Nature：里程碑停顿!新型神经接口可完成意图念打字，精确率可到达99.1%

2021年5月13日讯/BIOON/---咱们思考的速率比交流的速率快得多，这是咱们好多人在摆弄智能手机键盘时都邑认识到的一个现实。关于重大瘫痪的人来说，这种信息瓶颈要极度得多。在一项新的研讨中，来自美国斯坦福年夜学的研讨职员开辟出一种用于打字的脑机接口（brain–computer interface, BCI），该接口终极能够让瘫痪患者以他们的思想速率进行交流。相关研讨成果颁发在2021年5月13日的Nature期刊上，论文题目为“High-performance brain-to-text communication via handwriting”。

市道市情上的辅助打字设备次要依赖于使用该设备的人可能进行眼部活动或收回语音敕令。眼球追踪键盘可以让瘫痪患者以每分钟约47.5个字符的速率打字，比没有相似毁伤的人每分钟115个字符的速率要慢。然而，这些技术对那些瘫痪影响眼睛活动或发声的患者不起作用。它们也有局限性。例如，当通过眼睛活动打字时，你很难重读一封电子邮件，以便撰写回复。

相比之下，BCI通过破译年夜脑运动的形式来复原功效。这类接口曾经胜利地复原了瘫痪患者的复杂举措，比方伸手和把持年夜型物体。通过间接应用神经处置，BCI为普遍的人群无缝复原功效提供了迷人的前景。

然则，到今朝为止，用于打字的BCI还无奈与眼球追踪器等较复杂的辅助技术竞争。起因之一是，打字是一项简单的工作。在英语中，咱们从拉丁字母表的26个字母中选择。构建一种分类算法，依据用户的神经运动来预测他们想选择哪个字母，这是一项具备挑战性的任务，是以BCI直接地解决了打字工作。例如，非侵入性BCI拼写器向用户提供几个间断的视觉提示，并阐发对一切提示的神经反馈以确定所需的字母。最胜利的用于打字的侵入性BCI（iBCI；波及将电极植入年夜脑的BCI）许可用户节制光标选择按键，并到达每分钟40个字符的速率。然则这些iBCI与非侵入性眼球追踪器一样，盘踞了用户的视觉注意力，并不克不及提供显明更快的打字速率。

在这项新的研讨中，这些作者开辟了一种分歧的办法，它间接解决了iBCI的打字工作，从而在性能和功效上远远超过了过来的设备。该办法波及在用户想象本人的写作速率时对字母进行解码（图1）。

用于打字的脑机接口（BCI），图片来自Nature, 2021, doi:10.1038/s41586-021-03506-2。

这种办法必要一种分类算法，以预测瘫痪用户正在测验考试书写26个字母或5个标点符号中的哪一个---当这些测验考试无奈被察看到，而且在用户选择的任何时分产生时，这是一项具备挑战性的豪举。为了降服这一挑战，这些作者起首从新应用了另一品种型的算法---最初为语音辨认开辟的机械培训算法。这使他们可能仅依据神经运动来估量用户何时开端测验考试写一个字符。每次他们的研讨工具想象一个特定的字符时发生的神经运动形式长短常一致的。从这些信息中，他们发生了一个标志的数据集，此中包括与每个字符对应的神经运动形式。他们用这个数据集来训练这种分类算法。

为了在如许一个高维空间中完成精确的分类，这些作者开辟的分类算法使用了以后的机械培训办法，以及一种叫做递归神经网络（recurrent neural network, RNN）的人工神经网络，此中RNN特殊善于预测间断数据。应用RNN的力气必要短缺的训练数据，然则这类数据在神经接口（neural interface）中是无限的，由于很少有用户乐意想象间断写几个小时。他们用一种称为数据加强（data augmentation）的办法解决了这个成绩，在这种办法中，参加者之前发生的神经运动形式被用来发生人工句子，基于这些人工句子训练RNN。他们还通过在神经运动形式中引入工资的变动来扩大他们的训练数据，以仿照人脑中自然产生的变动。这种变动可使RNN BCI加倍持重。

基于这些办法，这些作者的算法提供了令人印象粗浅的精确分类，94.1%的光阴选择了正确的字符。通过归入预测语言模子（相似于驱动智能手机上自动更正功效的模子），他们进一步进步了精确率，到达99.1%。参加者可能以每分钟90个字符的速率精确打字--比他过来使用iBCI的表示进步了两倍。

然而，这项研讨的造诣不仅仅源于机械培训。解码器的性能终极取决于输出的数据。这些作者发现，与测验考试手写相关的神经数据特殊得当打字和分类工作。现实上，即便使用更复杂的线性算法，手写字迹也能被很好地分类，这提示着神经数据自身在他们的办法的胜利中发扬了很年夜作用。

通过模拟这种分类算法在测试分歧类型的神经运动时的表示，这些作者提出了一个症结的新见解--与用户试丹青直线时的神经运动相比，手写时的神经运动在字符之间有更多的光阴变动，而这种变动理论上使分类更容易。这一常识应该为将来的BCI提供参考。兴许与直觉相反，解码简单行动而非复杂行动能够是无利的，特殊是关于分类工作。

这项新的研讨开端展示BCI技术的后劲。iBCI将必要提供微小的性能和可用性劣势，以证实将电极植入年夜脑的本钱和危险是合理的。紧张的是，打字速率不是决议该技术是否被采取的独一因素---这种办法的耐久性和持重性也必要阐发。这些作者提出了有愿望的证据，标明他们的算法在无限的训练数据下会表示优越，但很能够还必要展开进一步研讨，以使这种设备在神经运动形式改动时可能在整个性命周期内坚持性能。展开研讨以测试该办法是否可以推行到其他用户，以及试验室以外的情况，也是至关紧张的。