Reklama
aplikuj.pl

Sieć neuronowa potrafi rekonstruować ludzkie myśli z fal mózgowych

Rosyjscy naukowcy znaleźli sposób na wizualizację aktywności mózgu człowieka jako rzeczywistych obrazów naśladujących to, co obserwują badacze. Umożliwi to wprowadzenie nowych urządzeń rehabilitacyjnych dla osób po wylewach.

Aby opracować urządzenia kontrolowane przez mózg oraz metody leczenia zaburzeń poznawczych po udarze mózgu, neurobiolodzy muszą zrozumieć, w jaki sposób organ ten koduje informacje. Kluczowym aspektem jest badanie aktywności mózgu ludzi odbierających informacje wizualne, na przykład podczas oglądania filmu.

Nowy interfejs mózg-komputer opiera się na sieciach neuronowych i elektroencefalografii. Analizując aktywność mózgu, system rekonstruuje obrazy widziane przez osobę doświadczającą EEG.

W pierwszej części eksperymentu neurobiolodzy poprosili zdrowe osoby o obejrzenie kilkunastu minut materiału złożonego z 10-sekundowych fragmentów wideo. Zespół badawczy wybrał pięć dowolnych kategorii wideo: abstrakcyjne kształty, wodospady, ludzkie twarze, ruchome mechanizmy i sporty motorowe. W tej ostatniej kategorii znalazły się nagrania z wyścigów skuterów śnieżnych, wodnych, motocykli i samochodów.

Analizując dane EEG, naukowcy wykazali, że wzory fal mózgowych różnią się w przypadku każdej kategorii filmów. Umożliwiło to zespołowi przeanalizowanie reakcji mózgu na filmy w czasie rzeczywistym.

W drugiej fazie eksperymentu wybrano trzy losowe kategorie z pierwotnych pięciu. Naukowcy opracowali dwie sieci neuronowe: jedną do generowania losowo wybranych obrazów z „szumu”, a drugą do generowania podobnego „szumu” z EEG. Następnie zespół przeszkolił sieci do wspólnego działania w sposób, który zamienia sygnał EEG w rzeczywiste obrazy podobne do tych, które obserwowali uczestnicy testu.

Aby sprawdzić zdolność systemu do wizualizacji aktywności mózgu, uczestnikom zostały pokazane wcześniej niewidziane filmy wideo z tych samych kategorii. Podczas oglądania, EEG były nagrywane i przesyłane do sieci neuronowych. System przeszedł test, generując przekonujące obrazy, które można łatwo sklasyfikować w 90 procentach przypadków.