Des chercheurs de l'Institut de physique et de technologie de Moscou ont développé un modèle de prédiction des trajectoires de mouvement des mains basé sur l'activité corticale :les signaux sont mesurés directement à partir d'un cerveau humain. Les prédictions reposent sur des modèles linéaires. Cela décharge le processeur, car il nécessite moins de mémoire et moins de calculs par rapport aux réseaux de neurones. Par conséquent, le processeur peut être associé à un capteur et implanté dans le crâne. En simplifiant le modèle sans dégrader les prédictions, il devient possible de répondre aux signaux changeants du cerveau. Cette technologie pourrait entraîner des exosquelettes qui permettraient aux patients à mobilité réduite de retrouver le mouvement. Le document a été publié en Systèmes experts avec applications , la revue leader dans le domaine de l'intelligence artificielle.

Les dommages à la moelle épinière empêchent les signaux moteurs générés par le cerveau d'atteindre les muscles. Par conséquent, les patients ne peuvent plus se déplacer librement. Pour restaurer le mouvement, les signaux du cortex cérébral sont mesurés, décodé, et transmis à un exosquelette. Le décodage consiste à interpréter les signaux comme une prédiction du mouvement souhaité des membres. Pour capter des signaux de haute qualité, le capteur doit être implanté directement dans la boîte crânienne.

Implantation chirurgicale d'un capteur à électrodes sur le cortex moteur, la zone du cerveau responsable des mouvements volontaires, a déjà été réalisée. Un tel capteur est alimenté par une batterie compacte rechargée sans fil. L'appareil est livré avec une unité de traitement qui gère les signaux entrants, et un émetteur radio relayant les données vers un récepteur externe. Le processeur chauffe pendant le fonctionnement, qui devient problématique, car il est en contact avec le cerveau. Cela met une contrainte sur la puissance consommée, ce qui est crucial pour le décodage du signal.

Mesurer adéquatement les signaux cérébraux n'est qu'une partie du défi. Pour utiliser ces données pour contrôler les membres artificiels, les trajectoires de mouvement doivent être reconstruites à partir de l'électrocorticogramme, un enregistrement de l'activité électrique du cerveau. C'est le point de décodage du signal. L'équipe de recherche dirigée par le professeur Vadim Strijov du MIPT travaille sur des modèles de prédiction des trajectoires de la main à partir d'électrocorticogrammes. De telles prédictions sont nécessaires pour permettre aux exosquelettes que les patients ayant une fonction motrice altérée contrôleraient en imaginant les mouvements naturels de leurs membres.

« Nous nous sommes tournés vers l'algèbre linéaire pour prédire les trajectoires de mouvement des membres. L'avantage des modèles linéaires par rapport aux réseaux de neurones est que l'optimisation des paramètres du modèle nécessite beaucoup moins d'opérations. Cela signifie qu'ils sont bien adaptés à un processeur lent et à une mémoire limitée, " explique Strijov, l'auteur principal de l'article.

"Nous avons résolu le problème de construire un modèle qui serait simple, robuste, et précis, " ajoute Strijov, qui est chercheur en chef au laboratoire d'intelligence artificielle du MIPT. « Par simple, Je veux dire qu'il y a relativement peu de paramètres. La robustesse fait référence à la capacité de conserver une qualité de prédiction raisonnable sous des changements mineurs de paramètres. La précision signifie que les prédictions se rapprochent de manière adéquate des mouvements physiques naturels des membres. Pour y parvenir, nous prédisons les trajectoires de mouvement en tant que combinaison linéaire des descriptions des caractéristiques de l'électrocorticogramme."

Chaque électrode délivre son propre signal représenté par une fréquence et une amplitude. Les fréquences sont subdivisées en bandes. La description de la caractéristique est un historique des valeurs de signal de corticogramme pour chaque électrode et chaque bande de fréquence. Cet historique du signal est une série temporelle, un vecteur dans l'espace linéaire. Chaque caractéristique est donc un vecteur. La prédiction de la trajectoire du mouvement de la main est calculée comme une combinaison linéaire de vecteurs de caractéristiques, leur somme pondérée. Pour trouver les poids optimaux pour le modèle linéaire, c'est-à-dire ceux qui aboutissent à une prédiction adéquate — un système d'équations linéaires doit être résolu.

Cependant, la solution du système mentionné ci-dessus est instable. Ceci est dû au fait que les capteurs sont situés à proximité les uns des autres, de sorte que les capteurs voisins émettent des signaux similaires. Par conséquent, le moindre changement dans les signaux captés provoque un changement considérable dans la prédiction de trajectoire. Par conséquent, le problème de la réduction de la dimensionnalité de l'espace des caractéristiques doit être résolu.

Les auteurs de l'article présentent une méthode de sélection de caractéristiques basée sur deux critères. D'abord, les paires de caractéristiques doivent être distinctes, et deuxieme, leurs combinaisons doivent se rapprocher raisonnablement du vecteur cible. Cette approche permet d'obtenir l'ensemble de caractéristiques optimal même sans calculer les paramètres du modèle. Compte tenu des positions mutuelles des capteurs, les chercheurs ont proposé un simple, robuste, et modèle assez précis, ce qui est comparable à ses analogues en termes de qualité de prédiction.

Dans leurs futurs travaux, l'équipe envisage d'aborder le problème de la description des trajectoires des membres dans le cas d'une structure cérébrale variable.

Strimov explique :« En se déplaçant et en obtenant une réponse de l'environnement, les humains apprennent. La structure du cerveau change. Formulaire de nouvelles connexions, rendre le modèle obsolète. Nous devons proposer un modèle qui s'adapterait aux changements du cerveau en changeant sa propre structure. Cette tâche est loin d'être simple, Mais nous y travaillons."