主要作者和研究机构 本研究由来自美国杜克大学生物医学工程系的Suseendrakumar Duraivel、Jonathan Viventi和Gregory B. Cogan等人领导。联合作者来自杜克大学神经外科、癫痫中心和神经生物学等相关学科。该研究发表在国际知名期刊《自然通讯》上。

研究背景 患有严重神经退行性疾病的患者往往会失去交流能力,严重影响生活质量。使用脑-计算机接口来直接从大脑解码信号,从而实现神经语音假肢是一种恢复交流的解决方案。然而,现有解码技术受限于粗糙的神经记录,无法充分捕捉人脑信号的丰富时空结构。本研究旨在采用高分辨率的微电极皮质电图(µECoG)技术,以改善语音解码的性能。

研究方法 研究团队在手术过程中,使用高密度的µECoG电极阵列(128或256电极,电极间距1.33 -1.72 mm)记录了4名患者在言语产生任务期间的大脑皮质活动。相比于标准的大脑皮质电图(macro-ECoG)和立体脑电图(SEEG),µECoG电极阵列具有57倍的空间分辨率和48%更高的信噪比。研究人员通过预测实际说出的音素来解码语音,并将高密度µECoG的结果与标准颅内电生理(iEEG)记录进行比较。同时,他们探索了利用微尺度神经信号进行非线性解码模型来解码整个语音序列。

研究结果 高分辨率的µECoG记录显示,相比于标准iEEG,在高伽马带(70-150 Hz)功率方面具有更高的信噪比(48%提高)。基于高伽马信号的音素预测准确率提高了35%。解码性能的提高依赖于神经接口的高空间分辨率。与线性解码技术相比,设计用于利用增强时空神经信息的非线性解码模型产生了更好的结果。研究显示,高密度µECoG可以实现高质量的语音解码,为未来的神经语音假肢提供支持。

研究意义 本研究展示了高分辨率微尺度神经记录在语音解码方面的优势,为那些失去语言交流能力的患者提供了有希望的解决方案。研究结果表明,高密度µECoG可以显著提高语音解码的准确性,为未来的神经语音假肢的开发奠定了基础。通过捕捉大脑皮层中丰富的时空信息,这项技术有望大大改善患者的生活质量。

研究亮点 1. 使用高密度µECoG电极实现了更高的空间分辨率和信噪比,相比标准iEEG记录,在语音解码方面有35%的改善。 2. 证明了高分辨率神经记录对于准确解码语音特征的重要性,并展示了微米尺度上的神经活动模式。 3. 开发了基于序列到序列(seq2seq)的循环神经网络模型,能够直接从高分辨率神经信号中解码整个语音序列,性能优于线性解码方法。 4. 绘制了个体化的语音运动皮层地图,显示了语音运动特征在皮层上的精细空间分布,为未来的个性化神经假肢提供依据。

总的来说,这项研究充分展示了高分辨率微尺度神经记录在语音解码中的巨大潜力,为那些失语患者提供了一种有前景的恢复交流能力的方法。后续的研究将进一步探索如何将这项技术应用于实际的神经语音假肢系统中。