AI辅助预测视觉皮层电刺激响应,盲人工眼效果提升
AI-powered bionic eye breakthrough could help the blind see again
UC Santa Barbara与ETH Zurich、Miguel Hernández University合作的研究在Neuron期刊发表概念验证:将深度学习用于一名植入96电极视觉皮层假体的盲男参与者,结合脑静息活动预测其光幻视感知。结果显示记录的脑活动模式比刺激参数更能预测实际感知;AI选定的刺激模式以更小电流更准确产生目标神经活动。该成果仍属实验阶段,参与者仅感知到闪光和形状。
原文明确说明该项为单例概念验证,核心进展是发现记录脑活动比电刺激参数更能预测感知,提示视觉假体设计思路或需调整。
译文尚不完整,完整内容请切换到原文。
人工智能有可能帮助克服为盲人恢复视力所面临的最大挑战之一:将脑植入物用于产生可靠的视觉体验。来自三家机构的研究人员,包括加州大学圣芭芭拉分校的研究人员,已经证明,人工智能可以提高实验性视觉假体刺激大脑的精确度,并预测一个人所感知的内容。
该团队使用深度学习系统为暂时植入视皮层的电极开发了电刺激模式,视皮层是大脑后部负责处理视觉信息的区域。通过分析大脑的反应,这项技术使研究人员能够更好地控制神经活动,并帮助他们更好地预测植入物产生的视觉感受。
该概念验证研究已在线发表在《Neuron》杂志上,代表了更高级视觉假体的发展进步,有时被称为仿生眼。这些设备最终可能通过学习每个人的大脑对刺激的反应,而不仅仅是依赖预设设置,变得更加有效。
"在抽象中构建模型是一件事情,"加州大学圣芭芭拉分校计算机科学与心理与脑科学副教授迈克尔·贝耶勒说道,"而看到它如何影响一个人的实验则是另一回事。从理论到可能有一天帮助人们的能力,正是这种能力推动了我们实验室工作的大部分工作。"
仿生视觉如何绕过受损的眼睛
多年来,科学家们一直在努力开发能够恢复部分视力的技术,尽管结果通常有限。一些实验性设备刺激视网膜,视网膜是眼睛后部检测光线的一层组织。其他设备则试图激活视觉系统中更接近将视觉信息传递给大脑的路径的部分。
视觉皮质假体的工作方式不同。它们不依赖眼睛或视神经,而是直接向视觉皮质传递电信号。这种方法可能为视觉路径受损但视觉皮质仍能响应刺激的人提供潜在的解决方案。可能的候选人包括因中风、神经退行性疾病或创伤性脑损伤而失明的人。
即使恢复有限的视觉能力也可能对那些记得曾经看到过的人意义重大。
贝耶勒强调了那些"曾经有一部分时间能够看到,但因为遗传性眼病或事故而失明的人,"并补充说,"对于这些人来说,恢复一些视力的愿望可能非常强烈。"
The new findings build on earlier computational research supported by Beyeler's 2022 National Institutes of Health (NIH) Director's New Innovator Award. The five-year, $2 million grant has supported his efforts to make artificial vision systems more accurate, predictable, and effective.
科学家用大脑植入物测试人工智能在一名盲人身上
一个重要的测试技术的机会出现在2024年,当时贝勒尔实验室的研究人员前往西班牙。他们的目标是确定他们的计算机模型是否能提高已经在一项实验研究中使用的脑植入物的性能。
在埃尔切医院IMED,研究团队与一名27岁的男子合作,他在遭受创伤性脑损伤后失明。他接受了一次植入手术,植入物包含96个电极,排列在视觉皮层内。该设备原计划在六个月后被移除。
当研究人员使用电流传激活这些电极时,参与者体验到了被称为磷光体的视觉感受。这些感受可以表现为斑点、闪光或光的形状,有时类似于星星或烟花。
产生这些感受是可能的,但使它们一致且可预测则要困难得多。相同的电刺激并不总是触发相同的效果,激活特定的电极也不一定能保证这个人会感知到特定的视觉模式。
为了解决这个问题,研究人员训练了一种深度神经网络,这是一种设计用于识别复杂模式的人工智能,以预测视觉皮层在不同电刺激设置下的反应。该模型还考虑了刺激前大脑的静息活动,从而提供了参与者当前神经状态的信息。
利用这些预测,研究人员确定了最有可能产生特定脑活动模式的电刺激信号组合。
人工智能使仿生视觉更精确
当科学家们测试由人工智能选择的刺激模式时,结果令人鼓舞。新的方法比对照方法更准确地生成了预期的神经活动模式,同时所需的电流量更少。
另一个重要的发现是在团队研究大脑活动与参与者视觉体验之间的关系时出现的。直接从他大脑记录的模式比刺激设置本身更能预测他所感知的内容。
这种区别很重要,因为激活大脑并不等同于知道一个人会看到什么。即使研究人员能够产生所需的神经反应,他们仍然需要理解大脑如何将这种活动转化为有意识的视觉体验。
"工程师自然希望将磷光体视为像素:刺激更多的电极,就应该得到更完整的图像,"贝勒尔说。"但大脑并不这样工作。电极之间相互作用,神经反应波动,我们输入大脑的东西并不一定就是这个人感知到的。挑战在于学习更多关于这种转换的知识。"
这些发现表明,未来的视觉假体可能不仅仅需要传递电信号。它们可能还需要监测大脑的反应,并利用反馈不断改进刺激。
教会脑植入物适应每个人
实验中使用的植入物的一个关键优势是它能够同时执行两项任务:用电流刺激视觉皮层,同时记录由此产生的神经活动。
这使得研究人员能够使用大脑的实际反应来训练他们的AI模型,而不是仅仅依赖于哪些电极被激活以及它们输送了多少电流的信息。
参与者还提供了他对所体验事物的反馈。他报告了是否看到了磷光,并在某些实验中描述了磷光的外观,包括形状、大小、亮度和颜色。
将这些报告与记录的大脑活动进行比较,显示神经反应包含比单纯电刺激参数更多的关于感知视觉感觉的信息。
该AI系统还使用了静息状态下大脑活动的测量值,以考虑每次刺激前参与者神经状态的变化。这在某些情况下尤为重要,因为大脑对电信号的反应可能会随时间变化,包括从一天到另一天的变化。
通过适应这些变化的条件,未来的假体可能能够提供更一致的视觉体验,而无需用户调整到固定的信号集。
‘有用的视觉假体不能依赖于固定的配方,’贝耶勒说,‘它必须学习个体大脑的反应,并相应地调整刺激。最终,设备应该适应人,而不是反过来。’
迈向恢复视力的协作一步
这项研究汇聚了来自加州大学圣芭芭拉分校、苏黎世联邦理工学院(ETH Zurich)以及米格尔·埃尔南德斯大学(Miguel Hernández University,简称 MHU)的科学家。贝耶尔将这次合作形容为"真正的协作。"
该项目由三位共同第一作者领衔:来自 ETH Zurich 的佩温·穆雷、来自 UC Santa Barbara 的雅各布·格兰利以及来自 MHU 的法比齐奥·格拉尼。指导研究员包括贝耶尔、ETH Zurich 的施志辉(Shih-Chii Liu)以及 MHU 的爱德华多·费尔南德斯(Eduardo Fernández)。他们的工作属于在西班牙开展的一项更大可行性临床试验的一部分。
尽管该技术仍处于实验阶段,受试者的视觉体验仅限于闪光和简单形状,但结果证明了人工智能如何能够改善人工视觉设备与大脑之间的通信。
未来的仿生视觉系统无需将所有大脑视为反应相同,而是可以从每个个体中学习并相应调整信号。这种个性化方法可能对开发最终能为失明患者恢复有用视力的植入物至关重要。
来源:ScienceDaily Health & Medicine · sciencedaily.com