Post #13317

Предложен новый метод декодирования нейронных сигналов для интерфейсов "мозг-компьютер", преобразующих активность мозга в почерк. Метод называется StateMoE. Ключевая идея заключается в том, что процесс письма состоит из нескольких сменяющих друг друга нейронных состояний. Каждое такое состояние, например начало буквы или её соединение с другой, кодирует параметры движения по-разному. Существующие методы часто игнорируют эту смену, что ограничивает их точность. Метод StateMoE использует архитектуру "смесь экспертов". В этой архитектуре каждый эксперт является отдельной моделью декодера, настроенной на распознавание конкретного нейронного состояния. Специальный рекуррентный маршрутизатор в реальном времени анализирует входящие нейронные сигналы, определяет текущее состояние мозга и автоматически переключает активного эксперта для декодирования. Метод был протестирован на записях активности моторной коры человека во время написания китайских иероглифов. Эксперименты показали, что StateMoE повышает точность декодирования траектории движения на 6,92% по сравнению с лучшими существующими подходами. Этот результат демонстрирует, что явное моделирование переключения нейронных состояний мозга позволяет значительно улучшить работу интерфейсов для сложных двигательных задач, таких как письмо. https://ieeexplore.ieee.org/abstract/document/11297164