Investigadores del Instituto de Física y Tecnología de Moscú han desarrollado un modelo para predecir las trayectorias del movimiento de la mano basado en la actividad cortical:las señales se miden directamente desde un cerebro humano. Las predicciones se basan en modelos lineales. Esto descarga el procesador, ya que requiere menos memoria y menos cálculos en comparación con las redes neuronales. Como resultado, el procesador puede combinarse con un sensor e implantarse en el cráneo. Simplificando el modelo sin degradar las predicciones, es posible responder a las señales cerebrales cambiantes. Esta tecnología podría impulsar exoesqueletos que permitirían a los pacientes con movilidad reducida recuperar el movimiento. El artículo fue publicado en Sistemas Expertos con Aplicaciones , la revista líder en el campo de la inteligencia artificial.

El daño a la médula espinal evita que las señales motoras generadas por el cerebro lleguen a los músculos. Como resultado, los pacientes ya no pueden moverse libremente. Para restaurar el movimiento, se miden las señales de la corteza cerebral, descifrado, y transmitido a un exoesqueleto. Decodificar significa interpretar las señales como una predicción del movimiento deseado del miembro. Para captar señales de alta calidad, el sensor debe implantarse directamente en la caja del cerebro.

Implantación quirúrgica de un sensor con electrodos en la corteza motora, el área del cerebro responsable de los movimientos voluntarios, ya se ha realizado. Dicho sensor funciona con una batería compacta que se recarga de forma inalámbrica. El dispositivo viene con una unidad de procesamiento que maneja las señales entrantes, y un transmisor de radio que retransmite los datos a un receptor externo. El procesador se calienta durante el funcionamiento, que se vuelve problemático, ya que está en contacto con el cerebro. Esto limita la energía consumida, que es crucial para decodificar la señal.

Medir adecuadamente las señales cerebrales es solo una parte del desafío. Para utilizar estos datos para controlar miembros artificiales, Las trayectorias de movimiento deben reconstruirse a partir del electrocorticograma, un registro de la actividad eléctrica del cerebro. Este es el punto de la decodificación de la señal. El equipo de investigación dirigido por el profesor Vadim Strijov del MIPT trabaja en modelos para predecir las trayectorias de las manos basados ​​en electrocorticogramas. Tales predicciones son necesarias para permitir exoesqueletos que los pacientes con función motora deteriorada controlarían imaginando los movimientos naturales de sus extremidades.

"Recurrimos al álgebra lineal para predecir las trayectorias de movimiento de las extremidades. La ventaja de los modelos lineales sobre las redes neuronales es que la optimización de los parámetros del modelo requiere muchas menos operaciones. Esto significa que son adecuados para un procesador lento y una memoria limitada. "explica Strijov, el autor principal del artículo.

"Resolvimos el problema de crear un modelo que fuera simple, robusto, y precisa, "añade Strijov, quien es investigador principal del Laboratorio de Inteligencia de Máquinas del MIPT. "Por simple, Quiero decir que hay relativamente pocos parámetros. La robustez se refiere a la capacidad de mantener una calidad de predicción razonable bajo cambios menores de parámetros. Precisión significa que las predicciones se aproximan adecuadamente a los movimientos físicos naturales de las extremidades. Lograr esto, predecimos trayectorias de movimiento como una combinación lineal de las descripciones de las características del electrocorticograma ".

Cada electrodo emite su propia señal representada por una frecuencia y una amplitud. Las frecuencias se subdividen en bandas. La descripción de la característica es un historial de los valores de la señal del corticograma para cada electrodo y cada banda de frecuencia. Este historial de señales es una serie de tiempo, un vector en el espacio lineal. Por tanto, cada característica es un vector. La predicción de la trayectoria del movimiento de la mano se calcula como una combinación lineal de vectores de características, su suma ponderada. Para encontrar los pesos óptimos para el modelo lineal, es decir, los que dan como resultado una predicción adecuada:debe resolverse un sistema de ecuaciones lineales.

Sin embargo, la solución al sistema mencionado anteriormente es inestable. Esto es una consecuencia de que los sensores están ubicados uno cerca del otro, de modo que los sensores vecinos emiten señales similares. Como resultado, el más mínimo cambio en las señales que se captan provoca un cambio considerable en la predicción de la trayectoria. Por lo tanto, es necesario resolver el problema de la reducción de la dimensionalidad del espacio de características.

Los autores del artículo presentan un método de selección de características basado en dos criterios. Primero, los pares de características deben ser distintos, y segundo, sus combinaciones deben aproximarse razonablemente bien al vector objetivo. Este enfoque permite obtener el conjunto de características óptimo incluso sin calcular los parámetros del modelo. Teniendo en cuenta las posiciones mutuas de los sensores, los investigadores crearon un sencillo robusto, y modelo bastante preciso, que es comparable a sus análogos en términos de calidad de predicción.

En su trabajo futuro, el equipo planea abordar el problema de la descripción de la trayectoria de las extremidades en el caso de una estructura cerebral variable.

Strijov explica:"Al moverse y obtener una respuesta del medio ambiente, los humanos aprenden. La estructura del cerebro cambia. Formulario de nuevas conexiones, haciendo obsoleto el modelo. Necesitamos proponer un modelo que se adapte a los cambios en el cerebro cambiando su propia estructura. Esta tarea está lejos de ser simple, Pero estamos trabajando en eso."