olduğumuz için şanslıyız” dedi. ., çalışmanın kıdemli bir yazarı ve Michigan Üniversitesi Tıp Fakültesi’nde nöroşirürji doçenti.

“Bu çalışmanın heyecanının bir kısmı, bu algoritmaların insan araştırma hastalarının yararına neredeyse anında yatak başına çevrilebilmesi.”

Bu AI ve nöroprostetik araştırma haberleri hakkında

Soyut

İnsan olmayan primatlarda gerçek zamanlı beyin-makine arayüzü, sığ bir ileri beslemeli sinir ağı kod çözücü kullanarak yüksek hızlı protez parmak hareketlerine ulaşır

Motor işlevi eski haline getiren beyin-makine arayüzlerindeki hızlı ilerlemeye ve ilgiye rağmen, protez parmakların ve uzuvların performansı henüz doğal işlevi taklit edemedi. Beyin sinyallerini protez cihazı için bir kontrol sinyaline çeviren algoritma, hızlı ve gerçekçi parmak hareketlerinin elde edilmesindeki sınırlamalardan biridir.

Daha gerçekçi parmak hareketleri elde etmek için, iki yetişkin erkek al yanaklı makakta gerçek zamanlı iki serbestlik dereceli parmak hareketlerinin kodunu çözmek için sığ bir ileri beslemeli sinir ağı geliştirdik.

İki adımlı bir eğitim yöntemi kullanılarak, performansı daha da artırmak için yeniden kalibre edilmiş bir geri bildirim amaçlı eğitimli (ReFIT) sinir ağı tanıtılır. İki hayvan üzerinde yapılan 7 günlük testte, daha yüksek hıza ve daha doğal görünen parmak hareketlerine sahip sinir ağı kod çözücüleri, mevcut standardı temsil eden ReFIT Kalman filtresine göre verimde %36’lık bir artış elde etti.

Burada tanıtılan nöral ağ kod çözücüleri, sürekli hareketlerin gerçek zamanlı kod çözümlemesini mevcut en son teknolojiden daha üstün bir seviyede gösterir ve daha doğal beyin kontrollü protezlerin geliştirilmesi için nöral ağların kullanılmasına bir başlangıç ​​noktası sağlayabilir.