某大学的科学家开发出一种全新的人工智能算法，能够从复杂的脑电活动中，分离出与特定行为相关的神经模式。该研究成果发表在《自然·神经科学》期刊上。
Maryam Shanechi教授和她的团队开发的这个名为DPAD（Dissociative Prioritized Analysis of Dynamics）的AI算法，旨在解决神经科学领域的一大难题：大脑在同一时刻会编码多种行为，例如移动手臂、说话或感到饥饿，这些不同的行为和内在状态共同产生了极其复杂且混合的脑电活动模式。因此，如何从中精准分离出与特定行为（如手臂运动）相关的神经模式，是一大挑战。
对于旨在恢复瘫痪病人运动功能的脑机接口技术而言，这种分离能力至关重要。当病人意图移动时，他们无法将想法传递给肌肉。脑机接口的作用正是直接从其大脑活动中解码出意图进行的运动，并将其转化为指令，去控制外部设备，如机械臂或电脑光标。
DPAD算法的核心创新在于其训练过程。研究团队解释道：“该算法的关键在于，在训练深度神经网络时，优先寻找并学习与目标行为相关的大脑模式。” 在优先掌握了这些关键模式后，算法再学习所有剩余的其他脑电模式。这种方法可以防止其他无关模式掩盖或干扰对行为相关模式的分析。此外，利用神经网络使得算法能够描述各种类型的复杂大脑模式。
除了解码运动意图，该算法未来还有潜力用于解码疼痛、抑郁情绪等精神状态。通过精确追踪病人的症状状态，并将其作为反馈来调整治疗方案，这项技术有望更好地治疗心理健康问题。Shanechi教授对此表示兴奋：“我们正在开发并展示这种方法的新应用，它可以追踪心理健康状况中的症状状态。这将使脑机接口不仅适用于运动障碍和瘫痪，也有望应用于心理健康领域。”FINISHED
