AI-genombrott tyder hjärnans beteendemönster och förbättrar hjärn-datorgränssnitt genom att förstå specifika beteenden.

Lästid: 2 minuter
Av Maria Lopez
- i
AI tolkar hjärnaktivitet via digitalt gränssnitt.

StockholmMaryam Shanechi och hennes team vid USC Center for Neurotechnology har utvecklat en ny AI-algoritm vid namn DPAD (Dissociative Prioritized Analysis of Dynamics). Denna AI kan identifiera hjärnmönster kopplade till specifika handlingar. Det utgör ett stort framsteg för hjärn-datorgränssnitt och har publicerats i Nature Neuroscience.

Denna innovation har många praktiska tillämpningar.

  • Förbättra precisionen i rörelseavkodning för hjärn-dator-gränssnitt
  • Upptäcka nya och annars oupptäckta hjärnmönster
  • Främja behandling av psykiska hälsotillstånd genom att avkoda mentala tillstånd

När man rör en arm eller talar, skapar hjärnan komplicerade elektriska signaler. Forskare har haft svårt att förstå denna blandade data. DPAD underlättar genom att fokusera på och lära sig de specifika signalerna kopplade till den aktivitet vi är intresserade av, samtidigt som den bortser från andra hjärnaktiviteter som sker samtidigt. Detta gör det enklare att identifiera de viktiga signalerna korrekt.

Denna teknik kan hjälpa förlamade patienter att röra sig igen och har även potentiella fördelar för mental hälsa. Den kan förstå mentala tillstånd som depression eller smärta, vilket möjliggör realtidsanpassningar av behandlingar. Detta gör terapier mer effektiva och personliga. Det kan leda till nya metoder för att behandla tillstånd som kronisk smärta, PTSD och egentlig depression genom att övervaka hjärnaktivitet. Genom att kontinuerligt följa mentala hälsotillstånd kan det förbättra justeringen av behandlingar, vilket leder till bättre resultat för patienterna.

DPAD använder djupa neurala nätverk för att enkelt hantera olika hjärnmönster. När mer data samlas in kan algoritmen anpassa sig till nya neurala aktiviteter och därigenom utöka sina möjliga användningsområden.

DPAD visar hur artificiell intelligens kan koppla komplex hjärndata till verkliga medicinska tillämpningar. Genom att identifiera specifika hjärnmönster kopplade till beteende och omvandla dem till användbar information, erbjuder AI nya möjligheter för medicinsk teknologi. Detta kan leda till skräddarsydda behandlingar inom neurologi och psykiatri, och kan eventuellt förändra hur vi diagnostiserar och behandlar hjärnrelaterade tillstånd. Dessa framsteg kan hjälpa oss att bättre förstå och hantera neurologiska och psykologiska problem.

Studien publiceras här:

http://dx.doi.org/10.1038/s41593-024-01731-2

och dess officiella citering - inklusive författare och tidskrift - är

Omid G. Sani, Bijan Pesaran, Maryam M. Shanechi. Dissociative and prioritized modeling of behaviorally relevant neural dynamics using recurrent neural networks. Nature Neuroscience, 2024; DOI: 10.1038/s41593-024-01731-2
Artificiell Intelligens: Senaste nytt

Dela den här artikeln

Kommentarer (0)

Posta en kommentar
NewsWorld

NewsWorld.app är en gratis premium nyhetssida. Vi tillhandahåller oberoende och högkvalitativa nyheter utan att ta betalt per artikel och utan en prenumerationsmodell. NewsWorld anser att allmänna, affärs-, ekonomiska, tekniska och underhållningsnyheter bör vara tillgängliga på en hög nivå gratis. Dessutom är NewsWorld otroligt snabb och använder avancerad teknik för att presentera nyhetsartiklar i ett mycket läsbart och attraktivt format för konsumenten.


© 2024 NewsWorld™. Alla rättigheter reserverade.