使用机器学习重新连接瘫痪后的大脑

伯克哈特并不是唯一这样做的人。一些研究分析了像伯克哈特这样的脊髓损伤患者的大脑激活和触觉知觉。这些研究表明，多达一半的此类损伤是“感觉不完整”。像伯克哈特一样，其他有感觉不完全损伤的人无法感觉到触觉，但残余的神经纤维仍在向大脑发送感觉信号。巴特尔和俄勒冈州立大学研究小组的下一步是研究如何利用这些信息为伯克哈特提供优势。

最初的神经生命系统使伯克哈特能够用手进行动作，但当他触摸物体时，他在很大程度上仍然没有感觉。由于缺乏感觉，Burkhart不能可靠地判断他什么时候抓着一个物体，除非他看着自己的手。巴特尔和俄勒冈州立大学的研究小组希望提供这种缺失的感官反馈。

“感官信息的可能性将使系统更好地工作，并允许我在使用系统时更加独立，”伯克哈特说。“但我认为，如果不再做一次手术，在我大脑的感觉区植入一个不同的设备，这是不可能的。”

巴特尔与伯克哈特合作设计了一种设备，可以与神经生命系统一起提供感官反馈。他们无法恢复Burkhart的手的触觉，但他们可以利用剩余的触觉大脑信号和BCI，在Burkhart抓住一个物体时为他提供人工反馈。

为了做到这一点，研究小组需要找到一种方法，将这些大脑信号传输到位于伯克哈特身体上仍有感觉的地方的设备上。弗里登伯格说:“这很有挑战性，要想出最好的方法，以一种他能理解和理解的方式，把信息反馈给他。”

伯克哈特希望这个设备能让他尽可能自然地感知和控制。他和巴特尔测试了一些不同的想法，比如把反馈装置放在他的背上，让它在他触摸物体时振动。伯克哈特在那里仍然有感觉，但设备需要放在他觉得更自然的地方。他需要能够将人工感官反馈与他正在触摸的东西联系起来。“这样，我的大脑就不需要进行大量的重新学习，”伯克哈特说。

最后，他们选择了一种振动带，包裹着Burkhart的二头肌。这个区域都有完整的感觉，对伯克哈特来说是最自然的。为了将大脑的感官信息传递给设备，研究人员在MATLAB中构建并训练了机器学习算法，以检测和解码大脑的亚感知触摸信号。当Burkhart在使用BCI时触摸物体时，这些算法将运动和感觉信号分开，将触摸反馈传输到振动触觉带，将运动信号传输到电极套。振动带实时振动，向伯克哈特发出信号，表明他正在触摸一个物体。

最初的几次尝试有点尴尬。当Burkhart得到感官反馈时，它是在他的二头肌上，而不是他的手，实际上是在触摸物体。“这是一个很大的挑战，重新映射大脑的那一部分，”伯克哈特说。“在我能够将这两个部分联系起来之前，我做了一些练习。”

在没有反馈的情况下，伯克哈特必须猜测他是否在触摸一个他看不见的物体，而有了振动触觉设备，他可以在90%以上的时间里判断他是否抓住了一个物体，即使是蒙着眼睛。如果没有人工感官反馈系统的激活，伯克哈特基本上只能猜测或完全无法识别物体的触摸，这取决于物体的大小。Burkhart说:“我第一次能够蒙着眼睛做测试，真是太神奇了。”

Burkhart不仅不用看就能拿起物体，而且由于人工感官反馈，他在使用该系统时也更有信心。他说:“这很重要，因为我可以知道，当我使用这个系统时，我不会掉东西。”“像这样的东西真的让它成为一个更自然的系统。”

然而，对于Burkhart来说，这种最新的BCI迭代仍然过于庞大和复杂，无法在家里使用。目前，它只能在实验室中使用，而且设置很复杂。系统经常需要调整和重新校准。尽管有这些挑战，但团队相信有一天Burkhart可以在家里使用它。

弗里登伯格说:“七年前我们刚开始的时候，这似乎非常遥不可及。但现在，他表示实现这一目标的道路上几乎没有障碍。

“它为未来提供了很多希望，这样的设备将改变像我这样的人的生活，”伯克哈特说。“这是我一直期待的事情。”