Conteúdos
Desenho do estudo
Pesquisadores analisaram gravações do córtex motor de dois macacos rhesus aprendendo a guiar um cursor com uma interface cérebro-computador. Eles compararam a aprendizagem entre sessões usando mapeamentos de decodificador adaptativos versus fixos e construíram um modelo de rede neural recorrente para examinar como mudanças no decodificador poderiam influenciar a aprendizagem.
O que os achados mostram
Com decodificadores adaptativos, a informação relevante para a tarefa tornou-se concentrada em um subconjunto menor de neurônios e modos de atividade populacional ao longo da prática. Essa compactação não foi observada nas comparações limitadas com decodificadores fixos. O modelo sugeriu que a adaptação do decodificador em si pode contribuir para a representação alterada, potencialmente ao modificar os sinais de erro usados na aprendizagem.
Limites
Os experimentos fisiológicos foram realizados em dois macacos usando uma tarefa de cursor; o modelo é explicativo e não prova o mesmo processo em usuários humanos. O trabalho diz respeito à aprendizagem neural durante o controle de BCI, não a resultados clínicos ou a uma melhoria demonstrada na usabilidade de dispositivos assistivos.
Este resumo de notícias baseado em fontes e tradução foi preparado com suporte de IA. Os links das fontes, a data das notícias e os limites da pesquisa estão claramente indicados; não há alegação de revisão independente por especialistas médicos. Método de preparação de notícias.
Fontes
- Assistive algorithms influence neural representations in motor brain-computer interfaces — Nature Communications ·
Notícias de pesquisa não são aconselhamento médico ou recomendação de uso. Avalie os resultados junto com o desenho do estudo, participantes e limitações. Políticas de Publicação.
← Todas as notícias