Contenus
Plan de l'étude
Les chercheurs ont analysé les enregistrements du cortex moteur de deux macaques rhésus qui apprenaient à guider un curseur avec une interface cerveau-ordinateur. Ils ont comparé l’apprentissage au fil des séances avec des correspondances de décodeur adaptatives ou fixes et construit un modèle de réseau neuronal récurrent pour étudier l’influence possible des changements du décodeur sur l’apprentissage.
Ce que montrent les résultats
Avec les décodeurs adaptatifs, les informations utiles à la tâche se concentraient, au fil de l’entraînement, dans un plus petit sous-ensemble de neurones et de modes d’activité de la population. Cette concentration n’apparaissait pas dans les comparaisons limitées avec des décodeurs fixes. Le modèle suggérait que l’adaptation du décodeur pouvait elle-même modifier les représentations, notamment en changeant les signaux d’erreur utilisés pendant l’apprentissage.
Limites
Les expériences physiologiques ont été réalisées sur deux singes utilisant une tâche de curseur ; le modèle est explicatif et ne prouve pas le même processus chez les utilisateurs humains. Le travail concerne l'apprentissage neuronal pendant le contrôle d'une interface cerveau-ordinateur (BCI), et non les résultats cliniques ou une amélioration démontrée de l'utilisabilité des dispositifs d'assistance.
Ce résumé d'actualités basé sur les sources et sa traduction ont été préparés avec le soutien de l'IA. Les liens vers les sources, la date des actualités et les limites de la recherche sont clairement indiqués ; il ne prétend pas à une évaluation indépendante par un expert médical. Méthode de préparation des actualités.
Sources
- Assistive algorithms influence neural representations in motor brain-computer interfaces — Nature Communications ·
Les actualités de la recherche ne constituent pas un avis médical ou une recommandation d’utilisation. Évaluez les résultats en fonction du design de l’étude, des participants et des limitations. Politiques éditoriales.
← Toutes les nouvelles