<form id="1tbf9"><nobr id="1tbf9"></nobr></form>

          <address id="1tbf9"></address>

            <address id="1tbf9"></address>

                    <form id="1tbf9"></form>

                    專題
                    首頁  >  專題  >  媒體視點  >  名刊精選  >  《張江科技評論》

                    《張江科技評論》

                    開博時間:2019-06-06 14:03:00

                    《張江科技評論》是由上??茖W技術出版社與上海市張江高科技園區管理委員聯合創辦的一本科技評論類雜志。該刊報道評價國內外創新性科學技術的發展趨勢及其商業價值,介紹上海在建設全球領先科創中心進程中的制度成果、技術成果、創業成果,推動產學研密切協作,促進科技成果轉化,服務經濟轉型發展。

                    文章數
                    分享到:

                    大腦信號解碼技術已走進現實

                    2021-05-18 10:59:00

                      人工智能技術極大地提高了大腦信號解碼的準確度,讓基于視覺、聽覺等神經信號的應用逐漸變為現實。


                      2011年,由美國加利福尼亞大學伯克利分校杰克?加倫特(Jack Gallant)教授領導的一組神經科學家開展了一系列具有開創性的實驗,這些實驗使用功能磁共振成像(fMRI)讀取躺在腦部掃描儀中的被試者視覺皮層中的大腦活動模式,并試圖重建出被試者所觀看到的電影片段。從那時起,世界各地的科學家便采用類似的實驗開始研究如何解碼人腦信號、重建視覺內容。

                      2012年年底,日本京都大學的研究人員證實,使用功能磁共振成像可以準確解碼夢中的視覺內容。隨后,多個研究小組開始使用腦部掃描信號解碼技術幫助腦部受損患者進行交流。功能磁共振成像和其他腦部掃描技術可為患有多種神經系統疾病的患者提供諸多幫助。通過大腦掃描和解碼技術,研究人員不僅可以為癱瘓的患者開發用于交流的語音合成器,還可以解碼某人正在經歷的疼痛程度、類型以及某人正在看到或者正在想象的視覺畫面或文字等。除了可以幫助診斷和治療神經系統疾病外,這些技術還有望提高人們對大腦的認知。

                      2016年,加倫特領導的研究小組進一步深化了與語音相關的大腦活動模式的解碼研究工作,并揭示該研究工作的最新進展。該研究小組選取了7名被試者,每名被試者同時收聽10個故事,每個故事為10~15分鐘。他們使用功能磁共振成像掃描了這7名被試者的大腦,通過將掃描的腦活動模式與從近1 000個常見英語單詞集中觀察到的活動模式進行比較,從而解碼與單詞含義相關的大腦活動模式。這些相似之處使他們能夠創建大腦語義“地圖”,以顯示特定的單詞含義在大腦中的編碼位置。這表明相關的語義概念分布在相同的大腦區域中。這項研究很重要,因為它表明我們的大腦使用相似的代碼表示相近的含義,且在人群之間具有普遍化效應。這為大腦解碼系統提供了實用性的論據,因為這意味著我們無須從零開始就可以解碼某個人的大腦信號。

                      目前,神經解碼的研究范疇不斷在擴展,包括聽覺神經解碼、主觀疼痛狀態解碼、視覺神經解碼等,這些在當前解碼技術的助推下取得了諸多進展。

                      聽覺神經解碼

                      大腦信號解碼技術已經被用于開發腦機接口,以用于諸如語音假肢的開發,這些語音假肢可以將大腦的活動模式轉換為可理解的語音。解碼與語音相關的大腦活動模式具有極大的挑戰性,因為語音需要對口和喉中的聲道肌肉進行復雜、精確和快速的控制。雖然語音假肢已經開發了多年,但重建出的語音質量一直不是很理想,許多癱瘓的患者仍舊依賴其他交流方式,如測量頭部和眼睛運動的設備、通過光標來拼出單詞的設備等。為此,研究人員越來越多地使用基于深度學習的人工智能技術,更準確地解碼與語音相關的大腦活動模式。

                      最近有兩項研究結果顯示,聽覺皮層神經活動的解碼準確性以及從神經活動中重建出的語音質量均得到顯著提升。一項研究為,2018年美國哥倫比亞大學的研究人員將深度學習的最新進展與先進的語音合成技術相結合,從聽覺皮層活動中重建出了高質量語音。研究人員將高密度的電極網格直接放置在大腦左顳葉上,從而使研究人員可以解碼正在聆聽簡短故事的患者的大腦活動模式。在技術上,研究人員設計了一種深度神經網絡算法,從大腦活動中提取關鍵特征并將其與先進的語音合成算法相結合,重建患者聽到的語音。相比之前的研究,這項研究的準確性更高。另一項研究為,2019年美國加利福尼亞大學舊金山分校的研究人員通過深度學習方法直接從大腦信號中產生含150個單詞的句子。在這項工作中,研究人員使用了一種通過高密度皮層腦電圖的技術跟蹤志愿者在進行表達時大腦中控制言語和發音器官運動區域的活動模式。為了重建話語,研究人員不是將大腦信號直接轉換為音頻信號,而是使用一種兩級解碼的方法:他們首先將神經信號轉換為聲道發音器官的運動模式,然后將解碼的運動模式轉換為句子。這項研究代表了語音假肢發展方面的重大飛躍,以接近正常語音的速度與癱瘓患者進行交流。

                      主觀疼痛狀態解碼

                      慢性疼痛是世界范圍內導致殘疾的主要原因之一,但它極難控制。由于無法客觀地衡量慢性疼痛,醫生必須依靠患者的自我報告進行診斷。

                      在研究解碼疼痛狀態的進程中,研究人員一直在使用功能磁共振成像和機器學習技術識別慢性疼痛難以捉摸的神經系統“特征”。2013年,美國科羅拉多大學的研究人員開發出一種靈敏度高、特異性高的用于區分疼痛和非疼痛程度的解碼方法。在這項研究發現的基礎上,他們采用相同方法解碼了一個人正在經歷的灼熱或劇烈疼痛的程度,并且確定了與慢性疼痛相關的大腦活動模式,這似乎與由傷害性疼痛引起的大腦活動模式不同。研究人員充分意識到這些技術隱含的意義,并希望通過他們的方法能夠進一步了解疼痛的大腦機制。

                      視覺神經解碼

                      盡管現有的視覺信息解碼模型在對大腦信號的分類、識別任務上表現良好,但是試圖通過大腦視覺皮層信號精確重建視覺刺激內容仍然非常困難。為此,研究人員通過人工智能技術開啟了對視覺大腦活動模式解碼的研究工作。研究結果顯示,大腦活動模式重建的準確性可以在人工智能技術的助推下越來越高。最近,又有研究人員利用深度學習方法從大腦活動中解碼視覺刺激內容。例如,研究人員利用卷積神經網絡已經實現了對感知圖像精確地重建,這使得人們對人腦神經表征的功能有了新的認識。

                      實際上,在大規模圖像數據集上預訓練的卷積神經網絡的層次視覺特征已經在神經解碼領域中被用來近似代替人類視覺系統的神經表征。2017年,美國普渡大學的研究人員利用卷積神經網絡重建被試者在功能磁共振掃描儀中觀看的電影片段,而不必將解碼后的活動模式與之前生成的其他活動模式進行比較。2018年,日本京都大學的研究人員使用了預訓練的卷積神經網絡來解碼和重建看到的、想象的視覺圖像的神經活動。同年,我們研究團隊提出了一種基于貝葉斯深度學習的視覺神經信息解碼方法,能夠根據記錄到的腦活動信號重建被試者所感知到的視覺刺激內容,如手寫數字、字母等圖案。2020年,針對復雜自然視覺刺激的神經信息解碼問題,我們團隊又提出了一種結構化神經信息解碼方法(如圖1所示)。該方法包括兩個級聯階段:在第一階段,我們構建了一個同時考慮輸入體素、解碼任務和輸出節點之間的協方差結構的結構化多輸出回歸模型;在第二階段,我們開發了一種自省條件生成模型,這種模型可以很容易地被訓練,用于生成高質量的重建圖像。通過結構化神經信息解碼方法,我們可以揭示多個典型計算機視覺模型與人腦腹側視覺通路在層次化特征表達方面的聯系?;谏鲜雎撓?,我們可以清晰地重建出被試者所感知到的復雜自然圖像和人臉刺激內容。


                      此外,像神經鏈接(Neuralink)和臉書(Facebook)這樣擁有大量資源的公司也都在進行神經解碼研究,他們的目標是將神經解碼技術簡單化,從而使其可以用于可穿戴設備。我們團隊的愿望是實現科幻小說中夢寐以求的東西:用神經解碼技術解讀大腦。然而,從某種意義上來說,將神經解碼技術用于解讀人的思想會侵犯人的隱私。雖然現在的神經解碼技術還未能準確地解讀人的大腦,但是在未來或許這些技術可以做到這一點。倘若這個目標真的實現了,我們還需要考慮如何規范其應用。

                      杜長德,中國科學院自動化研究所博士。

                      何暉光,中國科學院自動化研究所研究員,博士生導師,中國科學院大學人工智能學院腦認知與智能醫學教研室主任、崗位教授,中國科學院腦科學與智能技術卓越中心團隊成員。中國圖象圖形學會視覺大數據專委會及機器視覺專委會常務委員,電氣和電子工程師協會高級會員,中國計算機學會計算機視覺專委會委員。

                      文/杜長德 何暉光

                    本文來自《張江科技評論》

                    ©2011-2021 版權所有:中國數字科技館
                    未經書面許可任何人不得復制或鏡像
                    京ICP備11000850號 京公網安備110105007388號
                    信息網絡傳播視聽節目許可證0111611號
                    國家科技基礎條件平臺
                    久久这里只精品国产免费99热4_一起射久久_久久在线视频_日日天天夜夜久久_日日扞夜夜燥国产