Previsioni del movimento della mano. Credito:Lion_on_helium/MIPT
I ricercatori dell'Istituto di fisica e tecnologia di Mosca hanno sviluppato un modello per prevedere le traiettorie del movimento della mano basato sull'attività corticale:i segnali vengono misurati direttamente da un cervello umano. Le previsioni si basano su modelli lineari. Questo scarica il processore, poiché richiede meno memoria e meno calcoli rispetto alle reti neurali. Di conseguenza, il processore può essere combinato con un sensore e impiantato nel cranio. Semplificando il modello senza degradare le previsioni, diventa possibile rispondere ai segnali cerebrali mutevoli. Questa tecnologia potrebbe guidare esoscheletri che consentirebbero ai pazienti con mobilità ridotta di riprendere il movimento. Il documento è stato pubblicato in Sistemi esperti con applicazioni , la rivista leader nel campo dell'intelligenza artificiale.
Il danno al midollo spinale impedisce ai segnali motori generati dal cervello di raggiungere i muscoli. Di conseguenza, i pazienti non possono più muoversi liberamente. Per ripristinare il movimento, vengono misurati i segnali della corteccia cerebrale, decodificato, e trasmessa a un esoscheletro. Decodificare significa interpretare i segnali come una previsione del movimento dell'arto desiderato. Per raccogliere segnali di alta qualità, il sensore deve essere impiantato direttamente nella scatola cranica.
Impianto chirurgico di un sensore con elettrodi sulla corteccia motoria, l'area del cervello responsabile dei movimenti volontari, è già stato eseguito. Tale sensore è alimentato da una batteria compatta ricaricata in modalità wireless. Il dispositivo è dotato di un'unità di elaborazione che gestisce i segnali in ingresso, e un trasmettitore radio che trasmette i dati a un ricevitore esterno. Il processore si surriscalda durante il funzionamento, che diventa problematico, poiché è in contatto con il cervello. Questo pone un vincolo sulla potenza consumata, fondamentale per la decodifica del segnale.
Misurare adeguatamente i segnali cerebrali è solo una parte della sfida. Per utilizzare questi dati per controllare gli arti artificiali, le traiettorie del movimento devono essere ricostruite dall'elettrocorticogramma, una registrazione dell'attività elettrica del cervello. Questo è il punto della decodifica del segnale. Il team di ricerca guidato dal professor Vadim Strijov del MIPT lavora su modelli per prevedere le traiettorie della mano basati su elettrocorticogrammi. Tali previsioni sono necessarie per abilitare esoscheletri che i pazienti con funzione motoria compromessa potrebbero controllare immaginando i movimenti naturali dei loro arti.
"Ci siamo rivolti all'algebra lineare per prevedere le traiettorie di movimento degli arti. Il vantaggio dei modelli lineari sulle reti neurali è che l'ottimizzazione dei parametri del modello richiede molte meno operazioni. Ciò significa che sono adatti per un processore lento e una memoria limitata, " spiega Strijov, l'autore anziano dell'articolo.
Surriscaldamento del cervello. Credito:Lion_on_helium/MIPT
"Abbiamo risolto il problema di costruire un modello che fosse semplice, robusto, e preciso, "aggiunge Strijov, che è un capo ricercatore presso il Machine Intelligence Laboratory del MIPT. "Per semplice, Voglio dire, ci sono relativamente pochi parametri. La robustezza si riferisce alla capacità di mantenere una ragionevole qualità di previsione in caso di modifiche minori dei parametri. Precisione significa che le previsioni approssimano adeguatamente i movimenti fisici naturali degli arti. Per realizzare questo, prevediamo le traiettorie di movimento come una combinazione lineare delle descrizioni delle caratteristiche dell'elettrocorticogramma".
Ogni elettrodo emette il proprio segnale rappresentato da una frequenza e un'ampiezza. Le frequenze sono suddivise in bande. La descrizione della funzione è una cronologia dei valori del segnale del corticogramma per ciascun elettrodo e ciascuna banda di frequenza. Questa cronologia del segnale è una serie temporale, un vettore nello spazio lineare. Ogni caratteristica è quindi un vettore. La previsione della traiettoria del movimento della mano è calcolata come una combinazione lineare di vettori di feature, loro somma ponderata. Per trovare i pesi ottimali per il modello lineare, ovvero quelli che risultano in una previsione adeguata:deve essere risolto un sistema di equazioni lineari.
Però, la soluzione al sistema di cui sopra è instabile. Questa è una conseguenza del fatto che i sensori sono posizionati uno vicino all'altro in modo che i sensori vicini emettano segnali simili. Di conseguenza, il minimo cambiamento nei segnali che vengono captati provoca un notevole cambiamento nella previsione della traiettoria. Perciò, il problema della riduzione della dimensionalità dello spazio delle caratteristiche deve essere risolto.
Gli autori dell'articolo introducono un metodo di selezione delle caratteristiche basato su due criteri. Primo, le coppie di caratteristiche devono essere distinte, e secondo, le loro combinazioni devono approssimare ragionevolmente bene il vettore bersaglio. Questo approccio consente di ottenere il set di funzionalità ottimale anche senza calcolare i parametri del modello. Tenendo conto delle posizioni reciproche dei sensori, i ricercatori hanno escogitato un semplice, robusto, e modello piuttosto preciso, che è paragonabile ai suoi analoghi in termini di qualità di previsione.
Nel loro lavoro futuro, il team intende affrontare il problema della descrizione della traiettoria degli arti nel caso di una struttura cerebrale variabile.
Strijov spiega:"Muovendosi e ottenendo una risposta dall'ambiente, gli umani imparano. La struttura del cervello cambia. Nuovo modulo connessioni, rendere obsoleto il modello. Dobbiamo proporre un modello che si adatti ai cambiamenti nel cervello modificando la sua stessa struttura. Questo compito è tutt'altro che semplice, ma ci stiamo lavorando".
