[脑海成像]科学家利用动态电极绕过眼睛直接刺激大脑,在盲人脑海画出字母

更多技术干货第一时间送达

5 月 14 日,国际顶级期刊《Cell》杂志发表了一项黑科技成果,来自美国贝勒医学院 Daniel Yoshor 教授带领的研究团队,通过动态电流电极刺激大脑皮层,成功在受试者脑海中呈现指定的图像。

长期以来,人们将视觉皮层假体(VCP)作为恢复盲人有用视力的一种策略,前提是假定通过视觉皮层的电刺激产生的小光斑的视觉感知将合并为视觉的连贯感知形式,例如视频屏幕上的像素。

在这项研究中,研究人员通过以动态顺序刺激电极来在视觉皮层表面上追踪形状。无论是有视力的还是盲人,动态刺激都能准确识别大脑的视觉世界空间图所预测的字母形状。在实验中,盲人可以快速提交和识别表格,每分钟最多可以填写86表格。

Daniel Yoshor 教授表示:“当我们使用电刺激在患者大脑上直接追踪字母时,他们能够'看到’预期的字母形状,并能够正确识别出不同的字母。他们把看到的这些字母描述成发光的斑点或线条,就像在天空中出现的字母一样。”

图片来源于网络

我们人类之所以能够看到、听到、摸到周围的世界,是因为我们的眼睛、耳朵、皮肤会将环境刺激信号传输到大脑皮层,并在皮层相应区域产生神经元活动。正是这些神经元的活动,才形成了我们对外部环境的真实感知体验。

而对于绝大多数盲人来说,失明主要是由于眼睛或者视神经受损,而大脑与常人无异。

长期以来,科学家研究和开发一种被称为视皮层视觉假体(visual cortical prosthetic)又名“仿生眼”的设备,希望直接绕过受损的眼睛和视神经,直接将视觉信息传递给大脑,从而使盲人恢复视力。这种可以将图像信息进行人工处理与编码,通过插入的微电极阵列对视觉神经系统进行刺激,使盲人恢复部分视力的人造器官。

视觉皮质假体的刺激范例:

上图为视觉皮质假体的刺激范例(A)为了通过触摸传达字母,可以使用静态触觉刺激将多个探针(蓝点)压入手掌,形成一个静态字母的形状。但是,这导致了不确定的感知(思想泡泡中的斑点)。(B)另外,你可以使用动态触觉刺激来动态地追踪字母的形状,使用一个探针(单个蓝点)在手掌上按顺序(黑色带箭头的线)追踪,匹配期望的形状,产生一个连贯的字母感知(思想泡泡中的“Z”)。(C)在皮质视觉假体中,将电极网格植入视觉皮层上。对于静态电刺激,电流同时传输到一些电极(蓝色圆圈),而不是其他电极(灰色圆圈),导致无定形的感知。(D)对于动态电流控制,电流以与期望形状(白色箭头)匹配的时间序列传输到电极网格,产生一致的视觉感知。电流按顺序传送到由电流控制产生的物理电极(深蓝色圆圈)和虚拟电极(浅蓝色椭圆)(同时传送电流到相邻的物理电极)。

闭上眼,脑海中有了图像

为了让视皮层视觉假体能够更好的帮助盲人认识世界,Daniel Yoshor 教授开始着手动态激活电极的研发。借助通过手写的方式更能让患者产生对字母或图片形成连贯的感知。Daniel Yoshor 教授借助这一灵感,通过动态电极刺激大脑皮层绘制字母或图像的轮廓,从而让患者能够更清楚地识别研究人员想要传达的信息。

研究人员为实现这一目标,对传统的电极进行了改进,结合了电流转向和动态刺激,通过精准的电流控制,依次激活不同的电极,来实现字母或图片轮廓的绘制。

研究人员在四个视力受损但没有完全失明,以及 2 个完全失明患者的大脑视觉皮层内植入这种电极,然后依次激活不同的电极,绘制字母“Z”的轮廓,结果这 6 名受试者都“看到”了字母“Z”的存在。

该视频展示了一位盲人受试者,根据对视觉皮层的动态刺激,绘制出脑海中呈现的字母图像
信息直接输入大脑的技术,来重新获得识别视觉信息的能力。

该项研究结果表明,盲人的确可以通过使用将视觉信息直接输入大脑的技术,来重新获得识别视觉信息的能力。

由于人类大脑视觉皮层中包含了数十亿个神经元,而在这次研究中,研究人员仅刺激了其中的一小部分,仅仅实现了字母信息的传递,实用性并不够。

因此研究人员表示,在将该技术应用于临床之前必须克服一些障碍。

该文的第一作者 Michael S. Beauchamp 表示:“植入电极的主要视觉皮层含有十亿个神经元。在这项研究中,我们仅用少数电极刺激了这些神经元的一小部分。”“重要的下一步将是与神经工程师合作,开发具有数千个电极的电极阵列,使我们能够更精确地进行刺激。与新硬件一起,改进的刺激算法将有助于实现向盲人提供有用的视觉信息的梦想。”

论文地址:

https://www.cell.com/cell/pdf/S0092-8674(20)30496-7.pdf

参考文章:
https://mp.weixin.qq.com/s/QvsNWrr5WQOj66o7w97i9w

更多阅读

ERP大神Steven Luck的线上ERP免费训练营调查

北大读博手记:怎样完成自己的博士生涯?非常具有指导性!

如何识别ICA成分

letswave7中文教程1:软件安装与脑电数据导入

letswave7中文教程2:脑电数据预处理-通道位置分配

letswave7中文教程3:脑电数据预处理-ICA去除伪影

letswave7中文教程4:脑电数据预处理-时域分析

这次我终于弄懂了院士、杰青、长江、百千万人才的区别了以及评选有多难了?评选条件了解一下

眼动追踪与VR

DEAP数据集--一个重要的情绪脑电研究数据集(更新)

EEG数据、伪影的查看与清洗

什么是EEG以及如何解释EEG?

Python-可视化Evoked数据

应用深度学习EEGNet来处理脑电信号

一种基于脑电图情感识别的新型深度学习模型

脑机音乐接口,高效检测用户的情绪状态

将深度学习技术应用于基于情境感知的情绪识别

EEG信号特征提取算法

EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

功率谱估计-直接法原理与案例

MNE中文教程(16)-脑电数据的Epoching处理

DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

PsychoPy安装与测试案例

PsychoPy文字刺激、图片刺激和光栅刺激

Python机器学习算法随机森林判断睡眠类型

脑机接口BCI学习交流QQ群:941473018

(0)

相关推荐