UCSF研究团队在瘫痪患者身上成功演示了ECoG脑机控制接口
ECoG 阵列（来自：UCSF / Noah Berger 摄）
过去几年开发的此种类型的脑机接口（BCI），已经显现出了一些极具希望的潜在应用。
通过各种形式植入大脑之后，且借助先进的算法来提供动力，研究人员可将大脑电信号转为各种设备的控制输入，比如义肢、完整的外骨骼、甚至无人机。
研究配图 - 1：ltCLDA 带来的性能改进
UCSF 开发的新技术，标志着该领域的研究又向前迈出了重要一步。其专注于将大脑活动转化为软件方面的行动，然后借助机器学习的算法训练。
研究配图 - 2：光标映射精制解码
通过让瘫痪患者来目视屏幕上的光标运动，可追踪其想象中的脖子或手腕部运动。在持续对算法进行定期（每日）重置之后，软件可逐步学会与用户设想相匹配的移动动作。
研究配图 - 3：神经表征在多个时间尺度上的稳定表现
尽管每天需要耗费数小时来实验，但这套方案可最终达成预期的控制，此外科学家们也在积极改进和探索其它方面的应用。比如调整算法，以避免每日头从开始训练。
研究配图 - 4：长期 PnP 与解码器复位的结果
经过不断完善，最终算法可允许用户即时接入并开始使用。UCSF Health 的实践神经病学家 Karunesh Ganguly 表示：
通过确保算法的更新速度不会超过大脑的跟踪速度，我们可以进一步改善机器学习的速度，即大约每 10 秒钟更新一次。
我们认为这是大脑和计算机这两套系统之间建立了合作关系，最终可使人机界面成为用户能力的一个延伸，让他们可以自如地操控机械义肢（手或手臂）。
研究配图 - 5：两组神经点击器之间的连接
实验中使用的脑机接口（BCI）被称作 ECoG 阵列，其由便签纸大小的电极板组成，可通过外科手术植入到大脑表面。
在获得了特殊的批准之后，研究人员对接受植入物手术的患者开展了长期实验。
结果发现，即便没有进行任何日常校准，持续 44 天后的使用性能也不会出现下降。即使用户停用了数日，性能也只会略有下降。
Karunesh（上图右）与学生 Stefan Lemke 讨论 ECoG（Steve Babuljak / 2016 摄）
研究资深作者、医学博士 Karunesh Ganguly 指出：随着时间的推移，使用者的大脑也会优化自身的活动，以更好地控制 BCI 和无需每日重新校准。
有关这项研究的详情，已经发表在近日出版的《自然生物技术》（Nature Biotechnology）期刊上。
原标题为《Plug-and-play control of a brain–computer interface through neural map stabilization》。
