MaltSci 麦伴科研

Appearance

文献精选 > 高引权威"脑机接口"文献

A high-performance brain-computer interface. ​

文献信息 ​

DOI10.1038/nature04968
PMID16838020
期刊Nature
影响因子48.5
JCR 分区Q1
发表年份2006
被引次数211
关键词脑机接口, 神经元, 电极阵列, 信息传输, 临床应用
文献类型Journal Article, Research Support, N.I.H., Extramural, Research Support, Non-U.S. Gov't, Research Support, U.S. Gov't, Non-P.H.S.
ISSN0028-0836
页码195-8
期号442(7099)
作者Gopal Santhanam, Stephen I Ryu, Byron M Yu, Afsheen Afshar, Krishna V Shenoy

一句话小结 ​

本研究展示了一种新型脑-计算机接口（BCI），通过在猴子背侧前运动皮层植入电极阵列，显著提升了键选择的速度和准确性，最高可达每分钟15个单词。这一进展为未来BCI在神经损伤或疾病患者中的临床应用提供了重要支持，解决了现有系统性能不足的问题。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

脑机接口 · 神经元 · 电极阵列 · 信息传输 · 临床应用

摘要 ​

最近的研究表明，猴子和人类可以利用大脑信号来控制计算机光标。脑-计算机接口（BCIs）有望在未来帮助患有神经损伤或疾病的患者，但相对较低的系统性能仍然是一个主要障碍。事实上，使用BCIs选择键的速度和准确性仍远低于依赖眼动的系统。这一点在使用侵入性电极技术记录个别神经元群体的BCIs以及使用较少或非侵入性技术的脑电图记录中都成立。在此，我们展示了在猴子背侧前运动皮层植入电极阵列的设计和演示，所实现的BCI性能远高于以往的报告。这些结果表明，能够在多种键盘尺寸下操作的快速且准确的键选择系统是可能的（使用96个电极时可达到每秒6.5位，或每分钟约15个单词）。即使随着录制质量随时间下降，最高的信息传输率也通过前所未有的短暂神经记录得以实现。这些性能结果及其对系统设计的影响应显著提高BCIs在人体上的临床可行性。

英文摘要 ​

Recent studies have demonstrated that monkeys and humans can use signals from the brain to guide computer cursors. Brain-computer interfaces (BCIs) may one day assist patients suffering from neurological injury or disease, but relatively low system performance remains a major obstacle. In fact, the speed and accuracy with which keys can be selected using BCIs is still far lower than for systems relying on eye movements. This is true whether BCIs use recordings from populations of individual neurons using invasive electrode techniques or electroencephalogram recordings using less- or non-invasive techniques. Here we present the design and demonstration, using electrode arrays implanted in monkey dorsal premotor cortex, of a manyfold higher performance BCI than previously reported. These results indicate that a fast and accurate key selection system, capable of operating with a range of keyboard sizes, is possible (up to 6.5 bits per second, or approximately 15 words per minute, with 96 electrodes). The highest information throughput is achieved with unprecedentedly brief neural recordings, even as recording quality degrades over time. These performance results and their implications for system design should substantially increase the clinical viability of BCIs in humans.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 在设计高性能脑机接口时，如何平衡侵入性和非侵入性技术的优缺点？
  2. 除了提高信息传输速率，还有哪些因素会影响脑机接口的临床应用效果？
  3. 在脑机接口的研究中，使用不同的电极阵列布局对性能的影响是什么？
  4. 未来脑机接口的技术进步可能会如何改变神经损伤患者的康复方式？
  5. 在实现更高性能的脑机接口时，如何解决神经信号记录质量随时间下降的问题？

核心洞察 ​

  1. 研究背景和目的
    近年来的研究表明，猴子和人类能够利用大脑信号来控制计算机光标，脑-计算机接口（BCI）有望为遭受神经损伤或疾病的患者提供帮助。然而，目前BCI的性能仍然相对较低，尤其是在速度和准确性方面，与依赖眼球运动的系统相比，BCI的键盘选择速度和准确度都显著不足。因此，本研究旨在设计和展示一种高性能的BCI系统，以克服现有技术的限制，并提高其在临床上的应用潜力。

  2. 主要方法和发现
    本研究采用了在猴子背侧前运动皮层植入电极阵列的方法，构建了一种性能显著优于以往报道的BCI系统。研究结果表明，该BCI系统能够实现高达6.5比特每秒（约15个单词每分钟）的键盘选择速度，使用了96个电极。研究还发现，尽管随时间推移记录质量会下降，但通过前所未有的简短神经记录，仍然可以实现最高的信息传输率。这一发现为BCI系统的设计提供了重要的性能指标。

  3. 核心结论
    该研究表明，高性能BCI系统的构建是可行的，能够在多种键盘尺寸下实现快速和准确的键选择。这一系统的表现显著改善了以往BCI的速度和准确性，为未来BCI在临床应用中的发展奠定了基础。

  4. 研究意义和影响
    本研究的成果具有重要的临床意义，可能会大幅提高BCI技术在治疗神经损伤和疾病患者中的实用性和可行性。通过提升BCI的速度和准确性，这项技术有望改变患者的生活质量，使他们能够更有效地与外部世界进行交互。此外，该研究还为未来BCI系统的设计和优化提供了新的思路和方法，推动了神经科学与工程技术的交叉研究进展。

引用本文的文献 ​

  1. Volitional control of neural activity: implications for brain-computer interfaces. - Eberhard E Fetz - The Journal of physiology (2007)
  2. Assistive technology and robotic control using motor cortex ensemble-based neural interface systems in humans with tetraplegia. - John P Donoghue;Arto Nurmikko;Michael Black;Leigh R Hochberg - The Journal of physiology (2007)
  3. Single-neuron stability during repeated reaching in macaque premotor cortex. - Cynthia A Chestek;Aaron P Batista;Gopal Santhanam;Byron M Yu;Afsheen Afshar;John P Cunningham;Vikash Gilja;Stephen I Ryu;Mark M Churchland;Krishna V Shenoy - The Journal of neuroscience : the official journal of the Society for Neuroscience (2007)
  4. Prediction of upper limb muscle activity from motor cortical discharge during reaching. - Eric A Pohlmeyer;Sara A Solla;Eric J Perreault;Lee E Miller - Journal of neural engineering (2007)
  5. Spike train decoding without spike sorting. - Valérie Ventura - Neural computation (2008)
  6. Asynchronous decoding of dexterous finger movements using M1 neurons. - Vikram Aggarwal;Soumyadipta Acharya;Francesco Tenore;Hyun-Chool Shin;Ralph Etienne-Cummings;Marc H Schieber;Nitish V Thakor - IEEE transactions on neural systems and rehabilitation engineering : a publication of the IEEE Engineering in Medicine and Biology Society (2008)
  7. Two-dimensional movement control using electrocorticographic signals in humans. - G Schalk;K J Miller;N R Anderson;J A Wilson;M D Smyth;J G Ojemann;D W Moran;J R Wolpaw;E C Leuthardt - Journal of neural engineering (2008)
  8. Biomaterials for the central nervous system. - Yinghui Zhong;Ravi V Bellamkonda - Journal of the Royal Society, Interface (2008)
  9. Detecting neural-state transitions using hidden Markov models for motor cortical prostheses. - Caleb Kemere;Gopal Santhanam;Byron M Yu;Afsheen Afshar;Stephen I Ryu;Teresa H Meng;Krishna V Shenoy - Journal of neurophysiology (2008)
  10. Localization of neurosurgically implanted electrodes via photograph-MRI-radiograph coregistration. - Sarang S Dalal;Erik Edwards;Heidi E Kirsch;Nicholas M Barbaro;Robert T Knight;Srikantan S Nagarajan - Journal of neuroscience methods (2008)

... (201 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研