teknologi bedah

Artifisial Hubungan Saraf Dapat Melihat Pergerakan Otak

Menyaring informasi untuk mesin pencari, bertindak sebagai lawan selama permainan papan atau mengenali gambar: Kecerdasan buatan telah melampaui kecerdasan manusia dalam tugas-tugas tertentu.

Beberapa kelompok dari kluster keunggulan Freiburg BrainLinks-BrainTools yang dipimpin oleh dosen pribadi neuroscientist Dr. Tonio Ball menunjukkan bagaimana ide-ide dari ilmu komputer dapat merevolusi riset otak.

Dalam jurnal ilmiah Human Brain Mapping, mereka menggambarkan bagaimana algoritma belajar mandiri menerjemahkan sinyal otak manusia yang diukur dengan electroencephalogram (EEG).

Ini termasuk gerakan yang dilakukan, tetapi juga gerakan tangan dan kaki yang hanya dipikirkan, atau rotasi benda-benda imajiner.

Meskipun algoritmanya tidak diberi karakteristik sebelumnya, ia bekerja dengan cepat dan tepat seperti sistem tradisional yang telah dibuat untuk menyelesaikan tugas-tugas tertentu berdasarkan karakteristik sinyal otak yang telah ditentukan, yang karenanya tidak sesuai untuk setiap situasi.

Permintaan untuk persimpangan yang beragam antara manusia dan mesin sangat besar: Di Rumah Sakit Universitas Freiburg, misalnya, itu dapat digunakan untuk deteksi dini kejang epilepsi.

Ini juga dapat digunakan untuk meningkatkan kemungkinan komunikasi untuk pasien yang sangat lumpuh atau diagnosis neurologis otomatis.

“Perangkat lunak kami didasarkan pada model yang terinspirasi otak yang telah terbukti sangat membantu untuk memecahkan berbagai sinyal alam seperti suara fonetik,” kata ilmuwan komputer Robin Tibor Schirrmeister.

Peneliti menggunakannya untuk menulis ulang metode yang telah digunakan tim untuk memecahkan kode data EEG: Jaringan syaraf tiruan buatan adalah jantung dari proyek saat ini di BrainLinks-BrainTools. “Hal yang hebat tentang program ini adalah kita tidak perlu mentakdirkan karakteristik apa pun.

Informasi diproses lapisan untuk lapisan, yang dalam beberapa langkah dengan bantuan fungsi non-linear. Sistem belajar untuk mengenali dan membedakan antara pola perilaku tertentu. dari berbagai gerakan seiring berjalannya waktu, “jelas Schirrmeister.

Model ini didasarkan pada hubungan antara sel-sel saraf di tubuh manusia di mana sinyal-sinyal listrik dari sinapsis diarahkan dari tonjolan seluler ke inti sel dan kembali lagi. “Teori telah beredar selama beberapa dekade, tetapi tidak sampai munculnya kekuatan pemrosesan komputer saat ini bahwa model telah menjadi layak,” komentar Schirrmeister.

Biasanya, ketepatan model meningkat dengan sejumlah besar lapisan pemrosesan. Hingga 31 digunakan selama penelitian, atau dikenal sebagai “Pembelajaran Mendalam.”

Sampai sekarang, sudah bermasalah untuk menafsirkan sirkuit jaringan setelah proses pembelajaran selesai. Semua proses algoritmik terjadi di latar belakang dan tidak terlihat.

Itulah sebabnya para peneliti mengembangkan perangkat lunak untuk membuat kartu dari mana mereka bisa memahami keputusan decoding.

Para peneliti dapat memasukkan dataset baru ke dalam sistem setiap saat. “Tidak seperti metode lama, kita sekarang bisa langsung ke sinyal mentah yang dicatat EEG dari otak.

Sistem kita adalah tepat, jika tidak lebih baik, daripada yang lama,” kata kepala peneliti Tonio Ball, meringkas penelitian ini. kontribusi penelitian.

Potensi teknologi belum habis – bersama dengan timnya, peneliti ingin melanjutkan pengembangannya: “Visi kami untuk masa depan termasuk algoritma belajar mandiri yang dapat dengan andal dan cepat mengenali berbagai niat pengguna berdasarkan pada otak mereka. sinyal. Selain itu, algoritma tersebut dapat membantu diagnosis neurologis. “