Nuovo algoritmo spiega il comportamento umano studiando l’attività cerebrale

L'algoritmo può estrarre dinamiche di rilevanza comportamentale dai segnali cerebrali apprendendo le relazioni tra i segnali cerebrali e i comportamenti osservati.
nuovo algoritmo dinamiche rete neurale
Una ricerca che ha coinvolto la Monash University ha scoperto un nuovo strumento in grado di analizzare i segnali nel cervello per valutare come possiamo controllare i nostri comportamenti quotidiani. (Immagine: Monash University).

Un equipe di ricerca internazionale ha scoperto un nuovo metodo. Un nuovo algoritmo che permette di analizzare le dinamiche dell’attività cerebrale per valutare come controllare i nostri comportamenti quotidiani.

I ricercatori della Monash University, della University of Southern California e della New York University hanno creato un nuovo algoritmo. Si chiama di «identificazione preferenziale del subspazio» (PSID). L’algoritmo può estrarre dinamiche di rilevanza comportamentale dai segnali cerebrali apprendendo le relazioni tra i segnali cerebrali e i comportamenti osservati.

Si tratta di una delle principali sfide per capire come funziona il cervello. Ovvero trovare un collegamento tra le dinamiche della nostra attività cerebrale e i comportamenti che controlla. Ad esempio, come muovere il braccio e usare le dita per afferrare gli oggetti.

cervello cranio
I risultati hanno mostrato che il PSID ha rivelato che le dinamiche rilevanti dal punto di vista comportamentale hanno una dimensione significativamente inferiore rispetto a quanto altrimenti implicito. L’algoritmo ha anche scoperto dinamiche rotazionali distinte che erano più predittive del comportamento e ha appreso in modo più accurato le dinamiche comportamentali rilevanti per ciascuna articolazione e canale di registrazione. (Immagine: tramite pixabay / CC0 1.0)

I pazienti controlleranno i dispositivi con la mente

Il coautore della ricerca è il Dr. Yan Wong. È professore del Dipartimento di Ingegneria dei Sistemi Elettrici e Informatici della Monash University e del Monash Biomedicine Discovery Institute. Ha detto che, in futuro, questo algoritmo libererà il potenziale di decodificare i segnali cerebrali e permetterà ai pazienti di controllare i dispositivi terapeutici con la loro mente.

Lo studio è condotto dall’Assistente Professore Maryam Shanechi della University of Southern California. È stato pubblicato su Nature Neuroscience. Il dottor Wong ha detto:

«La modellazione delle dinamiche neurali è essenziale per indagare o decodificare le funzioni cerebrali misurabili dal punto di vista comportamentale, come la pianificazione del movimento, l’inizio e l’esecuzione, il modo di parlare e il linguaggio, l’umore, il processo decisionale, così come le disfunzioni neurologiche come i tic nervosi. Possiamo anche usare questo per misurare gli stati interni del cervello, come la sete o la fame.

«In futuro, possiamo usare questo algoritmo per aiutare a migliorare le prestazioni delle interfacce della macchina cerebrale per i tetraplegici, per esempio.

«Se riusciamo a comprendere meglio come il cervello rappresenta comportamenti complessi quali il raggiungimento, allora possiamo costruire algoritmi più efficaci per estrarre informazioni dal cervello».

Applicazione ai tetraplegici

Il team di ricerca ha applicato il PSID all’attività neurale di due soggetti che eseguivano il reach-and-grasps 3D. Ha scoperto così nuove funzionalità per la dinamica neurale. I risultati della PSID indicano che le dinamiche comportamentali rilevanti sono significativamente più basse di quanto altrimenti implicito.

L’algoritmo ha anche scoperto dinamiche di rotazione distinte che erano più prevedibili del comportamento. Inoltre ha imparato più accuratamente le dinamiche comportamentali rilevanti per ogni canale di registrazione e articolazione.

Secondo il dottor Wong, questi risultati hanno mostrato risultati promettenti per il monitoraggio e la valutazione dei modelli cerebrali nelle persone con tetraplegia e malattie neurologiche. I risultati potrebbero prefigurare i progressi clinici nelle neuroscienze. Il dottor Wong ha detto:

«Al contrario della modellazione dinamica neurale (NDM), il nostro metodo combina l’attività neurale e il comportamento per identificare un sottospazio tra i due e proiettare, attraverso l’apprendimento, l’estensione del probabile risultato comportamentale.

«Rispetto a NDM, abbiamo riscontrato che il PSID ha appreso in modo più accurato le dinamiche neurali rilevanti dal punto di vista comportamentale per quasi 27 angoli di articolazione del braccio e delle dita, per la cinematica del punto finale 3D e per quasi tutti i singoli canali nelle registrazioni multiregionali».

Fornito da: Monash University

Tradotto da: Vision Times Italia

[Nota: i materiali possono essere modificati per il contenuto e la lunghezza.]

Articolo in inglese: https://visiontimes.com/2020/11/20/new-neural-network-explains-human-behaviours-from-dynamic-brain-activity.html