• 蒙納士大學（Monash University）的一個國際研究團隊發現了一種新方法，可以分析大腦中的信號，以評估我們如何控制日常行為。

• PSID算法可以釋放解碼大腦信號的潛力，并使患者能夠用自己的思想控制治療設備。

• 神經動力學分析探討了諸如移動手臂、抓取物品、言語和語言等行為與大腦內部運作的聯系。

蒙納士大學的一項研究發現了一種新的方法——可以分析大腦中的信號來評估我們如何控制自己的日常行為。

一個國際研究小組發現了一種新方法，可以分析大腦中的信號，以評估我們如何控制日常行為。

來自蒙納士大學、南加州大學和紐約大學的研究人員創建了一種新的“優先子空間識別”（PSID）算法，該算法可以通過學習大腦信號與觀察到的行為之間的關系，從大腦信號中提取與行為相關的動態。

要理解大腦是如何工作的，一個主要的挑戰是找到我們大腦活動的動態和它控制的行為之間的聯系，比如移動你的手臂和用手指抓東西。

蒙納士大學電氣與計算機系統工程系和蒙納士生物醫藥發現研究所的研究合著者王彥博士說，未來，這種算法將釋放解碼大腦信號的潛力，讓患者用大腦控制治療設備。

由南加州大學的助理教授Maryam Shanechi領導的這項研究近日發表在《自然神經科學》上。

“模擬神經動力學對于研究或解碼行為上可測量的大腦功能是必不可少的，例如運動規劃、啟動和執行、言語和語言、情緒、決策，以及像運動震顫這樣的神經功能障礙。我們也可以用它來測量大腦的內部狀態，比如口渴或饑餓。”王博士說。

例如，將來我們可以使用此算法來幫助提高針對四肢癱瘓者的腦機接口的性能。

“如果我們能更好地理解大腦是如何表現復雜行為的，比如伸手，那么我們就可以建立更好的算法，從大腦中提取信息。”

研究小組將PSID應用于兩名進行3D伸展和抓握的受試者的神經活動，發現了神經動力學的新特征。

研究結果顯示，PSID顯示行為相關的動力學比其他暗示的要低得多，該算法還發現了更能預測行為的不同旋轉動力學，并且更準確地學習了每個關節和記錄通道的行為相關動力學。

王博士認為，這些發現為監測和評估四肢癱瘓和神經系統疾病患者的大腦模式帶來了希望，預示著神經科學的臨床進展。

“與神經動力學建模（NDM）不同，我們的方法結合了神經活動和行為，通過學習來識別兩者和項目之間的子空間，并通過學習，預測可能的行為結果的程度。”王博士說。

“與NDM相比，我們發現PSID在近27個手臂和手指關節角度、3D端點運動學以及幾乎所有跨區域記錄的單獨通道中，更地學習行為相關的神經動力學。”

助理教授Maryam Shanechi（南加州大學）在Yan Wong博士（紐約大學、蒙納士大學）、Omid Sani和Hamidreza Abbaspourazad（南加州大學）的支持下領導了研究團隊。

欲下載題為“通過優先子空間識別（PSID）建立行為相關神經動力學模型”的研究論文副本，請訪問www.doi.org/10.1038/s41593-020-00733-0。