Las interfaces cerebro-computadora son sistemas que miden la actividad neuronal y la convierten en una salida artificial. Estos sistemas han mostrado un gran potencial para el movimiento asistido en pacientes con discapacidades motoras
Y es que, las interfaces dirigen al paciente a pensar en hacer un movimiento y permiten que el sistema registre repetidamente la actividad neuronal asociada con ese movimiento.
A través de métodos de aprendizaje supervisados, la interfaz aprende a asociar patrones de actividad específicos con los movimientos previstos. Sin embargo, debido a que la activación básica de las neuronas puede cambiar de un día a otro según algunos factores, la interfaz debe volver a entrenarse al comienzo de cada sesión, un proceso que puede durar hasta dos horas.
Este método consiste en entrenar inicialmente el sistema utilizando el enfoque supervisado tradicional, y luego permitir que una red neuronal supervise el rendimiento del sistema sin etiquetas explícitas
En este sentido, un equipo de colaboración de Battelle y la Universidad Estatal de Ohio Wexner Medical Center ha publicado nuevos hallazgos sobre un método novedoso usando una red neuronal profunda que reduce drásticamente el tiempo de entrenamiento requerido para su interfaz cerebro-computadora.
Precisamente, este método consiste en entrenar inicialmente el sistema utilizando el enfoque supervisado tradicional y luego permitir que una red neuronal supervise el rendimiento del sistema sin etiquetas explícitas para los movimientos previstos del usuario.
El equipo cree que su nuevo sistema aborda muchos de los deseos de los usuarios finales potenciales para las interfaces cerebro-computadora, que incluyen alta precisión, configuración diaria mínima y tiempos de respuesta rápidos. Actualmente, están buscando formas de reducir el tamaño del sistema para que pueda tomarse fuera del laboratorio y probarse en un entorno natural.