当前位置: 首页 > news >正文

脑机接口里程碑!一天2篇Nature!

f7f49a3dfe0b6ef7c324d4e541e570bf.png

2023年8月23日,《Nature》期刊一口气发表了两项独立的脑机接口方向的研究。

一项来自加州大学旧金山分校华裔科学家张复伦团队,另一项来自斯坦福大学的神经科学家弗朗西斯·威利特(Francis Willett)团队。两项研究都旨在帮助那些因脑损伤和疾病而失去语言能力的人恢复语言能力。

两组研究团队分别展示了各自最先进的脑机接口系统性能——在解码速度和准确性上分别打破了新纪录。具体来说,脑机接口系统可以将神经信号翻译成合成声音所说的文本或单词。其解码语音的速度分别为每分钟62个单词和78个单词。自然对话的速度约为每分钟160个单词。词汇量超过1000个单词。这些进步为那些无法说话的人提供了以接近正常说话的速度进行交流的能力。

弗朗西斯·威利特(Francis Willett)在新闻发布会上表示:“现在可以想象这样一个未来,我们可以让瘫痪的人恢复流畅的对话,使他们能够自由地说出他们想说的任何话,而且准确度高到足以被可靠地理解。”

020a2f0e2d4cc6a841684a809d6b479b.png

在斯坦福大学的研究中,患者正在参与研究(图片来源:Steve Fisch)

下面我们分别看一下两项研究的细节。

# 来自斯坦福大学的Willett团队的研究

来自斯坦福大学的Francis R. Willett团队的研究中,67岁的Pat Bennett患有运动神经元疾病,也被称为肌萎缩侧索硬化症,这种疾病会导致肌肉逐渐失去控制,导致行动和说话困难(即保留了一些有限的口面部运动和发声能力,但无法产生可理解的言语)。

7f7d7ab837a4cce24fda7bc829f66378.png

研究团队尝试给患者的大脑体感运动皮层植入了阵列电极(共包含128个电极),用于收集单个神经元活动。参与者在BrainGate2试点临床试验中根究显示器上的提示试图做出个人的口面部运动(图1a,b),说出单个音素或说出单个单词。研究人员记录了四个微电极阵列的神经活动——两个在6v区(腹侧运动前皮层)10,两个在44区(布罗卡区的一部分)。

5b48c864a43f25092ba2bbd51aa773d8.png

图1 口面部运动和言语尝试的神经表征

研究人员然后利用RNN对采集到的大脑信号进行解码,并且搭配一个语言模型共同用于从神经元活动中预测发声。

最终结果非常惊人,利用该系统,患者能够以平均每分钟62个单词的速度进行交流,而且125000个词汇量中错误率为23.8%,50个单词的词汇错误率为9.1%。

# 来自加州大学旧金山分校张复伦团队的研究

来自加州大学旧金山分校华裔科学家张复伦团队的研究中,47的Ann,在18年前由于脑干中风后失去了说话的能力。

张复伦团队采用了与Willett团队不同的方法。研究人员在大脑皮层表面放置嵌入了253个 ECoG 电极的阵列,可以同时记录数千个神经元的平均活动(图2a)。并通过手术植入感觉运动皮层的左侧“面部区域”——大脑中服务于口腔和面部肌肉(包括声道)的部分。

b22d9810610e8fb252e6567c3fdf6523.png

在该研究中,参与者在屏幕上看到一个句子作为文本提示,并被指示在视觉提示后默默地尝试说出这个句子(具体来说,她试图默默地说出这句话,而不发出任何声音)。这与想象或内心语言不同,因为她试图尽其所能地使用她的发音器。

1bc0fb7494cb1aac97d1419c217d91e1.png

同时,研究人员对所有253个ECoG电极记录的神经信号进行处理,提取高伽马活动(HGA;70 ~ 150Hz)和低频信号(0.3 ~ 17Hz)。之后训练循环神经网络模型来学习这些ECoG特征与手机、语音特征和发音手势之间的映射,然后我们分别使用它们来输出文本、合成语音音频和动画虚拟化身(图2a)。该模型以每分钟78个单词的速度从1024个单词组成句子,单词错误率为25.5%。或者,将大脑信号直接翻译成合成语音,对于1024个单词的词汇,单词错误率为54.4%;当词汇量小一些,错误率有所下降(119个单词的词汇量为8.2%)。

b0e015966eb09f6b44b4336dfae5d0fe.png

图1 声道麻痹参与者的多模态语音解码

张复伦团队尝试解码面部表情,并使用数字化身再现,这样可以为文本或语音提供视觉反馈,极大地丰富了参与者的沟通能力。与之前报道的基于ECoG脑机接口相比,该项研究在词汇量、通信速度和语音解码的多功能性方面都有显著的提升。

参考资料:

https://www.nature.com/articles/s41586-023-06443-4

https://www.nature.com/articles/s41586-023-06377-x

—— End ——

仅用于学术分享,若侵权请留言,即时删侵!

更多阅读

复刻盗梦空间!40岁男子在家自操,钻脑植芯片,以控制梦境

关于脑电信号采集的硬件设计

多视图对比学习技术助力实现基于EEG的听觉注意解码

首开先河 | 脑机接口让这位ALS患者可读可写

重磅突破!UC伯克利:脑机接口根据大脑活动重建音乐(附音频)

181672f1fc5d9b2b94801fe9cee25c1e.png

   加入社群  

欢迎加入脑机接口社区交流群,

探讨脑机接口领域话题,实时跟踪脑机接口前沿。

加微信群:

添加微信:RoseBrain【备注:姓名+行业/专业】。

加QQ群:913607986

  欢迎来稿  

1.欢迎来稿。投稿咨询,请联系微信:RoseBrain

2.加入社区成为兼职创作者,请联系微信:RoseBrain

e458b697509ab93837dbda79f81a3c15.png

d5b25e2b2ed0eea8c4f8e4ae5229b0e4.png

b9b1d8fe792423314d7ea233d2a2eab0.png

一键三连「分享」、「点赞」和「在看」

不错每一条脑机前沿进展 ~

相关文章:

脑机接口里程碑!一天2篇Nature!

2023年8月23日,《Nature》期刊一口气发表了两项独立的脑机接口方向的研究。 一项来自加州大学旧金山分校华裔科学家张复伦团队,另一项来自斯坦福大学的神经科学家弗朗西斯威利特(Francis Willett)团队。两项研究都旨在帮助那些因脑损伤和疾病而失去语言能…...

C语言strchr函数

描述 strchr函数用于在一个字符串中查找某个字符的第一次出现的位置。 函数的声明: char * strchr(const char *s, int c); 其中,s是要进行查找的字符串,c是要查找的字符。函数返回指向第一次出现字符 c 的指针,如果未找到&…...

Linux下的Shell基础——Shell概述和入门(一)

前言: Shell还是一个功能相当强大的编程语言,易编写、易调试、灵活性强。为了方便后续的学习,我们需要学习在Linux系统下的Shell编程 目录 一、Shell概述 1.Linux 提供的 Shell 解析器有 2. 默认的解析器是 bash 二、Shell 脚本入门 1.脚…...

当你在浏览器中输入了网址访问时产生了哪些技术步骤

当你在浏览器中输入了网址访问时产生了哪些技术步骤 前段时间在知乎上了看一些网络方面的知识,刚好小编自己也是从事这一块的相关工作由对网络方面有一定的了解。今天我们来讲讲,当你在浏览器中输入本站域名并回车后,这背后到底发生来什么事…...

嵌入式Linux人脸检测libfacedetection

人脸检测 此库依赖Opencv,所以首先要移植Opencv到板子上。 笔者使用LVGL搭建了一个界面,界面有些卡顿(主要原因是文件存取较慢),演示效果如下: OpenCV 首先要交叉编译Opencv 参考:https://…...

Hugo托管到Github Pages

Github通过其Github Pages服务可以user、project或organization提供免费快速的静态托管,同时使用Github Actions自动化开发工作流和构建。 1.创建Github仓库 可见性为public。 命名为username.github.io,username为你的Github用户名。 2.添加远程仓库…...

Python经典面试题——在txt里面添加字段和数据

1. 问题: 如何在txt中实现第一行的字段加一个"test",如果第二行开始有数据,在每条数据的最后加"ok" 2.条件 提供的txt文本如下 时间--地区--人口---降雨量----- 20220101--北京--200--0.5----- 20230101--成都--100--0.55----- …...

【观察】打造以AI为导向的基础设施,联想锚定AI算力“主航道”

毫无疑问,人工智能对人类社会来说并不是一项简单的技术革命,它象征着一个时代的到来,如同工业时代之于农业时代一样,会带来天翻地覆的变革,影响人类社会百年、甚至千年的进程。 而AI算力对于推动人工智能应用的重要性毋…...

预防缓存穿透工具类

1. 前言 缓存穿透大家都知道,这里简单过一下 缓存和数据库中都没有的数据,而用户不断发起请求。比如查询id -1 的值 想着很多面向C端的查询接口,可能都需要做一下缓存操作,这里简单写了个自定义注解,将查询结果(包含…...

会员管理系统实战开发教程04-会员开卡

我们已经用3篇篇幅介绍了会员管理的功能,接着就要开发会员的业务。通常我们开通会员之后需要给会员开通会员卡,一个会员可以有多张会员卡。 在数据源设计的时候,像这种一个会员有多张会员卡的,我们称之为一对多的关系&#xff0c…...

数据结构(2)

冒泡排序: 1.比较相邻的两个元素。如果前一个元素比后一个元素大,则交换两者位置。 2.对每一对相邻元素做相同工作,从第一对元素到最后一对元素,最后的一个元素就是最大的元素。 for(int ia.length-1;i>0;i--){for (int j 0…...

使用ELK(ES+Logstash+Filebeat+Kibana)收集nginx的日志

文章目录 Nginx日志格式修改配置logstash收集nginx日志引入Redis收集日志写入redis从redis中读取日志 引入FilebeatFilebeat简介Filebeat安装和配置 配置nginx转发ES和kibanaELK设置账号和密码 书接上回:《ELK中Logstash的基本配置和用法》 Nginx日志格式修改 默认…...

TDengine server连接遇到的坑

一、TDengine安装 TDengine目前只有linux版本的server端,安装教程参考 https://zhuanlan.zhihu.com/p/302413259 二、TDengine连接 TDengine连接目前支持两种方式,一种是原生连接,该方法的默认端口号为6030;另一种是REST API连…...

什么是NetDevOps

NetDevOps 是一种新兴的方法,它结合了 NetOps 和 DevOps 的流程,即将网络自动化集成到开发过程中。NetDevOps 的目标是将虚拟化、自动化和 API 集成到网络基础架构中,并实现开发和运营团队之间的无缝协作。 开发运营(DevOps&…...

中小金融机构数字化转型最大的挑战是什么?

中国银保监会办公厅印发的《关于银行业保险业数字化转型的指导意见》强调,银行保险机构要加强顶层设计和统筹规划,科学制定数字化转型战略,统筹推进工作,并从战略规划与组织流程建设、业务经营管理数字化、数据能力建设、科技能力…...

Facebook HiPlot “让理解高维数据变得容易”

在这个全球信息化的时代,数据量呈爆炸式增长,数据的复杂性也是如此。如何有效地处理高维数据并找到隐藏在其中的相关性和模式是一个严峻的挑战。近年来,可视化和可视化分析已被应用于该任务,并取得了一些积极成果。Facebook的新Hi…...

【python】:python新设备环境移植(requirements.txt)

环境移植 condapip conda 你可以使用conda命令来创建一个包含所有已安装包的requirements.txt文件,并将其复制到新电脑上。然后,你可以在新电脑上使用pip命令来安装这些包及其依赖项。 以下是一个示例命令: conda list --export > requ…...

分类预测 | MATLAB实现1D-2D-CNN-GRU的多通道输入数据分类预测

分类预测 | MATLAB实现1D-2D-CNN-GRU的多通道输入数据分类预测 目录 分类预测 | MATLAB实现1D-2D-CNN-GRU的多通道输入数据分类预测分类效果基本介绍程序设计参考资料 分类效果 基本介绍 结合1D时序-2D图像多模态融合的CNN-GRU故障识别算法,基于一维时序信号和二维图…...

【LeetCode】125. 验证回文串 - 双指针

这里写自定义目录标题 2023-8-24 09:31:12 125. 验证回文串 2023-8-24 09:31:12 最关键的是 注意 题目中的 “字母和数字都属于字母数字字符。” 使用ascii码进行判断就行了 class Solution {public boolean isPalindrome(String s) {int p 0, q s.length() - 1;while (…...

centos7设置java后端项目开机自启【脚本、开机自启】

1.切换目录 cd /etc/init.d/2.编辑脚本 vim wbs-service-start.sh编辑内容 #!/bin/bash # chkconfig: 2345 80 90 # description: auto_runnohup java -jar /usr/java/wbs-service.jar > /dev/null 2>&1 & echo $! > /var/run/wbs-service.pid3.添加进入系…...

7.4.分块查找

一.分块查找的算法思想: 1.实例: 以上述图片的顺序表为例, 该顺序表的数据元素从整体来看是乱序的,但如果把这些数据元素分成一块一块的小区间, 第一个区间[0,1]索引上的数据元素都是小于等于10的, 第二…...

学校招生小程序源码介绍

基于ThinkPHPFastAdminUniApp开发的学校招生小程序源码,专为学校招生场景量身打造,功能实用且操作便捷。 从技术架构来看,ThinkPHP提供稳定可靠的后台服务,FastAdmin加速开发流程,UniApp则保障小程序在多端有良好的兼…...

cf2117E

原题链接&#xff1a;https://codeforces.com/contest/2117/problem/E 题目背景&#xff1a; 给定两个数组a,b&#xff0c;可以执行多次以下操作&#xff1a;选择 i (1 < i < n - 1)&#xff0c;并设置 或&#xff0c;也可以在执行上述操作前执行一次删除任意 和 。求…...

2025 后端自学UNIAPP【项目实战:旅游项目】6、我的收藏页面

代码框架视图 1、先添加一个获取收藏景点的列表请求 【在文件my_api.js文件中添加】 // 引入公共的请求封装 import http from ./my_http.js// 登录接口&#xff08;适配服务端返回 Token&#xff09; export const login async (code, avatar) > {const res await http…...

第一篇:Agent2Agent (A2A) 协议——协作式人工智能的黎明

AI 领域的快速发展正在催生一个新时代&#xff0c;智能代理&#xff08;agents&#xff09;不再是孤立的个体&#xff0c;而是能够像一个数字团队一样协作。然而&#xff0c;当前 AI 生态系统的碎片化阻碍了这一愿景的实现&#xff0c;导致了“AI 巴别塔问题”——不同代理之间…...

零基础设计模式——行为型模式 - 责任链模式

第四部分&#xff1a;行为型模式 - 责任链模式 (Chain of Responsibility Pattern) 欢迎来到行为型模式的学习&#xff01;行为型模式关注对象之间的职责分配、算法封装和对象间的交互。我们将学习的第一个行为型模式是责任链模式。 核心思想&#xff1a;使多个对象都有机会处…...

【 java 虚拟机知识 第一篇 】

目录 1.内存模型 1.1.JVM内存模型的介绍 1.2.堆和栈的区别 1.3.栈的存储细节 1.4.堆的部分 1.5.程序计数器的作用 1.6.方法区的内容 1.7.字符串池 1.8.引用类型 1.9.内存泄漏与内存溢出 1.10.会出现内存溢出的结构 1.内存模型 1.1.JVM内存模型的介绍 内存模型主要分…...

快速排序算法改进:随机快排-荷兰国旗划分详解

随机快速排序-荷兰国旗划分算法详解 一、基础知识回顾1.1 快速排序简介1.2 荷兰国旗问题 二、随机快排 - 荷兰国旗划分原理2.1 随机化枢轴选择2.2 荷兰国旗划分过程2.3 结合随机快排与荷兰国旗划分 三、代码实现3.1 Python实现3.2 Java实现3.3 C实现 四、性能分析4.1 时间复杂度…...

TJCTF 2025

还以为是天津的。这个比较容易&#xff0c;虽然绕了点弯&#xff0c;可还是把CP AK了&#xff0c;不过我会的别人也会&#xff0c;还是没啥名次。记录一下吧。 Crypto bacon-bits with open(flag.txt) as f: flag f.read().strip() with open(text.txt) as t: text t.read…...

【java面试】微服务篇

【java面试】微服务篇 一、总体框架二、Springcloud&#xff08;一&#xff09;Springcloud五大组件&#xff08;二&#xff09;服务注册和发现1、Eureka2、Nacos &#xff08;三&#xff09;负载均衡1、Ribbon负载均衡流程2、Ribbon负载均衡策略3、自定义负载均衡策略4、总结 …...