伯特立神经搭桥技术恢复一个瘫痪的人的手臂和手的运动

俄亥俄州立大学神经外科医生从瓦克斯纳医疗中心将微电极阵列植入志愿参与者的左侧初级运动皮层。数组使用96个电极,记录神经活动。以每秒30000个样本,电极生产近300000样品每100毫秒。

将这些数据转化为具体的手部运动,巴特尔工程师需要提取有意义的特性,应用分类算法来识别模式的特性,并将模式映射到参与者的手的动作。工程师需要控制130个频道的神经肌肉电刺激器(nm)套在参与者的右臂。甚至思想和运动之间的这次短暂的延迟后会使运动太不自然,呈现整个系统不切实际。因此,所有数据处理、分类、和实时解码必须做。实现性能接近自然运动,系统已经更新每秒10倍,这意味着完成所有加工步骤在不到100毫秒。

伯特立使用MATLAB开发信号处理和机器学习算法和运行实时算法。

所示的参与者是一个计算机生成的虚拟手表演动作,如手腕弯曲和扩展,拇指弯曲和扩展,和手打开和关闭,指示想犯同样的动作与他自己的手。

在MATLAB中,这个团队开发的算法来分析数据96个频道在植入电极阵列。使用小波工具箱™,他们进行小波分解孤立大脑信号的频率范围控制运动。

他们执行变换分解的结果在MATLAB计算意味着权力(MWP)小波,减少3000每100毫秒期间捕获窗口特性的单通道单个值。

结果96 MWP值被用作机器学习算法,特征向量的特性转化为个人的运动。

团队用MATLAB来测试几个机器学习技术,包括判别分析和支持向量机(SVM),定居在一个定制的支持向量机优化性能。万博1manbetx

在测试会话期间,团队训练支持向量机通过参与者尝试动作的视频所示。他们使用训练支持向量机的输出动画一个计算机生成的虚拟手,参与者可以在屏幕上进行操作。同样的SVM输出比例,用于控制纳米管的130个频道。

而参与者移动他的手臂和手来执行简单的动作,所有的信号处理,解码,机器学习算法在MATLAB实时桌面计算机上运行。

巴特尔工程师目前使用MATLAB开发第二代NeuroLife算法系统,这将把加速度计等传感器,使控制算法来监测手臂的位置和检测疲劳。

• 控制瘫痪手和手臂恢复。“我们使用MATLAB开发的算法解码信号从一个植入微电极阵列和开动一个纳米的袖子给参与者基本控制他的胳膊和手,”大卫·Friedenberg说主要研究统计学家巴特尔。“通过研究结束时,他可以控制一个瓶子,倒出它的内容,并把它下来,捡起一个搅拌棒和执行一个激动人心的运动。”
• 实时处理性能。“我们的算法执行所有必要的小波分解,解码,并在MATLAB运行的其他处理在60 - 70毫秒,”尼克•Annetta说研究员巴特尔。
• 跨学科合作启用。“我是一个统计学家,尼克是一个电气工程师,和很多其他的工程师和实习生工作的项目,”Friedenberg说。“整个团队是适应MATLAB-it是语言,我们都有共同之处。”